CAF Case Management in Infermieristica e Ostetricia
Prof. Paolo Chiari
AA 2013/2014
Ricerca infermieristica
Evidenze
• m.youtube.com/watch?feature=youtu.be&v
=QUW0Q8tXVUc&desktop_uri=%2Fwatch
%3Fv%3DQUW0Q8tXVUc%26feature%3
Dyoutu.be
Obiettivo del corso
Individuare i contributi che la ricerca di tipo
sperimentale e osservazionale possono fornire al
miglioramento della pratica professionale .
Contenuti del corso
•
•
•
•
•
•
•
•
La logica della ricerca scientifica
I passi fondamentali della ricerca
Il quesito di ricerca: domanda o ipotesi
Gli obiettivi e le variabili
L’RCT
Lo studio di coorte
Lo studio caso-controllo
Lo studio trasversale
Esempio
Indagine scientifica
… è un processo attraverso cui i dati osservabili e
verificabili del mondo che ci circonda sono raccolti
attraverso i sensi, per descrivere, spiegare e prevedere
gli eventi.
Verifica della realtà
(Ricerca)
Iniettare insulina attraverso i
vestiti è sicuro e conviene?
Mondo empirico (pratica)
- 42 pazienti, randomizzati a iniettarsi insulina attraverso i
vestiti o dopo disinfezione con alcool
(A. Gilli – W. Jackson, 2002)
- dopo 20 settimane, nessuna differenza per leucociti,
neutrofili, emoglobina glicosilata, reazioni cutanee
Fleming et al. The safety of injecting insulin through clothing. Diabetes care 1997;
20: 244-7.
Esempio
Verifica della realtà
(Ricerca)
Mondo empirico (pratica)
Lavaggio chirurgico delle mani,
guanti sterili, tecniche asettiche,
clorexidina e cetrimide, kit sterile,
lidocaina sterile, acqua sterile
palloncino
Il paradigma positivista
Sperimentazione clinica
Carapeti et al, 1994
156 pazienti cateterismo a breve
termine nel preoperatorio
Cateterismo pulito con acqua e
sapone, guanti non sterili, tecnica
asettica, acqua di rubinetto, no kit
sterile, lubrificante, palloncino acqua
di rubinetto
Il paradigma che ha dominato la ricerca
infermieristica per decenni è definito positivismo
Il positivismo affonda le sue radici nel pensiero del 19°
secolo, sulla scorta di filosofi come Newton e Locke, e
discende da un movimento culturale più ampio
(modernismo), in cui sono esaltate razionalità e scienza.
Rimozione del catetere dopo 24-48 h
nessuna differenza tra i due gruppi
Il paradigma positivista
Il paradigma positivista
Un assunto fondamentale del pensiero positivista è che là
fuori esiste una realtà che può essere studiata e
conosciuta (per assunto s’intende un principio alla cui
veridicità si crede senza necessità di dimostrazione o
conferma).
L’assunto relativo al determinismo poggia sulla credenza
dei positivisti, secondo cui i fenomeni non sono casuali,
bensì indotti da cause antecedenti. Se una persona è colta
da ictus, lo scienziato che coltiva la tradizione positivista
presuppone che sussistano una o più cause
potenzialmente identificabili.
I sostenitori del positivismo assumono che la natura sia
ordinata e regolare e che una realtà esista
indipendentemente dall’osservazione umana.
In altre parole, presumono che il mondo non sia una
mera creazione della mente umana .
Nell’ambito del paradigma positivista, gran parte dell’attività
di ricerca è finalizzata a comprendere le cause sottostanti
dei fenomeni naturali.
Il paradigma positivista
Il paradigma post-positivista
In virtù della loro fede nella realtà oggettiva, i positivisti
premiano l’obiettività. Il loro approccio prevede il ricorso a
procedure ordinate e metodiche, affiancate da controlli
rigorosi sulla situazione della ricerca, per testare ipotesi
sulla natura dei fenomeni oggetto di studio e sulle relazioni
tra di essi.
Il rigido pensiero positivista è stato contestato e alterato:
pochi ricercatori aderiscono ai principi del positivismo puro .
I post-positivisti credono ancora nella realtà e
cercano
di comprenderla,
ma riconoscono
l’impossibilità di una totale obiettività.
Ciononostante, considerano l’obiettività come uno
scopo da raggiungere e si sforzano di mantenere il
più possibile la neutralità e l’imparzialità.
Metodo scientifico
Il paradigma post-positivista
• … consta di varie fasi che sono rappresentate dalla
selezione e definizione di un problema, dalla
formulazione delle domande di ricerca o delle ipotesi,
dalla raccolta e analisi dei dati e dalla comunicazione
dei risultati.
I post-positivisti, inoltre, riconoscono l’esistenza di
impedimenti alla conoscenza piena della realtà e
tendono, quindi, alla ricerca di evidenze probabilistiche,
vale a dire, comprendere in che cosa consiste
probabilmente il vero stato di un fenomeno, con un alto
grado di verosimiglianza.
• Due caratteristiche uniche del metodo scientifico sono
l’obiettività e l’uso dei dati empirici.
Questa posizione positivista modificata persiste come
forza dominante nella ricerca infermieristica.
Per semplicità, ci riferiremo ad essa come positivismo.
(A. Gilli - W. Jackson, 2002)
Metodo scientifico
Processo di ricerca
Caratteristiche specifiche:
Metodo per
acquisire e
organizzare
conoscenze
nell’ambito di un
contesto
scientifico o di
ricerca
Obiettività
Uso di dati
empirici
Riproducibilità
Identificazione del problema
Osservazione della situazione nel mondo reale (Nursing practice)
Revisione della
letteratura
Identificazione del problema
Il problema deve essere:
Identificare il tema della ricerca (Topic)
•
Significativo
Generare domande
•
Rilevante per i professionisti e per i pazienti
•
Ricercabile
•
Misurabile
•
Fattibile
•
Interessante per il ricercatore
Problema di ricerca
SCOPO DELLA RICERCA (Purpose)
Obiettivi, domande o ipotesi
Input da altri
Esempi
Esempi
1. Parlando a un corso di aggiornamento emerge che nei
diversi reparti si gestisce il CVP in modo difforme: c’è chi
eparina e chi usa la fisiologica, chi lo cambia ogni 3
giorni e chi lo lascia in situ fino all’insorgenza di
eventuali problemi….
