Pratica basata sull'evidenza e statistica medica — Bradford VTS

Bradford VTS · Serie di perfezionamento AKT

Pratica basata sull'evidenza e statistica medica

Perché "Ho letto qualcosa online" non è sufficiente nell'AKT.

🔥 Consigli ad alto rendimento per AKT ⚡ Apprendimento ad alto impatto in pochi minuti 💎 Tesori nascosti che si dimenticano di insegnare

Ultimo aggiornamento: aprile 2026 · Nota anche come Medicina basata sull'evidenza (EBM)

📥 Scarica

Dispense, riassunti e materiali didattici aggiuntivi: pronti quando lo sarete anche voi.

sentiero: La pratica basata sull'evidenza è anche nota come medicina basata sull'evidenza o, in breve, EBM.

🌐

Risorse Web

Una selezione accurata di linee guida ufficiali e risorse pratiche per la formazione dei medici di base. Perché a volte le perle migliori non si nascondono nei documenti ufficiali.

📘 Medicina basata sull'evidenza e statistica di base

CEBM — Centro di Oxford per la medicina basata sull'evidenza Strumenti, guide e risorse per la valutazione critica Sito web di medicina basata sull'evidenza del Dr. Chris Cates Calcolatore NNT e spiegatore del diagramma di Cates: eccellente GPnotebook — Statistiche Riferimento sintetico alle statistiche cliniche Bandoliera Assistenza sanitaria basata sull'evidenza, spiegata in modo semplice. Biblioteca Cochrane Revisioni sistematiche di alto livello

📗 Preparazione all'esame AKT

SSN - Sperimentazioni cliniche Guida in linguaggio semplice alle tipologie di ricerca Risorse EBM di Cambridge Strumenti e tutorial per la valutazione critica

📙 Ulteriori letture e strumenti

NICE — Come utilizzare le prove Manuale di procedura NICE per la revisione delle prove NNT spiegato — Manchester Calcolatore NNT interattivo e relativa spiegazione Conoscenze sanitarie - Disegni di studio Manuale di sanità pubblica sull'epidemiologia

⚡

Richiamo in un minuto

Leggere questo documento prima di andare in clinica o la sera prima di un esame AKT? Sono queste le cose che ti fanno guadagnare punti.

🧮 Formule di rischio

ARR = CER − EER
NNT = 1 ÷ ARR
RRR = ARR ÷ CER
RR = EER ÷ CER
NNH = 1 ÷ ARI

🔬 Test diagnostici

senso = TP ÷ (TP+FN) → SnNout
Spec = TN ÷ (TN+FP) → SpPin
PPV = TP ÷ (TP+FP) ← diminuisce con bassa prevalenza
NPV = TN ÷ (TN+FN) ← cade con alta prevalenza

📊 Disegni di studio

SR/Meta-analisi → prove più elevate
RCT → standard di riferimento per il trattamento
Coorte → RR e incidenza
Studio caso-controllo → OR, malattie rare
Trasversale → prevalenza

📈 Grafici

Il rombo nel grafico a foresta attraversa la linea = non significativo
Asimmetria dell'imbuto = distorsione della pubblicazione
Grafico di Cates: NNT = 100 ÷ facce gialle
Linea centrale del diagramma a scatola = mediano
I² >50% = eterogeneità sostanziale

📉 Significato

p < 0.05 = statisticamente significativo
CI attraversa 1.0 (rapporto) = non significativo
CI attraversa lo 0 (differenza) = non significativo
Media = valore medio; Mediana = valore centrale
Regola 68-95-99.7 per la distribuzione normale

⚖️ Tipi di pregiudizio

Selezione → campione non rappresentativo
Richiama → casi ricordano di più
Pubblicazione → solo studi positivi
Tempo di anticipo → illusione di screening
L'abbandono scolastico distorce i risultati

💡

Perché questo è importante in medicina generale e nell'AKT

La medicina basata sull'evidenza e la statistica non sono solo teoria. Nel tuo studio, ogni conversazione sulle opzioni terapeutiche coinvolge il NNT (Number Needed to Treat), che tu lo nomini o meno. Ogni esame del sangue ha una sensibilità e una specificità. Ogni nuova linea guida si basa su un disegno di studio che influenza il grado di fiducia che dovresti riporre in essa.

Nell'AKT, questo argomento rappresenta una parte significativa del punteggio, circa il 10-15% del test secondo le linee guida del RCGP. È una delle poche aree in cui una piccola quantità di revisione mirata dà i suoi frutti. subitoMolti candidati perdono facilmente punti in questa sezione, non perché i concetti siano difficili, ma perché non si sono mai seduti ad apprenderli in modo sistematico.

Le domande di statistica nell'AKT spesso presentano una tabella di dati di uno studio clinico e chiedono di calcolare un valore, interpretare un grafico o identificare il miglior disegno di studio. Premiano il pensiero metodico, non la conoscenza medica. Questo li rende i voti più "facili da imparare" del documento.

Una volta che si sa come calcolare l'NNT, interpretare un forest plot e comprendere l'effetto della prevalenza sul PPV, un'intera categoria di domande AKT diventa semplice anziché spaventosa.

????

Medicina basata sulle prove (EBM)

"Quando ero in formazione a metà degli anni '1980, somministravo un'infusione endovenosa di lidocaina a ogni paziente che varcava la soglia dopo un infarto. Era la prassi. Lo facevano tutti. Mi sembrava la cosa più logica da fare."

— Il professor Gordon Guyatt, il medico che ha coniato il termine "Medicina basata sull'evidenza", descrive la sua formazione prima che esistesse l'EBM

In seguito scoprì che la pratica in cui era stato addestrato – e che centinaia di migliaia di medici in tutto il mondo stavano praticando – non solo era inutile, ma potenzialmente letale. Non per negligenza. Non per incompetenza. Ma perché nessuno aveva mai verificato adeguatamente se funzionasse davvero.

Questa storia spiega perché esiste la medicina basata sull'evidenza e perché è di fondamentale importanza per ogni paziente che incontrerete.

📋 Cos'è la medicina basata sull'evidenza?

"L'uso coscienzioso, esplicito e giudizioso delle migliori evidenze scientifiche attualmente disponibili nel prendere decisioni riguardanti la cura dei singoli pazienti."

— David Sackett, BMJ 1996 — la definizione più citata in medicina

In parole semplici: anziché curare i pazienti basandosi su abitudini, opinioni, tradizioni o su ciò che vi ha insegnato il vostro professore, la medicina basata sull'evidenza (EBM) richiede di fondare le decisioni cliniche sulla migliore ricerca disponibile, condotta con rigore, valutata criticamente e interpretata onestamente.

Non sostituisce il giudizio clinico — Informa L'EBM si fonda su tre pilastri inscindibili che devono lavorare insieme:

🔬

Migliori prove di ricerca

Ricerca clinicamente rilevante e di alta qualità, in particolare studi randomizzati controllati e revisioni sistematiche.

