Ricerca infermieristica
CAF Case Management in Infermieristica e Ostetricia Prof. Paolo Chiari
AA 2013/2014
Obiettivo del corso
Individuare i contributi che la ricerca di tipo
sperimentale e osservazionale possono fornire al
miglioramento della pratica professionale .
Contenuti del corso
• 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
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.
(A. Gilli – W. Jackson, 2002)
Verifica della realtà (Ricerca)
Mondo empirico (pratica)
Iniettare insulina attraverso i vestiti è sicuro e conviene?
- 42 pazienti, randomizzati a iniettarsi insulina attraverso i vestiti o dopo disinfezione con alcool
- 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
Il paradigma positivista
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.
Il paradigma che ha dominato la ricerca
infermieristica per decenni è definito positivismo
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).
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 .
Il paradigma positivista
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.
Nell’ambito del paradigma positivista, gran parte dell’attività
di ricerca è finalizzata a comprendere le cause sottostanti
dei fenomeni naturali.
Il paradigma 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 .
Il paradigma post-positivista
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.
Il paradigma post-positivista
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.
Questa posizione positivista modificata persiste come forza dominante nella ricerca infermieristica.
Per semplicità, ci riferiremo ad essa come positivismo.
Metodo scientifico
• … 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.
• Due caratteristiche uniche del metodo scientifico sono l’obiettività e l’uso dei dati empirici.
(A. Gilli - W. Jackson, 2002)
Metodo scientifico
Metodo per acquisire e organizzare conoscenze nell’ambito di un contesto
scientifico o di ricerca
Obiettività Uso di dati empirici
Riproducibilità
Caratteristiche specifiche:
Processo di ricerca
Conoscenza del mondo professionale :
•Formazione
•Esperienza clinica
•Identificazione
del problema e dello scopo
•Formulazione di domande/ipotesi
•Identificazione delle variabili
•Revisione della letteratura
•Selezione del disegno
•Identificazione del campione, degli strumenti e
delle procedure Raccolta,
registrazione e organizzazione
dei dati
•Analisi dei dati
•Interpretazione dei risultati Diffusione dei
risultati
Identificazione del problema
Il problema deve essere:
• Significativo
• Rilevante per i professionisti e per i pazienti
• Ricercabile
• Misurabile
• Fattibile
• Interessante per il ricercatore
Esempio
Problema
Ci accorgiamo con preoccupante “frequenza” di problemi ai talloni quando togliamo un gesso anche a pazienti giovani.
Qual è l’entità del fenomeno?
• 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?
Esempio
Identificazione delle variabili
Definire il QUESITO a cui si vuole rispondere
Identificare le VARIABILI da osservare
Trasformarle affinché siano osservabili, misurabili,
analizzabili, quindi trovare la risposta al quesito
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
Identificazione delle variabili
Si definisce variabile una caratteristica misurabile che varia; in caso contrario si parla di costante
La variabile indipendente è quella che influenza le altre variabili (dipendenti)
La variabile indipendente
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
Rappresenta “l’ effetto”
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)?
Studi Randomizzati e Controllati
RANDOMISED = randomizzato, campione preso a caso CONTROLLED = controllato, raffrontato con un campione di controllo
TRIAL = prova, studio, esperimento.
Gruppo Sperimentale
Gruppo di Controllo
Outcome
No Outcome Outcome
No Outcome
Anatomia dell’RCT
Trial randomizzato e controllato
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.
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.
Studi senza gruppo di controllo
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.
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).
Miglioramento spontaneo Effetto Hawthorne (che induce il
paziente a stare meglio per la consapevolezza di essere parte di uno studio)
Aspettative ottimistiche Effetto placebo
Effetto reale del trattamento
Copyright © 1996-1999 - GIMBE
L’effetto totale del trattamento è la somma del miglioramento spontaneo, delle risposte aspecifiche e della risposta specifica
Effetto del trattamento nell’RCT
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.
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
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.
Bias di selezione-selection bias
La prevenzione di questo tipo di bias si realizza con una
corretta randomizzazione
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 accertamento
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.
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.
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:
Clinicamente rilevanti Surrogati
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).
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 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
Variabili discrete I ricercatori riportano la frequenza con cui si verifica l’evento
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).
Outcome Lidocaina Placebo Differenza (IC 95%) Disagio riferito
(media dei punteggi della scala visuale analogica)
37.7 59.3 26.6 (5.3 a 38.0)
Difficoltà percepita dall’infermiere nell’inserimento del SNG
2 2 0 (-1 a 1)
Sanguinamento
nasale 17% 0 17% (3,5-31)
Vomito 10% 0 10%(-0,7-21)
Esempio - variabili continue
Evento Sì Evento No
Gruppo
sperimentale a b a + b
Gruppo di
controllo c d c + d
a + c b + d
Misure di efficacia-outcomes discreti
Il primo passaggio per esaminare le diverse misure
di efficacia consiste nel tabellare i dati.