2. La farmacia ci fornisce di nuovi connettori senz’ago per
i Cateteri Venosi Centrali (CVC) perché la ditta dice che
sono più sicuri anche se 5 volte più costosi per
prevenire le infezioni…
Chi ha ragione?
Ci si può “fidare”?
Identificazione dello scopo
È necessario dichiarare l’obiettivo globale e intento della
ricerca (purpose statement)
“Scriverlo come affermazione dichiarativa o come
domanda o come ipotesi”. (Brink-Wood, 2001)
Formulazione di domande/ipotesi
A partire dal problema identificato è possibile generare
numerose domande e successivamente decidere quale sia
quella prioritaria
Domanda
Il purpose statement include informazioni
all’intento, al contesto ed ai soggetti coinvolti
relative
PROBLEMA
Domanda
Quesito di ricerca
Domanda
Formulazione di domande/ipotesi
Si noti come da un problema si generano numerose
possibili domande
I diversi quesiti possono essere raggruppabili in 2
categorie:
Conoscitivi
se non si conosce
il fenomeno
Esempio
Problema
Ci accorgiamo con preoccupante “frequenza” di problemi ai
talloni quando togliamo un gesso anche a pazienti
giovani.
Ipotesi di soluzioni
se si conosce il
fenomeno
Qual è l’entità del fenomeno?
Esempio
•
•
Conoscitivi :
– Qual è l’incidenza dei danni cutanei dopo un gesso?
– Quali sono i fattori di rischio di sviluppare un danno cutaneo per
una persona che ha un gesso?
Ipotizzano soluzioni:
– Fare un gesso con materiale sintetico diminuisce l’incidenza di
danni cutanei rispetto a farlo con gesso tradizionale?
– Mettere una maglia a contatto con la pelle diminuisce l’incidenza
di danni cutanei rispetto a mettere solo cotone?
– Applicare schiuma di poliuretano al tallone diminuisce l’incidenza
di decubiti al calcagno?
Formulazione di domande/ipotesi
Un’ipotesi di soluzione deve necessariamente
contenere la popolazione di riferimento, l’intervento e
l’ipotesi
Formulazione di domande/ipotesi
Un quesito conoscitivo
deve necessariamente
contenere la popolazione di riferimento, il problema
identificato e l’obiettivo
Esempio
Qual è l’incidenza (obiettivo) dei decubiti al calcagno
(problema) nei pazienti con immobilizzazione all’arto
inferiore (popolazione)?
Identificazione delle variabili
Definire il QUESITO a cui si vuole rispondere
Identificare le VARIABILI da osservare
Esempio
L’uso dei connettori senza ago (needle less device)
(intervento) riduce l’incidenza delle infezioni dei CVC
(ipotesi) nei pazienti sottoposti a chemioterapia
(popolazione) rispetto all’uso dei tappini in lattice
(intervento)?
Identificazione delle variabili
Si definisce variabile una caratteristica misurabile
che varia; in caso contrario si parla di costante
Obiettivo della ricerca è capire come e/o perché una
cosa varia e come le variazioni di una variabile sono in
rapporto con le variazioni di un’altra
Trasformarle
affinché
siano
osservabili,
analizzabili, quindi trovare la risposta al quesito
misurabili,
La variabile indipendente
La variabile indipendente è quella che influenza le
altre variabili (dipendenti)
Negli studi sperimentali viene manipolata dal ricercatore
Rappresenta “la causa”
La variabile dipendente
La variabile dipendente è quella che varia in
funzione della variabile indipendente
Tale variabile non può essere manipolata ma soltanto
osservata
Esempio
Qual è l’incidenza dei decubiti al calcagno (variabile
dipendente) nei pazienti con immobilizzazione all’arto
inferiore (variabile indipendente)?
L’uso dei connettori senza ago (needle less device)
(variabile indipendente) riduce l’incidenza delle infezioni dei
CVC (variabile dipendente) nei pazienti sottoposti a
chemioterapia rispetto all’uso dei tappini in lattice (variabile
indipendente)?
Rappresenta “l’ effetto”
Studi Randomizzati e Controllati
Anatomia dell’RCT
Outcome
RANDOMISED = randomizzato, campione preso a caso
No Outcome
Gruppo Sperimentale
CONTROLLED = controllato, raffrontato con un campione di
controllo
TRIAL = prova, studio, esperimento.
Outcome
Gruppo di Controllo
Trial randomizzato e controllato
No Outcome
Studi senza gruppo di controllo
Sono gli studi sperimentali considerati il “gold
standard” per la valutazione dei trattamenti, grazie al
loro disegno formulato in modo da minimizzare i bias
rispetto ad altri disegni.
Il trattamento sperimentale viene assegnato a tutti i
pazienti eleggibili consecutivamente osservati. Sono ad
esempio le serie di casi o gli studi di fase II.
Negli RCT i membri del campione sono assegnati in
modo randomizzato ai due gruppi: ciò consente di
costituire due gruppi in cui i fattori prognostici, sia noti
che non, sono equamente distribuiti, e che quindi sono
identici ad eccezione del trattamento sperimentato.
In assenza del gruppo di controllo, i benefici del
trattamento sperimentale vengono misurati confrontando
il decorso della malattia non trattata (o trattata con terapia
standard).