🩺

Competenza clinica

L'abilità e l'esperienza del singolo clinico, maturate attraverso anni di pratica

🤝

Valori e preferenze del paziente

Le circostanze individuali del paziente, i suoi valori e ciò che per lui conta di più.

🕰️ Come è nata l'EBM? — Una breve storia

L'EBM non è nata dal nulla. È stata il culmine di decenni di pensiero silenziosamente rivoluzionario in Canada e nel Regno Unito.

Anno	Event
1938	John Paul (Yale) conia il termine "epidemiologia clinica": l'idea che la medicina debba essere studiata scientificamente nelle popolazioni, e non solo osservata nei singoli pazienti.
1967	La McMaster University (Hamilton, Canada) inaugura la sua nuova facoltà di medicina con un Dipartimento di Epidemiologia Clinica e Biostatistica, un'iniziativa all'epoca rivoluzionaria, dedicata all'applicazione dei metodi di ricerca alle decisioni cliniche.
1972	Archie Cochrane, un epidemiologo scozzese, pubblica Efficacia ed efficienza: riflessioni casuali sui servizi sanitari — un testo fondamentale che sostiene che la medicina debba testare rigorosamente i propri trattamenti. Il suo lavoro ha poi dato origine alla Cochrane Collaboration, che prende il nome in suo onore.
1981	David Sackett e i suoi colleghi della McMaster University pubblicano una serie di nove articoli sul Canadian Medical Association Journal, insegnando ai medici come valutare criticamente la letteratura medica. Questo segna l'inizio formale del movimento EBM (Medicina Basata sull'Evidenza).
1990	Gordon Guyatt, un giovane direttore di reparto alla McMaster University, progetta un nuovo programma di insegnamento e inizialmente lo chiama "Medicina Scientifica". I colleghi reagiscono con sdegno: l'implicazione che la pratica attuale non sia scientifica è troppo diretta.
1991	Guyatt rinomina l'approccio "Medicina basata sull'evidenza" e pubblica il termine in un editoriale dell'ACP Journal Club. La frase si diffonde immediatamente.
1992	L'articolo fondamentale del JAMA — "Medicina basata sull'evidenza: un nuovo approccio all'insegnamento della pratica medica" — introduce l'EBM nel mondo. La reazione, ricorda Guyatt, fu inizialmente di "rabbia". I colleghi ebbero la sensazione che gli venisse detto che non erano dei bravi medici.
1993	Viene formalmente fondata la Cochrane Collaboration, una rete internazionale per la produzione e la diffusione di revisioni sistematiche delle evidenze scientifiche in ambito sanitario.
1996	David Sackett pubblica sul BMJ la definizione definitiva dei tre pilastri. L'EBM diventa mainstream.
2000s-present	La medicina basata sull'evidenza (EBM) si sta integrando nella formazione medica del Regno Unito: le linee guida del NICE, le norme di buona pratica medica del GMC e il curriculum del RCGP la richiedono tutti. È il fondamento della formazione e della valutazione di ogni medico nel Regno Unito.

⚠️ Com'era la medicina prima dell'EBM? Il problema che ha risolto

Prima dell'EBM, la medicina si basava su ciò che Gordon Guyatt definì in modo memorabile "GOBSAT" - Vecchi amici seduti attorno a un tavoloLe linee guida cliniche venivano redatte da esperti di alto livello che mettevano insieme le proprie opinioni personali, e ciò che accadeva al paziente dipendeva interamente dal medico che lo visitava.

Il mondo pre-EBM

Medicina basata sull'eccellenza: Trattavi i pazienti come faceva il tuo professore. L'autorità derivava dall'anzianità, non dalle prove. Ci si affidava a un consulente che aveva "sempre fatto così" per 30 anni, anche se "questo modo" non era mai stato messo alla prova.
Medicina basata sull'intuizione: Se un trattamento sembrava avere un senso fisiologico, veniva utilizzato. Se sopprimere le aritmie cardiache sembrava logico, le si sopprimeva. Raramente si verificava se effettivamente aiutasse i pazienti.
Medicina basata su aneddoti: "Nella mia esperienza, ho riscontrato che..." era lo standard di prova. I singoli casi guidavano la prassi, anche quando si trattava di casi statisticamente anomali.
Enorme varietà: Lo stesso paziente che si presenta in due ospedali diversi, o addirittura da due medici diversi nello stesso ospedale, potrebbe ricevere trattamenti completamente diversi per la stessa identica patologia.

Preferireste un ponte costruito sulla base dell'idea "Ho progettato ponti in questo modo per 30 anni e nessuno è ancora crollato"? O sulla base di principi scientifici di ingegneria strutturale collaudati? La risposta è ovvia. Eppure, per gran parte della storia della medicina, l'approccio "a ponte" è stato proprio quello che si è adottato.

🔴 L'esempio che ha cambiato la medicina: lo studio CAST

Non si tratta di un'ipotesi. È una delle storie vere più importanti della medicina moderna e uno degli argomenti più convincenti a favore della medicina basata sull'evidenza (EBM) di cui abbia mai avuto bisogno.

L'impostazione: una logica che sembrava inattaccabile

Gli attacchi di cuore causano pericolose anomalie del ritmo cardiaco (aritmie ventricolari). Le aritmie ventricolari causano la morte improvvisa. Pertanto: sopprimere le aritmie → prevenire la morte improvvisaQuesta pratica sembrava talmente ovvia che, a partire dagli anni '1970, i farmaci antiaritmici – in particolare lidocaina, flecainide ed encainide – vennero somministrati di routine ai pazienti colpiti da infarto miocardico negli ospedali di tutto il mondo. Non occasionalmente. Di routine. Come parte della terapia standard.

La sperimentazione: qualcuno l'ha davvero testata

Nel 1987, il Cardiac Arrhythmia Suppression Trial (CAST) ha arruolato oltre 1,700 pazienti post-infarto e li ha randomizzati a ricevere farmaci antiaritmici (flecainide o encainide) o placebo. I farmaci hanno fatto esattamente ciò che ci si aspettava: hanno soppresso con successo le aritmie. Ma è successo qualcosa di inaspettato.

Il risultato: qualcosa che nessuno si aspettava.

I pazienti che assumevano i farmaci erano 2.5 volte più probabilità di morire rispetto a quelli che assumevano il placebo. La sperimentazione dovette essere interrotta prematuramente perché i danni erano evidenti. I farmaci stavano uccidendo proprio i pazienti che avrebbero dovuto proteggere.

NNH = 21. Ogni 21 pazienti trattati con flecainide o encainide, una persona in più che altrimenti sarebbe sopravvissuta è deceduta.