Frequenza (o rischio) nel gruppo sperimentale
a EER = ---
a + b
Frequenza (o rischio) nel gruppo di controllo
c CER = ---
c + d
Misure di efficacia-outcomes discreti
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
Rischio Relativo
a EER ---
a + b RR = --- = ---
c CER ---
c + d
Misure di efficacia-outcomes discreti
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
Riduzione Rischio Assoluto
ARR = CER - EER
Riduzione Rischio Relativo
ARR
RRR = --- o (1 – RR) CER
.
Misura relativa Misura assoluta
Misure di efficacia-outcomes discreti
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.
Number Needed to Treat 1
NNT = --- ARR
Misura assoluta
Misure di efficacia-outcomes discreti
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.
NNT = Number Needed to Treat
NNH = Number Needed to Harm
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.
NNT e NNH
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
Gruppo intervento
Frattura Non frattura
N. Tot.
Trattamento
sperimentale 119 1226 1345
Trattamento
controllo 149 1192 1341
Esempio
Esempio
Rischio Relativo Riduzione Rischio Assoluto EER 0,088
RR = --- = --- = 0,8 ARR = CER-EER= 0,11 – 0,088= 0,022 CER 0,11
Riduzione Rischio Relativo Number Needed to Treat
ARR 0,022 1 1
RRR = --- = --- = 20% NNT = --- = --- = 46
CER 0,11 ARR 0,022
Intervallo di confidenza
Quando valutiamo l’efficacia di un trattamento, oltre ad osservare il valore della misura di associazione, dobbiamo valutarne la sua precisione.
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).
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).
Parametro Valore nullo
RR, OR 1
ARR, RRR 0
NNT 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.
L’ipotesi nulla nei parametri discreti
Se questo valore è 1, Il rischio o la probabilità di incorrere nell’evento avverso sono uguali che si pratichi il trattamento o meno
Attenzione
Il valore che conferma l’ipotesi nulla non solo non
deve essere corrispondente alla misura di
efficacia, ma non deve neanche cadere all’interno
del suo IC, perché in questo caso potrebbe
ugualmente corrispondere ad esso!
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
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
Per convenzione, il cut-off per definire la significatività statistica del valore di p è 0,05
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.
Significatività statistica
Significativo ≠ importante
Significativo = difficilmente dovuto al caso
Significatività statistica
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).
Studi osservazionali analitici
Cosa significa
Si definisce osservazionale quello studio in cui i ricercatori osservano un fenomeno senza modificarlo
Gli studi osservazionali si contrappongono a quelli sperimentali, nei quali i ricercatori intervengono attivamente manipolando la variabile indipendente.
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 Quali sono
Studi che verificano l’esposizione ad un fattore di rischio
Eziologia o Danno
Eziologia o danno
Esempio
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).
Eziologia o danno
È possibile rispondere a questa domanda attraverso tre disegni:
Studi di coorte Studi caso-controllo
Studi cross sectional
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
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
Esempio (BMI Lesioni da decubito)
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
Fattori di rischio
Oggi
Endpoint Sì
Endpoint No
Studi caso-controllo
Esempio (BMI Lesioni da decubito)
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.
Studi caso-controllo
Dovrebbero quindi essere confrontate le differenze in termini di prevalenza, rispetto all’esposizione (BMI), tra i due gruppi.
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 Sì Fattori di rischio No
Endpoint
Studi di coorte
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
I bias possono essere:
• Bias di informazione
• Recall bias (studi caso-controllo)
• Bias di selezione
• Fattori di confondimento
Il termine bias si riferisce a qualsiasi errore
sistematico che porti ad una stima errata
dell’associazione tra l’esposizione e l’esito
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
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.
In questo caso si tratta di Differential misclassification bias.
Bias di informazione
Negli studi caso-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.
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
I soggetti selezionati devono essere identici ad eccezione dell’esposizione all’agente eziologico.
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 di Follow up
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?
Una perdita al follow up superiore al 20%
compromette i risultati dello studio.
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
Esempio
Esiste una relazione tra l’assunzione di caffè e l’insorgenza del tumore del polmone?
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.
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.
Evento Sì Evento No
Gruppo S a b a + b
Gruppo C c d c + d
a + c b + d
Rischio Relativo (RR) a EER ---
a + b RR = --- = ---
c CER ---
c + d Odds ratio (OR)
a/b OR = ---
c/d
Misure di associazione
Rischio Relativo (RR) a
EER --- 0,073 a + b
RR = --- = --- = --- = 1,37 c
CER --- 0,053 c + d
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.
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.
Esempio ipotetico
Il RR si utilizza negli studi di coorte
Significati del RR
• 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
Significati dell’OR
L’OR si utilizza negli studi caso-controllo
• 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
NNT-NNH
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.
1 1 NNH = --- = ---
ARR EER - CER
Come si calcola
Evento Sì Evento No
Gruppo S a b a + b
Gruppo C c d c + d
a + c b + d
1
NNH = --- = 50 0,073 – 0,053
Nel nostro esempio quindi per ogni 50 persone con un BMI basso 1 sviluppa lesioni da decubito.
Esempio
Paolo Chiari
Corso di Laurea Magistrale in Scienze Infermieristiche e Osteriche paolo.chiari@unibo.it
www.unibo.it