Effetto del trattamento nell’RCT
L’effetto totale del trattamento è la somma del
miglioramento spontaneo, delle risposte aspecifiche e
della risposta specifica
Effetto reale del trattamento
Effetto placebo
Aspettative ottimistiche
Trials senza gruppo di controllo
In una certa epoca storica hanno prodotto evidenze
inconfutabili per trattamenti di drammatica efficacia in
condizioni ad esito invariabilmente fatale/sfavorevole:
• Insulina nel coma diabetico
• Penicillina nella polmonite pneumococcica (o nella
endocardite batterica)
• Vitamina B12 nell’anemia perniciosa
• Appendicectomia nell’appendicite acuta.
Effetto Hawthorne
(che induce il
paziente a stare m eglio per la consapevolezza
di essere parte di uno studio)
Miglioramento spontaneo
Copyright © 1996-1999 - GIMB E
I possibili errori negli RCT
Benché costituiscano gli studi più rigorosi, in essi la
presenza di errori sistematici (bias) compromette la
credibilità e l’autorevolezza dei risultati
I bias possono essere:
• Bias di selezione
• Bias di accertamento
• Bias di violazione del protocollo
Bias di selezione-selection bias
Se uno studio è realmente randomizzato, l’allocazione ai
gruppi non può essere influenzata dai ricercatori o dai
partecipanti allo studio.
Con la randomizzazione a tutti i partecipanti dello studio
sono date le stesse opportunità di essere assegnati a
ciascuno dei gruppi di studio.
Bias di selezione-selection bias
Si verifica quando gli outcomes di uno studio sono
influenzati dalle differenze sistematiche dei due gruppi di
studio; queste ultime dipendono dalle modalità con cui le
persone sono state selezionate a partecipare al trial o con
cui sono state assegnate ai due gruppi.
La prevenzione di questo tipo di bias si realizza con una
corretta randomizzazione
Bias di accertamento
Si verifica quando i risultati o le conclusioni di un trial
sono distorte dalla conoscenza relativa all’intervento a
cui ogni partecipante è stato sottoposto.
Questo tipo di errore può essere determinato da chi
eroga l’intervento, dai soggetti studiati, dai ricercatori che
valutano o analizzano gli outcomes e da coloro che
scrivono l’articolo descrivente il trial.
Bias di accertamento
Il miglior modo per evitare questo bias è mantenere le
persone coinvolte nello studio non a conoscenza
dell’assegnazione dei soggetti al gruppo sperimentale o
a quello di controllo, realizzando quella che è detta
cecità
Bias di violazione del protocollo
Tutti i pazienti inclusi inizialmente nello studio dovrebbero
essere considerati anche nella formulazione delle
conclusioni all’interno del gruppo di assegnazione.
Ciò si rende necessario in presenza di soggetti che hanno
abbandonato lo studio, che si sono persi durante il follow
up o che non hanno seguito il protocollo di trattamento
(crossover).
Se venissero considerati solo i risultati di coloro che
hanno finito lo studio si potrebbe sovrastimare l’efficacia
del trattamento. Per questo l’analisi dei dati deve essere
effettuata secondo l’intention to treat.
La generalizzabilità degli RCT
Gli end points misurati possono essere:
Surrogati
Clinicamente rilevanti
L’efficacia negli studi
I dati all’interno degli studi possono riguardare variabili
continue (glicemia, temperatura, pressione, colesterolemia)
o variabili discrete o dicotomiche (vivo o morto, frattura o
non frattura, guarito o non guarito).
Variabili continue
Variabili discrete
I ricercatori riportano l’intervallo di
valori nel quale si modificano i
parametri in seguito all’intervento,
confrontando le medie o le
mediane dei valori
I ricercatori riportano la frequenza
con cui si verifica l’evento
Misure di efficacia nei trials
Nella lettura degli studi troveremo indicate diverse misure
di efficacia.
La comprensione del loro significato, l’interpretazione del
loro valore e della loro precisione servono per capire la
forza e la direzione dell’associazione che vi è tra
trattamento e outcome (e quindi di capire se l’intervento è
efficace e in che misura).
Esempio - variabili continue
Cullen l, et al. Nebulized lidocaine decrease the discomfort of nasogastric tube
insertion: a randomized, doubleblind trial. Ann Emerg Med 2004; 44: 131-7.
La somministrazione di lidocaina nebulizzata prima
dell’inserimento del sondino naso gastrico riduce il
discomfort del paziente?
Popolazione: adulti da sottoporre a posizionamento del SNG
in pronto soccorso
Intervento: nebulizzazione di lidocaina
Confronto: nebulizzazione di soluzione fisiologica
Outcome: disagio misurato attraverso una scala visuale
analogica (misura continua), difficoltà di inserimento del
sondino (misura continua), complicanze (sanguinamento,
vomito, impossibilità di passaggio, dispnea–misure discrete).
Esempio - variabili continue
Outcome
Lidocaina
Placebo
Differenza (IC 95%)
37.7
59.3
26.6 (5.3 a 38.0)
Disagio riferito
(media dei
punteggi della
scala visuale
analogica)
Difficoltà percepita
dall’infermiere
nell’inserimento del
SNG
Misure di efficacia-outcomes discreti
Il primo passaggio per esaminare le diverse misure
di efficacia consiste nel tabellare i dati.