La lezione

Gordon Guyatt, all'epoca un giovane cardiologo, aveva somministrato personalmente infusioni di lidocaina a ogni paziente post-infarto che passava per il suo reparto. Seguiva le migliori pratiche. Aveva ricevuto una formazione corretta. Aveva buone intenzioni. Eppure, senza la rigorosa verifica di uno studio clinico randomizzato controllato (RCT), né lui né i suoi colleghi avevano modo di sapere se il trattamento fosse dannoso. Questa esperienza divenne fondamentale per la sua decisione di dedicare la sua carriera alla medicina basata sull'evidenza (EBM). La storia della medicina, disse in seguito, "è piena di trattamenti basati principalmente su congetture e intuizione piuttosto che su solide prove scientifiche".

🌐 Come la medicina basata sull'evidenza ha cambiato tutto: standardizzazione e unità

Prima dell'EBM, le cure che si ricevevano dipendevano dal luogo di residenza, dall'ospedale di riferimento e dal medico curante. Lo stesso paziente con la stessa patologia poteva ricevere trattamenti completamente diversi a Leeds e a Londra. Ospedali diversi. Paesi diversi. Esiti radicalmente diversi.

La medicina basata sull'evidenza (EBM) ha cambiato tutto questo. Ancorando le decisioni cliniche allo stesso corpus di evidenze – gli stessi studi, le stesse revisioni sistematiche, le stesse linee guida – ha fornito alla medicina un linguaggio e uno standard comuni. Oggi, un paziente con infarto miocardico a Bradford e un paziente con infarto miocardico a Bristol dovrebbero ricevere essenzialmente la stessa assistenza basata sull'evidenza. Non perché i medici siano identici, ma perché il trattamento è guidato dalle evidenze, non dalle preferenze individuali.

Nel Regno Unito, ciò viene reso operativo attraverso Linee guida NICE, il Programma di studi RCGP, Indicatori QOF, audit clinicie Esami MRCGP — tutte queste discipline richiedono e valutano pratiche basate sull'evidenza. Quando sostieni l'esame AKT, vieni valutato sulla tua capacità di applicare questo quadro di riferimento.

🌍 Un mondo senza medicina basata sull'evidenza: il quadro internazionale

L'impegno del Regno Unito nei confronti della medicina basata sull'evidenza (EBM), attraverso il NICE, il Servizio Sanitario Nazionale (NHS) e la formazione post-laurea, non è universale. In molte parti del mondo, ciò che un paziente riceve dipende ancora in larga misura da chi lo visita, dal luogo in cui si reca e da quanto può pagare. Comprendere questo aspetto aiuta ad apprezzare da cosa l'EBM protegge i pazienti.

🔴 Nota importante prima della lettura

La variazione descritta di seguito riflette sistemi e strutture sanitarieNon si tratta della competenza o della dedizione dei singoli medici. Molti medici brillanti e laboriosi esercitano in ognuno dei paesi elencati. Il problema è l'assenza di un'infrastruttura di standardizzazione – linee guida, supervisione, programmi di formazione – che la medicina basata sull'evidenza (EBM) fornisce. I singoli medici non possono superare da soli i problemi sistemici.

Paese	Come varia la pratica in assenza di solidi quadri di riferimento per la medicina basata sull'evidenza
🇮🇳 India (settore privato)	A 2018 Lancetta Uno studio ha rilevato tassi di parto cesareo del 40-58% negli ospedali privati rispetto al 10-14% nelle strutture pubbliche, spesso determinati da incentivi finanziari piuttosto che da reali necessità cliniche. L'eccesso di indagini diagnostiche e la polifarmacoterapia sono fenomeni ampiamente documentati nel settore privato. Lo stesso paziente oncologico può ricevere trattamenti drasticamente diversi a seconda del luogo in cui si presenta e delle sue possibilità economiche.
Pakistan	Si riscontra una notevole variabilità nell'aderenza alle linee guida sull'uso degli antibiotici, con uno dei tassi di prescrizione antibiotica più elevati dell'Asia meridionale. La tubercolosi farmaco-resistente e la resistenza antimicrobica ne sono una diretta conseguenza. L'accesso a cure specialistiche e a percorsi di gestione standardizzati dipende fortemente dalla geografia e dal reddito.
🇳🇬 Nigeria / 🇬🇭 Ghana	Il solfato di magnesio è il trattamento per l'eclampsia raccomandato dall'OMS, basato su evidenze scientifiche e a basso costo. Gli studi dimostrano che riduce significativamente la mortalità materna. Tuttavia, la sua disponibilità e il suo effettivo utilizzo nelle strutture sanitarie nigeriane e ghanesi variano enormemente a seconda delle risorse ospedaliere e della formazione del personale medico, il che significa che la sopravvivenza di una donna affetta da eclampsia può dipendere dalla struttura sanitaria in cui viene curata.
🇸🇩 Sudan / 🇮🇶 Iraq	I conflitti prolungati e l'instabilità hanno devastato le infrastrutture sanitarie. In Iraq, dopo il 2003, i servizi sanitari pubblici sono collassati, l'attuazione delle linee guida si è bloccata e l'accesso ai farmaci di base è diventato dipendente dalla posizione geografica. In Sudan, il conflitto ha interrotto i programmi di vaccinazione, i servizi di salute materna e la gestione delle malattie croniche. La variabilità delle pratiche in tali contesti non è una questione di preferenze, ma di ciò che è disponibile.
🇪🇬 Egitto / 🇮🇷 Iran	Entrambi i paesi dispongono di facoltà di medicina che formano medici qualificati e hanno pubblicato linee guida basate sull'evidenza scientifica, ma l'applicazione è incoerente tra settore pubblico e privato, e tra aree urbane e rurali. In Iran, le sanzioni internazionali hanno inciso sulla disponibilità dei farmaci, imponendo adattamenti che si discostano dai protocolli basati sull'evidenza.
Romania	La Romania ha documentato la pratica di plicul (la "busta") — pagamenti informali in contanti a medici e infermieri per garantire l'assistenza. Ufficialmente illegale, ma ampiamente praticata. Inchieste parlamentari e giornalismo investigativo hanno confermato che la qualità dell'assistenza chirurgica può dipendere da quanto un paziente può pagare privatamente, indipendentemente dal suo diritto ufficiale all'assistenza sanitaria equivalente al Servizio Sanitario Nazionale (NHS). La fuga di cervelli ha allontanato circa 14,000 medici dall'adesione all'UE.
🇺🇸 Stati Uniti	Il sistema sanitario più costoso al mondo – oltre 12,000 dollari a persona all'anno – eppure i risultati spesso non sono migliori di quelli del Regno Unito. Il progetto Dartmouth Atlas ha documentato un'enorme variazione geografica nelle pratiche cliniche: lo stesso paziente a Miami può ricevere il doppio degli esami e delle procedure rispetto allo stesso paziente a Minneapolis, senza alcuna differenza nei risultati. Uno studio del 2019 pubblicato su JAMA ha stimato che 935 miliardi di dollari – circa un quarto di tutta la spesa sanitaria statunitense – vengono sprecati in cure non necessarie. La crisi degli oppioidi è stata in parte alimentata dalle aziende farmaceutiche che hanno influenzato le pratiche di prescrizione al di fuori dei modelli di medicina basata sull'evidenza.
🇫🇷 Francia	La Francia vanta un sistema sanitario eccellente, ma storicamente i tassi di prescrizione di antibiotici sono tra i più alti d'Europa, in parte a causa delle aspettative culturali secondo cui una visita medica dovrebbe sempre concludersi con una prescrizione. Le campagne per ridurre questo fenomeno ("Gli antibiotici non sono automatici") hanno contribuito a migliorarlo, ma questo schema dimostra come le pressioni culturali e commerciali possano prevalere sulle linee guida basate sull'evidenza scientifica, persino in sistemi sanitari sofisticati.
🇮🇹 Italia	La qualità dell'assistenza sanitaria nel Nord Italia (Milano, Bologna) è tra le migliori in Europa. In alcune zone del Sud Italia, la situazione è ben diversa: tempi di attesa più lunghi per gli interventi chirurgici oncologici, minore applicazione dei programmi di screening, minore aderenza alle linee guida per la cura. Anche l'origine geografica all'interno dello stesso Paese può influenzare significativamente gli esiti.
🇬🇷 Grecia / 🇪🇸 Spagna	La crisi di austerità in Grecia (2010-2015) ha portato a tagli alla spesa sanitaria di oltre il 25%, causando carenze documentate di farmaci, riduzioni del personale e deterioramento della qualità. Oltre 35,000 operatori sanitari sono emigrati. In Spagna, sono state documentate significative variazioni regionali nei tassi di sopravvivenza al cancro: il tumore che si sviluppa può comportarsi in modo diverso a seconda della regione in cui si vive, non per una differenza biologica, ma per una diversa applicazione da parte del sistema sanitario di trattamenti basati sull'evidenza scientifica.

💊 Quando ciò che ottieni dipende da ciò che paghi

Nei sistemi sanitari privi di solidi quadri di riferimento basati sull'EBM o di diritti universali, la relazione tra pagamento e qualità del trattamento è spesso diretta e documentata:

In alcuni ospedali privati indiani, un paziente che si presenta con dolore toracico e che può permettersi cure private può essere sottoposto immediatamente a cateterizzazione e posizionamento di stent. Lo stesso paziente, nel sistema sanitario pubblico, potrebbe invece dover attendere ore per un elettrocardiogramma.
In alcune zone dell'Africa subsahariana, la possibilità che un bambino affetto da malaria grave riceva una terapia combinata a base di artemisinina (lo standard basato sull'evidenza scientifica) o un farmaco più vecchio e meno efficace dipende dalla struttura sanitaria che riesce a raggiungere e da quanto la sua famiglia può permettersi di pagare.
Nei paesi in cui non esiste un accesso universale ai farmaci, i chemioterapici contro il cancro potrebbero essere disponibili solo per coloro che possono pagarli di tasca propria, il che significa che tumori identici possono avere esiti drasticamente diversi in base unicamente al reddito.
In Romania e in alcuni altri paesi dell'Europa orientale, è stato documentato che la qualità di un intervento chirurgico – la diligenza del chirurgo, la qualità del monitoraggio dell'anestesia, persino la disponibilità di assistenza infermieristica post-operatoria – dipende da pagamenti informali, non da reali necessità cliniche.

✈️ L'analogia che chiarisce tutto

Ogni volta che salite a bordo di un volo commerciale, beneficiate di uno dei sistemi di sicurezza più efficaci che l'umanità abbia mai costruito. Non perché i singoli piloti siano eccezionalmente talentuosi, anche se lo sono. Ma perché l'aviazione è costruita attorno protocolli standardizzati e validati da evidenze scientificheOgni pilota, ogni compagnia aerea, ogni paese segue le stesse liste di controllo pre-volo, le stesse procedure di atterraggio, gli stessi protocolli di emergenza. Il sistema ti protegge a prescindere dal singolo pilota che ti capita.

La medicina senza EBM è come l'aviazione senza checklist. La tua sicurezza dipende interamente dal fatto che ti capiti un buon pilota, che quel pilota si sia addestrato di recente, che sia in una buona giornata e che abbia ascoltato le ultime teorie da qualcuno di cui si fida.

La medicina basata sull'evidenza (EBM) sostituisce la fortuna con i sistemi. Sostituisce "nella mia esperienza" con "in 15,000 studi che hanno coinvolto 2 milioni di pazienti". Sostituisce l'opinione di chiunque si trovi ad essere il più anziano nella stanza con le prove accumulate dall'esperienza clinica collettiva dell'umanità. Non preferireste questo per i vostri pazienti? E i vostri pazienti non lo preferirebbero per se stessi?

💡 Perché questo è importante per te, in quanto medico specializzando in medicina generale nel Regno Unito

Ogni linea guida NICE che seguite è il risultato di una revisione sistematica delle evidenze scientifiche: qualcuno si è impegnato per garantire che ciò che fate sia supportato dalle migliori conoscenze scientifiche disponibili.
Ogni domanda dell'AKT su statistica e metodi di ricerca mette alla prova la tua capacità di valutare criticamente le prove, di essere un consumatore attivo della medicina basata sull'evidenza (EBM), non un esecutore passivo di istruzioni.
Quando spieghi un NNT a un paziente, o discuti i limiti di un test di screening, o ti rifiuti di prescrivere un antibiotico non indicato, stai praticando l'EBM — in modo consapevole, esplicito e giudizioso
E quando un rappresentante farmaceutico si siede di fronte a te e ti dice che il suo nuovo farmaco riduce gli eventi cardiovascolari del 35%, la tua prima domanda — "35% relativo o assoluto?" — è la domanda che la medicina basata sull'evidenza ha insegnato alla medicina a porsi.

Progettazione degli studi e gerarchia delle prove

Prima di interpretare qualsiasi risultato, è necessario sapere da dove è venutoDiversi modelli di studio rispondono a domande diverse, generano statistiche diverse e presentano diversi livelli di affidabilità.

La piramide delle prove

Le prove più consistenti si trovano in alto, le più deboli in basso.