Evento Sì Evento No
Gruppo
2
2
0 (-1 a 1)
sperimentale
Gruppo di
controllo
Sanguinamento
nasale
17%
0
17% (3,5-31)
Vomito
10%
0
10%(-0,7-21)
Misure di efficacia-outcomes discreti
Frequenza (o rischio) nel
gruppo sperimentale
a
EER = -----------a+b
Frequenza (o rischio) nel
gruppo di controllo
c
CER = -----------c+d
La EER indica con che
frequenza l’evento si è
verificato nel gruppo
sperimentale
La CER indica con che
frequenza l’evento si è
verificato nel gruppo
controllo
ARR = CER - EER
Misura assoluta
Riduzione Rischio Relativo
ARR
RRR = ------------- o (1 – RR)
CER
Misura relativa
b
a+b
c
d
c+d
a+c
b+d
Misure di efficacia-outcomes discreti
Rischio Relativo
a
-------------a+b
RR = ------------ = ------------c
CER -------------c+d
EER
Dal rapporto tra EER e CER si
ottiene il rischio relativo che
indica il rischio di manifestare
l’evento negativo nel gruppo
sperimentale rispetto a quello
del gruppo di controllo.
Se l’intervento ha un effetto
benefico RR<1
Se peggiora l’esito RR>1
Se non c’è differenza RR=1
Misura relativa
Misure di efficacia-outcomes discreti
Riduzione Rischio Assoluto
a
La riduzione del rischio
assoluto indica l’esatta
espressione di quanto si
riduca la frequenza degli
eventi negativi con il
trattamento sperimentato.
La riduzione del rischio
relativo indica con che
proporzione. diminuisce
il
rischio
con
il
trattamento sperimentato
I difetti di RRR e ARR
La RRR è di nuovo una misura relativa, che non indica
la frequenza dell’evento negativo.
Al contrario ARR è espressione di questa misura ma,
essendo un numero decimale, non è facile da ricordare.
Per questo motivo, la misura che rende al meglio
l’importanza clinica dell’associazione tra trattamento ed
outcome è il NNT.
Misure di efficacia-outcomes discreti
NNT e NNH
NNT = Number Needed to Treat
Il numero dei pazienti da
trattare indica il numero di
persone necessario da trattare
per evitare un evento negativo.
Si tratta di un valore espresso
con numeri interi (quindi più
facile da ricordare).
Tanto più è piccolo, tanto
maggiore è l’efficacia clinica
del trattamento; tanto più è
grande, tanto più è modesta
l’efficacia del trattamento.
Number Needed to
Treat
1
NNT = ---------ARR
Misura assoluta
Quando il trattamento produce danni anziché benefici, il
valore di ARR diventa negativo ed anche il NNT si
presenta con il segno “-”.
Il NNT negativo si legge NNH in quanto il trattamento
produce un danno.
NNH = Number Needed to Harm
Esempio
Trivedi DP, Doll R, Khaw KT. Effect of four montly oral vitamin D3
supplementation on fracutres and mortality in men and women living in the
community: randomised double blind controlled trial. BMJ 2003; 326:469-72.
La somministrazione di un integratore di Vitamina D3 per
via orale riduce l’incidenza di fratture negli anziani (65-85)
residenti al domicilio?
Popolazione: anziani residenti al domicilio
Intervento: somministrazione di un integratore di Vit D3
Confronto: somministrazione di un placebo
Outcome: incidenza di fratture e mortalità da tutte le
cause
Esempio
Rischio Relativo
EER
0,088
RR = ---------- = -------- = 0,8
CER
Riduzione Rischio Assoluto
ARR = CER-EER= 0,11 – 0,088= 0,022
Esempio
Gruppo
intervento
Frattura
Non
frattura
N. Tot.
Trattamento
sperimentale
119
1226
1345
Trattamento
controllo
149
1192
1341
Intervallo di confidenza
Quando valutiamo l’efficacia di un trattamento, oltre ad
osservare il valore della misura di associazione,
dobbiamo valutarne la sua precisione.
0,11
Riduzione Rischio Relativo
ARR
0,022
RRR = ---------- = -------- = 20%
CER
0,11
Number Needed to Treat
1
1
NNT = ---------- = -------- = 46
ARR
0,022
Considerare l’intervallo di confidenza (IC)
Intervallo di confidenza
È l’intervallo dei valori entro i quali al 95% delle
probabilità è presente il valore reale della popolazione
studiata.
Intervallo di confidenza
La necessità di considerare l’IC nasce dal fatto che gli
studi sono eseguiti su campioni e non sulla popolazione.
Se si ripetesse diverse volte lo stesso studio difficilmente
si otterrebbero le identiche misure di efficacia, ma questi
risultati sarebbero distribuiti intorno al risultato vero che
resta sconosciuto.
Esso ci dice quali sono i valori entro cui, con una grande
probabilità, si trova il valore di efficacia che si otterrebbe
studiando tutta la popolazione.
Intervallo di confidenza
In particolare, è necessario verificare:
• l’ampiezza dell’intervallo di confidenza
• che i limiti dell’intervallo di confidenza non vadano oltre
il valore che conferma l’ipotesi nulla (assenza di
associazione).
L’ipotesi nulla
Coloro che eseguono lo studio mirano a dimostrare
l’esistenza di una relazione tra il trattamento ed il
miglioramento dell’outcome, cercando di dimostrare
l’inesistenza dell’ipotesi nulla.
L’ipotesi nulla sussiste tutte le volte in cui non vi è
alcuna relazione tra il miglioramento dell’esito ed il
trattamento studiato
Intervallo di confidenza
Tanto più è ampio l’intervallo di confidenza, tanto meno
precisa è la stima dell’efficacia del trattamento (e meno
dobbiamo fidarci del risultato dello studio).
L’ampiezza dell’IC è inversamente proporzionale alla
dimensione del campione (se ho incluso pochi soggetti
il risultato ottenuto è necessariamente poco preciso).
L’ipotesi nulla
Ipotesi nulla H 0
Ipotesi alternativa H 1
Non esiste una reale
differenza tra le
variabili studiate: le
differenze osservate
sono dovute la caso.
Le differenze
osservate sono
troppo grandi per
essere dovute al
caso.
L’ipotesi nulla
Per verificare se l’ipotesi nulla si sia verificata o meno,
si procede attraverso l’esame dei valori delle misure di
efficacia, che non devono esprimere specifici valori.