Revisioni sistematiche e meta-analisi

Studi clinici randomizzati controllati (RCT)

Studi di coorte

Studi caso-controllo

Studi trasversali

Rapporti di casi e pareri di esperti

⬆ Prove più solide | ⬇ Prove più deboli

disegno dello studio	Tipo di viaggio	Ideale per	genera	Debolezza chiave
Revisione sistematica / Meta-analisi	-	La migliore prova complessiva su una questione	Dimensione dell'effetto aggregato	Validità limitata solo agli studi di base; eterogeneità
RCT (studio clinico randomizzato controllato)	Avanti	Il trattamento X funziona?	RR, ARR, NNT	Ambiente costoso e artificiale, con problematiche etiche.
Studio di coorte	In avanti (prospettico) o indietro (retrospettivo)	L'esposizione causa un determinato risultato? E l'incidenza?	Rischio relativo (RR), Incidenza	Abbandono; costoso nel tempo; confondente
Studio caso-controllo	a rovescio	Malattie rare; fattori di rischio	Rapporto di probabilità (OR)	Distorsione da richiamo; non è possibile calcolare l'incidenza direttamente
Studio trasversale	Singola istantanea	Quanto è diffuso X al momento? (prevalenza)	Prevalenza	Impossibile stabilire un nesso di causalità; ambiguità temporale
Caso clinico / Parere di un esperto	-	Generazione di ipotesi; eventi rari	Solo descrizione	Altamente soggetto a distorsioni cognitive; non generalizzabile.

📖 Ricerca qualitativa vs. ricerca quantitativa

Ricerca quantitativa

Risponde alle domande "quanti" o "quanto". Utilizza numeri, statistiche e dati strutturati. Esempi: studi clinici randomizzati controllati (RCT), studi di coorte, sondaggi con risultati numerici. Genera valori p, intervalli di confidenza (CI) e numeri da trattare (NNT).

Ricerca qualitativa

Risponde alle domande "perché" o "come". Si avvale di parole, temi e interviste. Esempi: focus group, studi etnografici, grounded theory. Esplora le esperienze e le convinzioni dei pazienti.

Nell'AKT: una domanda sugli atteggiamenti, le esperienze o la comprensione della malattia da parte del paziente è di tipo qualitativo. Una domanda su tassi, risultati o efficacia è di tipo quantitativo.

🔬 Revisione sistematica vs Meta-analisi: non sono la stessa cosa

Revisione sistematica: Una ricerca bibliografica rigorosa e strutturata che identifica, seleziona e valuta criticamente tutti gli studi pertinenti a una determinata questione. Il risultato è una sintesi qualitativa delle evidenze.

Meta-analisi: Una revisione sistematica che va un passo oltre — essa matematicamente raggruppano I risultati quantitativi di più studi vengono combinati in un'unica stima. Non tutte le revisioni sistematiche includono una meta-analisi (ad esempio, se gli studi sono troppo eterogenei per essere combinati).

Pensate a una revisione sistematica come alla lettura di ogni libro su un determinato argomento e alla stesura di una relazione. Una meta-analisi è quella stessa relazione, con in più una formula finale che calcola la media delle conclusioni di tutti gli autori, ottenendo un unico valore.

🔄 Il framework PICO

PICO è il modello standard per strutturare una domanda di ricerca clinica, utilizzato per la ricerca bibliografica e la progettazione degli studi.

Lettera	Sta per	Esempio
P	Popolazione / Paziente	Adulti con diabete di tipo 2
I	Intervento	Inibitori SGLT2
C	Confronto	Metformina da sola
O	Risultato	Eventi cardiovascolari a 5 anni

L'AKT potrebbe presentare uno scenario e chiedere quale disegno di studio risponda meglio alla domanda PICO. Abbina il tipo di risultato al disegno corretto utilizzando la tabella sopra.

🎲 Caratteristiche di progettazione degli studi RCT (comunemente testate)

Caratteristica	Cosa significa	Perchè é importante
randomizzazione	I partecipanti sono stati assegnati ai gruppi in modo casuale.	Elimina i bias di selezione; bilancia i fattori confondenti
Singolo cieco	I partecipanti non conoscono la loro assegnazione	Riduce l'effetto placebo e i pregiudizi dei partecipanti
Doppio cieco	Né i partecipanti né i ricercatori conoscono l'assegnazione	Elimina i pregiudizi dell'osservatore e dei partecipanti.
Triplo cieco	I partecipanti, i ricercatori e gli analisti dei dati sono stati tenuti all'oscuro.	Massima riduzione del bias
Intenzione di trattamento (ITT)	Analizzati nel loro gruppo originale indipendentemente dall'aderenza	Preserva la randomizzazione; rispecchia l'utilizzo nel mondo reale
Secondo il protocollo	Analizzati solo se hanno completato il protocollo	Dimostra efficacia biologica ma sovrastima i benefici nel mondo reale
Disegno incrociato	I partecipanti ricevono entrambi i trattamenti in sequenza	Ogni persona funge da controllo per se stessa; necessita di un periodo di washout.
occultamento dell'assegnazione	La persona che recluta i partecipanti non può vedere a quale gruppo verrà assegnato il prossimo partecipante fino a dopo sono stati iscritti	Impedisce al reclutatore di assegnare inconsciamente (o deliberatamente) pazienti più sani al gruppo di trattamento, una forma di distorsione nella selezione che la sola randomizzazione non previene.
RCT a cluster	Vengono randomizzati interi gruppi (ad esempio studi medici, reparti, scuole) anziché singoli individui.	Utilizzato quando la randomizzazione individuale non è praticabile (ad esempio, per testare un nuovo stile di consultazione). Richiede campioni di dimensioni maggiori e un aggiustamento statistico per l'effetto di raggruppamento.

⚠️ Trappola AKT — ITT vs Per Protocollo

L'intenzione di trattare dà un più prudente Stima (inferiore) dell'efficacia, poiché include i partecipanti non aderenti. Questa è l'analisi preferita per le decisioni cliniche. L'analisi "per protocollo" sovrastima l'efficacia, ma è utile per comprendere il meccanismo biologico.

⚖️ Studi di superiorità, non inferiorità ed equivalenza

Non tutti gli studi clinici pongono la stessa domanda. L'AKT a volte verifica se si comprende cosa uno studio clinico è stato effettivamente progettato per dimostrare e perché ciò è importante nell'interpretazione dei suoi risultati.

Tipo di prova	La domanda posta	Contesto comune
Processo di superiorità	"È il nuovo trattamento meglio il comparatore?"	La maggior parte degli studi clinici randomizzati standard (RCT) testano un farmaco o un approccio veramente nuovo.
Studio di non inferiorità	"È il nuovo trattamento non peggio di il comparatore con un margine superiore a quello predefinito e ridotto?"	Un nuovo farmaco con meno effetti collaterali, costi inferiori o maggiore facilità di somministrazione: l'obiettivo è dimostrare che è "sufficientemente valido".
Studio di equivalenza	"I due trattamenti sono sostanzialmente lo stesso?"	Farmaci biosimilari; farmaci generici; diverse vie di somministrazione

💡 Perché gli studi di non inferiorità sono importanti nella medicina generale

Potrebbe risultare che un nuovo anticoagulante non sia "inferiore" al warfarin nella prevenzione dell'ictus, ovvero non sia migliore, ma nemmeno significativamente peggiore, pur essendo più facile da usare (non richiede il monitoraggio dell'INR). Si tratta di un risultato clinicamente rilevante, anche se il farmaco non si dimostrasse "superiore" al warfarin. L'AKT (Australian Cancer Trust) potrebbe chiedervi di interpretare correttamente il risultato di uno studio di non inferiorità.

⚠️ Trappola AKT

Uno studio di non inferiorità che dimostra "nessuna differenza significativa" è non è un È come uno studio di superiorità che non mostra "differenze significative". In uno studio di superiorità, un risultato non significativo significa che non si è riusciti a dimostrare che il nuovo farmaco funziona meglio. In uno studio di non inferiorità, una differenza non significativa è esattamente ciò che si sperava di ottenere.

Pregiudizi, validità e affidabilità della ricerca

Tipo di pregiudizio	Definizione	Quali disegni di studio?	Come ridurlo
Bias di selezione	I partecipanti non sono rappresentativi della popolazione target	Tutti i tipi	Randomizzazione; campionamento accurato
Bias di richiamo	I pazienti (persone affette dalla malattia) ricordano le esposizioni passate in modo più vivido rispetto ai soggetti di controllo.	Studi caso-controllo	Fonti di dati oggettive; questionari standardizzati
Bias di pubblicazione	Gli studi con risultati positivi/significativi vengono pubblicati più frequentemente di quelli con risultati negativi.	Meta-analisi (individuate tramite funnel plot)	Registrazione dello studio clinico; ricerca nella letteratura grigia
Bias di attrito	La perdita di partecipanti al follow-up distorce i risultati (i soggetti che abbandonano lo studio differiscono da quelli che lo completano).	Studi di coorte, RCT	Analisi intention-to-treat; minimizzare l'abbandono dello studio
Distorsione nei tempi di consegna	Lo screening dà l'illusione di una maggiore sopravvivenza grazie alla diagnosi precoce della malattia.	Studi di screening	Utilizzare la mortalità specifica per malattia, non la sopravvivenza dalla diagnosi.
Distorsione di lunghezza	Lo screening individua le forme di malattia a crescita più lenta (meno aggressive).	Studi di screening	Studi clinici randomizzati con esiti specifici per malattia
Distorsione dell'osservatore/valutatore	La conoscenza dell'assegnazione del trattamento influisce sulla valutazione dei risultati.	RCT	Accecamento (singolo, doppio, triplo)
Effetto Hawthorne	I partecipanti modificano il loro comportamento perché sanno di essere osservati.	Tutti i tipi, in particolare quelli osservazionali	Gruppi di controllo; osservatori ciechi
Distorsione da verifica	Solo i pazienti con un risultato positivo al test vengono sottoposti al test di conferma standard di riferimento, pertanto la sensibilità appare falsamente elevata e la specificità falsamente bassa.	Studi di test diagnostici	Assicurarsi che tutti i pazienti (positivi e negativi) ricevano il test standard di riferimento.
confondendo	Una terza variabile è associata sia all'esposizione che all'esito, distorcendo la relazione apparente	Studi osservazionali	Randomizzazione (RCT); stratificazione; analisi multivariata

Esempio classico di fattore confondente: "Le vendite di gelato sono associate agli annegamenti". Il gelato è pericoloso? No, entrambi aumentano in estate. La stagionalità è il fattore confondente. Questo illustra perché correlazione ≠ causalità e perché è necessario tenere sotto controllo i fattori confondenti.

🔀 Confusione: quando due cose sembrano collegate ma non lo sono

Il confondimento è uno dei concetti più importanti nella metodologia di ricerca e una delle ragioni più comuni per cui risultati osservazionali apparentemente convincenti si rivelano errati. L'idea chiave è semplice: Due cose possono sembrare collegate non perché si influenzino direttamente a vicenda, ma perché entrambe sono connesse a una terza variabile nascosta.

🔴 La definizione di base

A confondente (o variabile confondente) è una terza variabile che è associata in modo indipendente con entrambi l'esposizione and il risultato. Crea un'associazione spuria (falsa) — oppure maschera un'associazione reale — tra l'esposizione e il risultato che si sta studiando.

Immaginate di notare che le persone che portano con sé un accendino hanno maggiori probabilità di sviluppare un tumore ai polmoni. Dovremmo vietare gli accendini? No, il vero colpevole è il fumo. Il fumo è associato sia al possesso di un accendino che allo sviluppo di un tumore ai polmoni. Il fumo è il fattore confondente. L'associazione tra accendino e cancro è interamente spiegata da esso.

Esempi classici

Collegamento apparente	Il Confondetore	Perché spiega tutto
Vendita di gelati → morti per annegamento	Tempo caldo (estate)	Il caldo provoca sia un maggior consumo di gelato che un maggior numero di nuotate → più annegamenti. Il gelato non causa annegamenti.
Consumo di caffè → cancro ai polmoni	Sigarette	In media, i fumatori bevono più caffè. I primi studi collegavano il caffè al cancro, finché non si è tenuto conto del fumo.
Portare un accendino → cancro ai polmoni	Sigarette	I fumatori portano con sé gli accendini. L'accendino non ha alcun effetto biologico, a differenza del fumo.
Capelli grigi → malattie cardiache	Età	Sia i capelli grigi che le malattie cardiache aumentano con l'età. Il fattore confondente è l'età, non il colore dei capelli.
La misura delle scarpe → la capacità di lettura (nei bambini)	Età	I bambini più grandi hanno i piedi più grandi E leggono meglio. L'età spiega entrambe le cose.

📐 I tre criteri per un vero fattore confondente

Una variabile è un fattore confondente se soddisfa tutti e tre di questi:

È associato con il esposizione (la cosa che stai studiando)
È associato con il risultato (il risultato che stai misurando)
È non è un sul percorso causale tra esposizione ed esito (è una terza variabile separata, non una fase intermedia)

💡 Come tenere sotto controllo i fattori confondenti

randomizzazione (negli studi RCT) — distribuisce equamente i fattori confondenti noti e sconosciuti tra i gruppi. Questa è la protezione più forte.
Restrizione — includere solo partecipanti simili per quanto riguarda il fattore confondente (ad esempio, solo non fumatori nello studio sul caffè)
Abbinare — accoppiare casi e controlli sulla variabile confondente
Stratificazione — analizzare i risultati separatamente per ciascun livello del fattore confondente
aggiustamento statistico multivariato — tenere conto statisticamente di molteplici fattori confondenti contemporaneamente

⚠️ Perché i fattori confondenti rappresentano un problema soprattutto negli studi osservazionali

In uno studio clinico randomizzato controllato (RCT) ben condotto, la randomizzazione distribuisce equamente i fattori confondenti (sia noti che sconosciuti) tra i gruppi, eliminando così il confondimento come possibile spiegazione delle differenze. Negli studi di coorte e caso-controllo, è possibile correggere solo per i fattori confondenti noti e misurati. I fattori confondenti non misurati rimangono sempre una potenziale spiegazione per qualsiasi associazione osservata, ed è per questo che gli studi osservazionali non possono mai dimostrare in modo definitivo la causalità.