L’ipotesi nulla nei parametri discreti
Parametro
RR, OR
ARR, RRR
NNT
Valore nullo
1
0
Se questo valore è 1, Il
rischio o la probabilità
di incorrere nell’evento
avverso sono uguali
che si pratichi il
trattamento o meno
Infinito
ARR non deve essere 0, perché
significherebbe che il beneficio ottenuto in
termini di riduzione assoluta del rischio è
0, nel qual caso NNT diventerebbe un
valore tendente ad infinito.
Attenzione
Il valore che conferma l’l’ipotesi nulla non solo non
deve essere corrispondente alla misura di
efficacia, ma non deve neanche cadere all’
all’interno
del suo IC, perché
perché in questo caso potrebbe
ugualmente corrispondere ad esso!
Test di significatività statistica
Il valore di “p” misura la probabilità che una
differenza, o un’ associazione, osservata possa
essere dovuta a fluttuazioni casuali, ossia alla
possibile variabilità tra campioni, e possa quindi non
corrispondere a fenomeni reali.
Quanto deve essere il valore di “p”
per poter escludere l’ipotesi nulla?
Test di significatività statistica
Oltre a verificare i valori delle misure di
associazione, e del loro IC, occorre osservare il
valore assunto da “p”, che indica quale sia la
significatività statistica dei risultati ottenuti.
Test di significatività statistica
Per convenzione, il cut-off per definire
significatività statistica del valore di p è 0,05
la
Si conclude cioè che una differenza non è dovuta al
caso se p è uguale o inferiore a 0.05, il che vuole dire
che il risultato ottenuto potrebbe dipendere dal caso
nella misura del 5%, ossia di 1 volta ogni 20 ripetizioni
dello stesso studio.
Esempio
Esempio
Abbiamo effettuato una sperimentazione su due gruppi
di individui affetti da una determinata patologia.
Uno dei due gruppi è stato trattato con il farmaco A e
l'altro con il farmaco B.
Gli individui trattati con il farmaco A sembrano guarire
con maggiore frequenza rispetto a quelli trattati con il
farmaco B.
Calcolando il valore “p” otteniamo una stima quantitativa
della probabilità che le differenze osservate siano dovute
al caso.
In altre parole, p è la risposta alla seguente domanda:
«se non ci fossero differenze fra A e B, e se la
sperimentazione fossa eseguita molte volte, quale
proporzione di sperimentazioni condurrebbe alla
conclusione che A è migliore di B?».
Significatività
Significatività statistica
Significatività
Significatività statistica
Significativo ≠ importante
Significativo = difficilmente dovuto al caso
La significatività statistica non è l’unico criterio utile per
decidere se utilizzare i risultati di uno studio.
La significatività statistica dipende dall’entità delle
differenze tra i gruppi, dalla variabilità degli esiti all’interno
dei gruppi e dal numero di pazienti.
Differenze clinicamente irrilevanti possono divenire
statisticamente significative se le dimensioni dei campioni
sono sufficientemente grandi.
Al contrario, differenze clinicamente rilevanti possono
essere statisticamente non significative se i campioni sono
troppo piccoli (in gergo statistico, se lo studio manca di
potenza statistica).
Cosa significa
Si definisce osservazionale quello studio in cui i
ricercatori osservano un fenomeno senza modificarlo
Studi osservazionali analitici
Gli studi osservazionali si contrappongono a quelli
sperimentali, nei quali i ricercatori intervengono
attivamente manipolando la variabile indipendente.
Quali sono
Cosa significa
Si definisce analitico quello studio in cui è possibile
trarre informazioni dal confronto degli esiti di due
gruppi, dal quale emergono le relazioni tra le variabili
osservate
Per ogni domanda un disegno
Eziologia o danno
Esempio
Eziologia o Danno
Vogliamo verificare se avere un indice di massa corporea
basso (BMI) (l’esposizione) è un fattore di rischio per le
lesioni da decubito (l’esito).
Studi che verificano l’esposizione ad
un fattore di rischio
Eziologia o danno
È possibile rispondere a questa domanda attraverso tre
disegni:
Studi cross sectional
Studi caso-controllo
Studi di coorte
Studi cross sectional
Sono studi trasversali che raccolgono informazioni
relative all’esposizione ai fattori di rischio ed ai loro
esiti (insorgenza della patologia) nello stesso
momento e sullo stesso paziente.
Studi cross sectional
Esempio (BMI
Lesioni da decubito)
Nel nostro esempio, i dati potrebbero essere raccolti da un
campione di residenti provenienti da 5 case di riposo.
Gli operatori assistenziali dovrebbero compilare un
questionario per ogni residente, contenente informazioni
riguardanti peso e altezza (per calcolare il BMI), elementi
sulla quantità e sulla gravità delle lesioni da decubito ed altri
fattori che potrebbero essere loro collegati, quali l’età, i
recenti ricoveri ospedalieri, le patologie croniche e la
mobilità.
Questi dati, quindi, dovrebbero essere analizzati al fine di
valutare se i residenti con un basso BMI abbiano maggiore
o minore probabilità di sviluppare almeno una lesione da
decubito.
Studi caso-controllo
Esempio (BMI
Studi caso-controllo
Sono studi retrospettivi che, partendo dalla presenza o
meno dell’esito (endpoint), raccolgono informazioni
relative alla pregressa esposizione ai fattori di rischio
Oggi
Fattori di
rischio
Nel nostro esempio, il ricercatore dovrebbe identificare un
gruppo di residenti nelle case di riposo con lesioni da
decubito, i casi. A seguire, dovrebbe identificare un gruppo
di residenti che non hanno tali lesioni, i controlli.
Quindi, dovrebbe raccogliere informazioni relative alle
precedenti esposizioni (BMI al momento del ricovero nella
casa di riposo) per ogni paziente del gruppo dei casi e di
quello dei controlli.
Dovrebbero quindi essere confrontate le
differenze in termini di prevalenza, rispetto
all’esposizione (BMI), tra i due gruppi.
Studi di coorte
Studi di coorte
Sono studi prospettici che partendo dall’esposizione ai
fattori di rischio, o meno, verificano se insorge l’esito.
Oggi
Fattori di
rischio No
Endpoint No
Studi caso-controllo
Lesioni da decubito)
Fattori di
rischio Sì
Endpoint Sì
Endpoint
Esempio (BMI
Lesioni da decubito)
Nel nostro esempio, il ricercatore dovrebbe identificare un
gruppo di residenti delle case di riposo, che non
presentano lesioni da decubito, e misurare il loro BMI.
Questo gruppo dovrà essere seguito nel tempo, per
determinare quanti di loro, e quali, svilupperanno una
lesione da decubito.
Bias negli studi eziologici
Il termine bias si riferisce a qualsiasi errore
sistematico che porti ad una stima errata
dell’associazione tra l’esposizione e l’esito
I bias possono essere:
•
•
•
•
Bias di informazione
Recall bias (studi caso-controllo)
Bias di selezione
Fattori di confondimento
Bias di informazione
Bias di informazione
Si realizza tutte le volte in cui il paziente è posto nel
gruppo sbagliato a causa della errata rilevazione del
parametro considerato (es. misurazione errata di peso
ed altezza e collocazione erronea nel gruppo con BMI
basso).
Esso si riduce in due modi:
• Utilizzando misure di rilevazione oggettive.
•Facendo in modo che chi effettua la rilevazione
dell’esposizione non sia a conoscenza dell’esito (studio caso
controllo) e che chi rileva l’esito non sia a conoscenza della
condizione di esposizione all’agente indagato (studio di coorte).
Bias di informazione
Negli studi di coorte (prospettici):
Questo tipo di bias non può essere legato all’esito, dato
che non si è ancora verificato: per questo motivo l’errore,
se si realizza, è equamente distribuito nei due gruppi e per
questo viene indicato come random o non differenziato.
Bias di informazione
Negli studi casocaso-controllo:
Se lo stesso errore viene eseguito negli studi caso
controllo, il suo esito è aggravato dal fatto che, in questo
caso, partendo dagli esiti, essi possono condizionare la
classificazione dei pazienti e quindi produrre un effetto
positivo o negativo sull’associazione.
In questo caso si tratta di Differential misclassification bias.
L’effetto del random misclassification bias è quello
di ridurre l’associazione tra l’agente eziologico e
la condizione, spostando i risultati dello studio
verso l’ipotesi nulla.
Recall Bias
È proprio degli studi caso controllo e si verifica a causa
dell’errato ricordo dei soggetti coinvolti nello studio.
Esso costituisce una forma di differential misclassification
bias.
Bias di selezione
Bias di Follow up
I soggetti selezionati devono essere identici ad eccezione
dell’esposizione all’agente eziologico.
Negli studi di coorte i soggetti inclusi nei gruppi devono
essere seguiti per un periodo di tempo sufficientemente
lungo.
Cosa accadrebbe se il follow up fosse troppo breve, o in
esso fossero persi molti soggetti?
Quando questo non si realizza siamo in presenza del
Bias di selezione.
In uno studio caso controllo,
in cui si parte da due gruppi
con e senza l’esito, cosa
accadrebbe se si fossero
scelte solo persone non
esposte al reale agente
eziologico?
In uno studio di coorte,
l’allocazione alla condizione
di esposizione si riferisce
allo sviluppo dell’esito (o nei
due gruppi ci sono altre
differenze non considerate)?
Bias e risultati degli studi
Se nel compimento di uno studio è stato effettuato un
bias i suoi risultati possono essere definitivamente
compromessi.
Gli studi di coorte da questo punto di vista sono più
sicuri, rispetto ad esempio agli information bias o ad i
recall bias, ma non sempre sono realizzabili (soprattutto
per condizioni rare o a lentissimo decorso).
Fattori di confondimento
I fattori di confondimento sono le variabili associate sia
all’esposizione, sia all’esito, che potrebbero spiegare
qualsiasi relazione osservata tra questi due fattori.
Una perdita al follow up superiore al 20%
compromette i risultati dello studio.
Fattori di confondimento
Esempio
Esiste una relazione tra l’assunzione di caffè e
l’insorgenza del tumore del polmone?
Fattori di confondimento
Al contrario dei bias, i fattori di confondimento possono
essere corretti cercando di escludere dal campione
coloro che possono recarli con sé.
Purtroppo però i fattori di confondimento sono
numerosi, per cui è difficile escluderli completamente
dagli studi (talvolta non sono identificabili).
Fattori di confondimento
Per ridurre l’effetto delle variabili di confondimento
esistono diverse tecniche in fase di campionamento o in
fase di analisi.
Accorgimenti in fase di campionamento
1. Esclusione dei soggetti che presentano variabili di
confondimento.
2. Matching, negli studi caso controllo, che consiste
nell’introdurre nel gruppo di controllo persone con le
stesse variabili di confondimento presenti nel gruppo
dei casi.
3. Stratificazione,
che
consiste
nell’esaminare
l’associazione in modo separato nei diversi gruppi.
Misure di associazione
Negli studi eziologici, si vuole conoscere la relazione tra
alcuni fattori di rischio dei pazienti (le esposizioni) e una
particolare condizione o patologia (l’esito).
La relazione tra i fattori di rischio e gli esiti viene
generalmente presentata come rischio relativo, negli
studi di coorte, o come odds ratio negli studi caso
controllo.
Per calcolare entrambi occorre tabellare i dati.