✅ Validità e affidabilità: qual è la differenza?

Validità interna

Lo studio misura ciò che dichiara di misurare all'interno della popolazione studiata? I risultati di questo Lo studio è affidabile? Minacciato da pregiudizi e fattori confondenti.

Validità esterna (generalizzabilità)

I risultati possono essere applicati ad altre popolazioni o a contesti reali? Uno studio clinico randomizzato e controllato condotto in un centro specialistico potrebbe non rispecchiare ciò che accade nell'assistenza primaria.

Affidabilità (Riproducibilità)

Il test produce risultati coerenti se ripetuto nelle stesse condizioni? Misurato tramite l'affidabilità inter-osservatore (statistica kappa) o l'affidabilità test-retest.

Statistica Kappa (κ)

Misura la concordanza tra due valutatori al di là del caso. κ = 1 (concordanza perfetta); κ = 0 (concordanza non migliore del caso); κ < 0 (peggiore del caso).

Misurazione del rischio e dell'effetto del trattamento

Questa è la area sottoposta a test più intensivi In statistica AKT. Devi conoscere queste formule a memoria ed essere in grado di applicarle a tabelle di dati di prova in condizioni d'esame.

Immagina di essere in un casinò. La lotteria ti dice che hai raddoppiato le tue possibilità di vincita: sembra fantastico. Ma se passi da 1 su un milione a 2 su un milione, il miglioramento relativo è del 100%, ma la differenza assoluta è ancora praticamente nulla. Questa è la differenza tra RRR e ARR. Le aziende farmaceutiche amano citare l'RRR. Dovresti sempre chiedere l'ARR.

Le metriche chiave

Riduzione del rischio assoluto (ARR)

ARR = CER − EER

La differenza effettiva nei tassi di incidenza degli eventi tra i gruppi. Il parametro più clinicamente valido.

Riduzione del rischio relativo (RRR)

RRR = (CER − EER) ÷ CER

Spesso sembra più impressionante, ma può essere fuorviante se non si conosce il rischio di base. Formula alternativa: RRR = 1 − RR (poiché RR = EER÷CER, RRR = 1 − tale valore).

Rischio relativo (RR)

RR = EER ÷ CER

Utilizzato negli studi di coorte e negli studi clinici randomizzati controllati (RCT). RR pari a 1 = nessun effetto; <1 = rischio ridotto; >1 = rischio aumentato.

Numero necessario da trattare (NNT)

NNT = 1 ÷ ARR

Quanti pazienti trattare per prevenire un esito negativo? Minore è il numero, maggiore è l'efficacia. Arrotondare sempre per eccesso.

Numero necessario per causare un danno (NNH)

NNH = 1 ÷ ARI

Quanti pazienti trattare per causare un ulteriore effetto avverso? Un valore più alto indica un trattamento più sicuro.

Aumento assoluto del rischio (ARI)

ARI = EER − CER

Il rischio aggiuntivo conferito da un'esposizione nociva o da un effetto collaterale del trattamento.

📊 Interpretazione del NNT: cosa significano realmente i numeri?

⚠️ Errore comune: un NNT più basso è migliore (non peggiore)

NNT ti dice quanti pazienti devi curare per prima per trarne beneficio. Quindi il meno Maggiore è il numero di pazienti che è necessario trattare per ottenere un beneficio, più efficace è il trattamento. NNT = 2 significa che 1 paziente su 2 ne trae beneficio: un risultato eccellente. NNT = 100 significa che solo 1 paziente su 100 ne trae beneficio: un risultato molto meno efficace.

Immaginate di distribuire ombrelli in una giornata di pioggia. NNT = 2 → distribuite 2 ombrelli, 1 persona rimane asciutta: molto efficace. NNT = 100 → distribuite 100 ombrelli, solo 1 persona evita di bagnarsi: piuttosto deludente.

Intervallo NNT	Interpretazione approssimativa	Contesto di esempio
<10	Molto efficace	Antibiotici per determinate infezioni; alcuni trattamenti acuti
10 - 50	Effetto moderato	Molti farmaci preventivi comuni
> 100	Effetto debole	Alcune strategie preventive a livello di popolazione

⚠️ Queste band sono informali: il contesto è fondamentale

Queste soglie sono non è un Secondo NICE o RCGP, si tratta solo di linee guida di massima. Il NNT "corretto" dipende sempre dal contesto:

Un NNT di 100 potrebbe comunque valerne la pena se l'esito evitato è la morte o un danno grave e irreversibile
Un NNT di 5 potrebbe non essere accettabile se il trattamento ha effetti collaterali frequenti o gravi

Regola in una sola riga: Il NNT (Number Needed to Treat) indica quanti pazienti è necessario trattare affinché uno solo ne tragga beneficio: un valore inferiore indica un effetto più forte. Tuttavia, è sempre importante valutare il NNT in relazione alla gravità dell'esito e al peso del trattamento.

🔄 Non confondere il NNT con la percentuale di beneficio

Se 60 pazienti su 100 ne traggono beneficio, si ha un ARR del 60% (= 0.6), il che dà NNT = 1 ÷ 0.6 ≈ 1.7 — un risultato eccellente. L'NNT non è il numero di coloro che beneficiano; è il numero di coloro che si trattano per ottenere prima beneficio.

📖 Odds Ratio e Hazard Ratio: quando vengono utilizzati?

Misura	Usato in	Interpretazione
Rischio relativo (RR)	Studi di coorte, RCT	Confronta direttamente il rischio in due gruppi. Più intuitivo dell'OR.
Rapporto di probabilità (OR)	Studi caso-controllo	Confronta le probabilità di esposizione nei casi rispetto ai controlli. Approssima il rischio relativo (RR) quando la malattia è rara.
Rapporto di rischio (HR)	Analisi di sopravvivenza (tempo all'evento)	Come RR ma tiene conto di quando Gli eventi si verificano nel tempo. HR <1 = rischio ridotto nel gruppo di trattamento.

⚠️ AKT Trap — OPPURE ≠ RR

Per le malattie comuni, l'OR sovrastima il rischio rispetto all'RR. Per le malattie rare (<10% di prevalenza), sono approssimativamente uguali. Uno studio caso-controllo genera un OR — tu non può calcolare direttamente l'incidenza o il RR da uno studio caso-controllo.

🧮 Esempio pratico: calcolo del NNT (Number Needed to Treat) a partire dai dati di uno studio clinico.

🎯 Scenario: sperimentazione con le statine

Uno studio clinico randomizzato di 5 anni ha dimostrato che, tra i pazienti ad alto rischio cardiovascolare, il 6% nel gruppo placebo ha avuto un infarto, rispetto al 4% nel gruppo trattato con statine.