Misure di associazione
Evento Sì Evento No
Gruppo S
a
b
a+b
Gruppo C
c
d
c+d
a+c
b+d
Odds ratio (OR)
a/b
OR = -----------c/d
Esempio ipotetico
Rischio Relativo (RR)
a
-------------0,073
a+b
RR = ------------ = ----------------- = ------------------- = 1,37
c
CER
-------------0,053
c+d
EER
Un RR di 1,37 indica
che i soggetti con un
BMI basso hanno un
rischio di 1,37 volte (o
del 37%) superiore di
presentare
l’esito,
rispetto a quelli con
BMI elevato.
Rischio Relativo (RR)
a
EER
-------------a+b
RR = ------------ = ------------c
CER
-------------c+d
Esempio ipotetico
Odds Ratio (OR)
a/b
0,078
OR = ------------ = ----------------- = 1,39
c/d
0,056
Un odds ratio di 1,39
indica che le persone
con l’esito hanno una
probabilità di 1,39 volte
maggiore (o del 39%) di
presentare avere una
BMI < a 20.
Significati del RR
Significati dell’OR
Il RR si utilizza negli studi di coorte
L’OR si utilizza negli studi caso-controllo
• Se l’esposizione protegge rispetto l’insorgenza del
danno RR<1
• Se favorisce l’insorgenza del danno RR>1
• Se non produce effetti RR=1
• Se l’esposizione protegge rispetto l’insorgenza del
danno OR<1
• Se favorisce l’insorgenza del danno OR>1
• Se non produce effetti OR=1
Intervallo di confidenza
Quando valutiamo la relazione fra un fattore eziologico
e l’insorgenza di una condizione, oltre ad osservare il
valore della misura di associazione, dobbiamo
valutarne la sua precisione.
Intervallo di confidenza
In particolare, è necessario verificare:
• l’ampiezza dell’intervallo di confidenza
• che i limiti dell’intervallo di confidenza non vadano oltre
il valore che conferma l’ipotesi nulla (assenza di
associazione).
Considerare l’intervallo di confidenza (IC)
NNT-NNH
Come si calcola
Evento Sì Evento No
Similmente al NNT, l’NNH esprime in modo
diretto e clinicamente significativo la misura
dell’associazione, definendo quante persone
devono essere esposte al fattore di rischio
perché una vada in contro alla condizione.
Gruppo S
a
b
a+b
Gruppo C
c
d
c+d
a+c
b+d
1
1
NNH = ----------- = ---------------ARR
EER - CER
Esempio
Test di significatività statistica
Oltre a verificare i valori delle misure di
associazione, e del loro IC, occorre osservare il
valore assunto da “p”, che indica quale sia la
significatività statistica dei risultati ottenuti.
1
NNH = ----------------------- = 50
0,073 – 0,053
Nel nostro esempio quindi
per ogni 50 persone con un
BMI basso 1 sviluppa
lesioni da decubito.
Test di significatività statistica
Il valore di “p” misura la probabilità che l’
associazione osservata possa essere dovuta a
fluttuazioni casuali, ossia alla possibile variabilità tra
campioni, e possa quindi non corrispondere a
fenomeni reali.
Quanto deve essere il valore di “p”
per poter escludere l’ipotesi nulla?
Test di significatività statistica
Per convenzione, il cut-off per definire
significatività statistica del valore di p è 0,05
la
Questo valore indica che c’è solo una probabilità del
5% che la relazione osservata sia dovuta al caso.
Ovviamente, minore è il valore di p, minore sarà la
probabilità che un’associazione osservata, tra
l’esposizione e l’esito, possa essere dovuta al caso.
Prognosi
Prognosi
Studi che valutano la prognosi di una
condizione
La prognosi si riferisce agli esiti attesi di una
malattia, o condizione, e alla probabilità con la
quale essi avverranno
Ampliando ulteriormente la definizione, la prognosi
include gli effetti di una malattia, o condizione, nel tempo
e le probabilità stimate di guarire o di incorrere in
malattie associate.
Tali probabilità vengono fornite da una serie di variabili
chiamate fattori od indicatori prognostici.
Prognosi
Fattori prognostici
Sono le variabili esaminate dagli studi sulla
prognosi e forniscono una previsione circa le
probabilità che un paziente possa migliorare o
peggiorare nel tempo
Studio di coorte per la prognosi
Oggi
Patologia/
Condizione
Esempio
Quali studi possono dirci quali sono i fattori prognostici
che caratterizzano i pazienti che hanno maggiore
probabilità di morire a 30 giorni dopo un primo IMA?
Studio di coorte per la prognosi
Esempio
Fattori prognostici
Endpoint
Bias negli studi prognostici
Gli elementi da verificare in uno studio prognostico,
che potrebbero comprometterne risultati sono:
Nel nostro esempio, uno studio di coorte potrebbe
identificare un gruppo di pazienti (coorte) al momento del
loro primo IMA, raccogliere i dati di base sulle varie
caratteristiche che potrebbero essere associate all’esito
(mortalità) e quindi seguire la coorte nel tempo, per
vedere quali pazienti muoiono e quali sopravvivono.
Bias di selezione
I soggetti inclusi nello studio devono essere
sostanzialmente simili per condizione, patologia e
stadio della patologia
• Bias di selezione
• Bias di informazione
• Fattori prognostici altri
La selezione scorretta del campione può portare a
sovrastimare o sottostimare il decorso della condizione.
Bias di Follow up
Bias di Follow up-lunghezza
Esempio
Il follow up deve essere sufficientemente prolungato
e completo da permettere di analizzare il reale
decorso della patologia
Per determinare il rischio di invalidità gravi nei pazienti
con l’artrite reumatoide, un periodo di follow-up di 10 anni
condurrebbe a risultati più significativi, rispetto ad un
periodo di 6 mesi.
Invece, la gravità di un infezione causata dalla puntura di
un insetto tropicale, sarà evidente entro pochi giorni.
Bias di Follow up-completezza
Il follow up inoltre deve essere il più completo
possibile.
Se non si è a conoscenza degli esiti in coloro che si
sono ritirati, formulando le conclusioni solo sui
soggetti rimasti si rischia di sovrastimare o
sottostimare il decorso della patologia.
Bias di Follow up
Gli autori dello studio devono considerare tutti i
pazienti inclusi nel campione originario e fornire
informazioni sulle caratteristiche dei pazienti che sono
stati perduti al follow-up e sulle motivazioni per le quali
hanno abbandonato lo studio.
Una perdita al follow up superiore al 20%
compromette i risultati dello studio.
Bias di informazione
Bias di informazione
Si verificano quando le informazioni sono influenzate dal
pregiudizio di chi le rileva.
Ciò può accadere per due motivi:
• Le informazioni da raccogliere sono
valutazione del rilevatore (soggettività)
esito
Per minimizzare la possibilità di bias vi sono due
accorgimenti:
• Uso di misure oggettive
• Cecità dei rilevatori
della
• Il rilevatore conosce l’esposizione ai fattori prognostici
dell’individuo e sposta la sua valutazione di conseguenza
È particolarmente importante che coloro che valutano esiti più
soggettivi ignorino gli indicatori prognostici dei pazienti o che
vengano utilizzati dei questionari a cui i pazienti possano
rispondere autonomamente.
La “cecità” dei valutatori dell’esito può non essere necessaria
quando gli esiti sono oggettivi o inequivocabili (come nel caso
della morte).
Fattori prognostici altri
Esempio
La presenza di fattori prognostici non identificati può
incidere pesantemente sugli esiti. Se essi non sono
considerati possono far completamente travisare i
risultati dello studio.
Camfield e al. hanno seguito una coorte iniziale di 692
bambini con epilessia fino a 22 anni per identificare i fattori
associati a tutte le cause di mortalità.
L’indice di mortalità è stato del 6% dopo 20 anni dalle prime
manifestazioni, rispetto ad un indice dello 0,88% nella
popolazione generale.
Inizialmente le analisi sembravano indicare che i bambini
che avevano avuto gli esordi alla nascita e quelli che
avevano un’epilessia generalizzata secondaria avevano
maggiori probabilità di morire dopo 20 anni.
Tuttavia, queste differenze sono sparite quando le analisi
sono state modificate rispetto alla presenza di gravi disordini
neurologici.
Fattore
prognostico
studiato
Esito
Altro fattore
prognostico
Esempio
I bambini con epilessia, che avevano gravi deficit
neurologici, avevano un sostanziale incremento del
rischio di morte dopo 20 anni rispetto alla popolazione
generale; al contrario, i bambini con epilessia, che non
avevano deficit neurologici, avevano un rischio di morte
simile a quello della popolazione generale.
L’esordio alla nascita e la tipologia di epilessia non erano
associate con indici differenti di mortalità.
Senza l’inclusione dei “disordini neurologici” come fattore
prognostico nell’analisi, si sarebbe potuto presumere,
erroneamente, che i bambini che sviluppano l’epilessia
alla nascita e quelli che hanno un epilessia secondaria
generalizzata abbiano un rischio aumentato di mortalità.
Stima dei risultati di uno studio
All’interno di uno studio prognostico, gli effetti dei fattori
prognostici e degli esiti ad essi connessi possono
essere riportati nei seguenti modi:
Percentuale di sopravvivenza ad un dato momento
(tassi di sopravvivenza a 1 o 5 anni);
Sopravvivenza mediana (viene riportato il momento del
follow up in cui è deceduto il 50% dei pazienti);
Curve di sopravvivenza (o di Kaplan Meier), che
descrivono la proporzione del campione (in %) che non
ha riportato esiti specifici.
Fattori prognostici altri
Per evitare questo tipo di errori, occorre che i
ricercatori identifichino differenti gruppi di pazienti,
sulla base di questi fattori prognostici, e
modifichino le analisi rispetto ad essi mediante la
stratificazione o la regressione multipla.
Stima dei risultati di uno studio
Stima dei risultati di uno studio
A volte i risultati sono presentati sotto forma di rischio
relativo (indicato talvolta come Hazard risk – HR) o come
Odds ratio.
In questo caso la misura del “pericolo” viene calcolata
confrontando i rischi, o le probabilità, di evento negativo
tra il gruppo studiato, che presenta il fattore prognostico,
ed un altro gruppo di controllo, che presenta lo stesso
esito senza avere però il fattore prognostico studiato.
Precisione della stima
Poiché i ricercatori studiano la prognosi in un campione di
soggetti malati, non nell’intera popolazione, la stessa
ricerca condotta 100 volte, con 100 campioni diversi,
porterebbe a risultati diversi.
Per valutare come questi risultati cambierebbero occorre
stimarne la precisione, andando a valutare l’ampiezza
degli intervalli di confidenza al 95%.
Esercitazione
Mandato
• 6 gruppi
• Ad ogni gruppo 1 studio
• Leggere lo studio e compilare la scheda di
valutazione
Interpretazione di OR o RR
Se RR o OR sono uguali a 1, la presenza del fattore
prognostico non aumenta il rischio dell’evento negativo
(endpoint).
Se RR o OR sono < 1, il fattore prognostico protegge
rispetto l’insorgenza dell’evento negativo (endpoint).
Se RR o OR sono > 1, il fattore prognostico aumenta il
rischio di evento negativo (endpoint).
Precisione della stima
Gli intervalli di confidenza rappresentano il range di
valori entro cui si trova il valore reale della
popolazione nel 95% dei casi
Esercitazione
Studi
• RCT su medicazione CVP
• RCT su Corpitolinol 60
• Coorte prognostica su lesioni al tallone
Paolo Chiari
Corso di Laurea Magistrale in Scienze Infermieristiche e Osteriche
[email protected]
www .unibo.it