1 CER (Tasso di eventi di controllo) = 6% = 0.06 EER (Tasso di eventi sperimentali) = 4% = 0.04

2 ARR = CER − TCE = 0.06 − 0.04 = 0.02 (% 2)

3 NNT = 1 ÷ ARR = 1 ÷ 0.02 = 50
Trattare 50 pazienti per 5 anni per prevenire 1 infarto

4 RRR = ARR ÷ CER = 0.02 ÷ 0.06 = 33%
Sembra impressionante! Ma il beneficio assoluto è solo del 2%.

5 RR = EER ÷ CER = 0.04 ÷ 0.06 = 0.67
Il gruppo trattato con statine ha presentato un rischio pari al 67% di quello del gruppo placebo, ovvero una riduzione relativa del 33%.

💡 Il punto cruciale dal punto di vista clinico

Quando un paziente chiede "Questa statina mi aiuterà?", usate il NNT (Number Needed to Treat, numero di pazienti da trattare per ottenere un beneficio). "Se 50 persone come lei assumessero questa compressa per 5 anni, si eviterebbe un infarto. Per lei personalmente, il beneficio assoluto è del 2%." Questo è molto più onesto di "Riduce il rischio del 33%".

💬 Comunicare il rischio ai pazienti (il metodo preferito di AKT)

L'AKT spesso valuta la tua capacità di spiegare informazioni statistiche ai pazienti. Esistono quattro formati principali:

Formato	Esempio	Ideale per
Frequenza naturale	"5 persone su 100"	Più facile da capire per i pazienti
Percentuale	"Il 5% delle persone"	Ampiamente utilizzato, ma può trarre in inganno.
NNT	"Trattare 20 persone per prevenire 1 evento"	Comunica chiaramente il beneficio assoluto
Trama di Cates	Griglia visiva di 100 volti	Il miglior supporto visivo per il processo decisionale condiviso

🚨 Non utilizzare mai RRR da solo quando si comunica il rischio

Affermare "questo riduce il rischio del 33%" senza indicare il rischio di base è fuorviante. Un RRR del 33% rispetto a un rischio di base dello 0.3% significa che il beneficio assoluto è dello 0.1%. È sempre opportuno associare l'RRR al rischio di base oppure fornire il rapporto ARR/NNT.

💊 Il trucco dei rappresentanti farmaceutici: come le aziende farmaceutiche manipolano le statistiche

I rappresentanti delle case farmaceutiche sono addestrati a presentare i dati delle sperimentazioni cliniche nella luce più favorevole. Utilizzano un semplice ma efficace stratagemma statistico:

Benefici → espressi come riduzione del rischio relativo (RRR) — perché suona più grande e più impressionante
Danni → indicati come aumento del rischio assoluto (ARI) — perché suona più piccolo e meno preoccupante

Esempio pratico: una visita fittizia di un rappresentante di statine

Una nuova statina riduce gli attacchi cardiaci dal 2% all'1% in 5 anni, ma aumenta la miopatia dall'1% al 2%.

Ciò che dice il rappresentante	Cosa significa realmente
"Questo farmaco riduce gli attacchi di cuore 50%"	RRR = 50% — ma ARR è solo 1%NNT = 100. Trattare 100 persone per 5 anni per prevenire 1 infarto.
"Il rischio di miopatia aumenta solo di 1%"	ARI = 1% — ma in realtà è un raddoppio del rischio di miopatia (aumento del rischio relativo = 100%).

La versione onesta: "Se 100 pazienti assumono questo farmaco per 5 anni, una persona in più evita un infarto e una persona in più sviluppa una miopatia." Stessi dati. Impressione completamente diversa.

L'antidoto: chiedi sempre — "Qual è la differenza assoluta?" Quando un rappresentante cita una cifra relativa, convertila tu stesso: ARR = CER − EER, quindi NNT = 1 ÷ ARR. Questo vale anche per i benefit. and danni.

Test diagnostici e screening: la tabella 2×2

La tabella di contingenza 2×2 è il fondamento di tutte le statistiche diagnostiche. Se sai come costruire e interpretare questa tabella, sarai in grado di rispondere alla maggior parte delle domande diagnostiche relative all'AKT.

La tabella 2×2

	STATO ATTUALE DELLA MALATTIA
RISULTATO DELLA PROVA	Malattia Presente	Malattia Assente
Test positivo	Vero positivo (TP) Il test dice SÌ → ha la malattia ✓	Falso positivo (FP) Il test dice SÌ → nessuna malattia ✗
Test negativo	Falso negativo (FN) Il test dice NO → ha la malattia ✗	Vero negativo (TN) Il test dice NO → nessuna malattia ✓

Sensibilità

TP ÷ (TP + FN)

Proporzione di persone affette dalla malattia che risultano positive al test. "Quanto sono brave a individuare le malattie?"

Specificità

TN ÷ (TN + FP)

Proporzione di persone SENZA malattia che risultano negative al test. "Quanto è efficace nell'escludere la malattia?"

Valore predittivo positivo (PPV)

TP ÷ (TP + FP)

Probabilità che un test positivo indichi effettivamente la presenza della malattia. La probabilità è influenzata dalla prevalenza.

Valore predittivo negativo (VAN)

TN ÷ (TN + FN)

Probabilità che un test negativo significhi effettivamente assenza di malattia. Influenzata dalla prevalenza.

🧠 SnNout e SpPin: gli ausili per la memoria (e perché funzionano)

SnNout

Snfuori: Un altamente Sentest positivo, se Nnegativo, regola la malattia Fuori.

Se la sensibilità è molto elevata, un risultato negativo del test significa che la malattia è molto improbabile (basso tasso di falsi negativi). Utilizzare un test sensibile per lo screening e l'esclusione.

SpPin

Spin: Un altamente Sptest efficace, se Ppositivo, controlla la malattia In.

Se la specificità è molto elevata, un risultato positivo del test indica un'alta probabilità di malattia (basso tasso di falsi positivi). Per confermare la diagnosi, è necessario utilizzare un test specifico.

Pensate alla sensibilità come a un rilevatore di fumo molto sensibile: si attiva per qualsiasi cosa, persino per un toast bruciato. Non mancherà mai un vero incendio (SnNout). La specificità è un allarme ben calibrato che si attiva solo in caso di incendi reali: se si attiva, potete essere certi che c'è davvero un incendio (SpPin).

📊 L'effetto della prevalenza sul PPV e sull'NPV: un argomento cruciale per AKT

Questo è uno dei concetti più importanti e più testati nella statistica diagnostica. Sensibilità e specificità sono proprietà fisse del test. Ma il valore predittivo positivo (VPP) e il valore predittivo negativo (VPN) cambiano drasticamente a seconda della frequenza della malattia nella popolazione sottoposta al test.

Immaginate di utilizzare lo stesso test di gravidanza in una clinica per la fertilità (dove il 60% delle donne è incinta) e in un ambulatorio medico di base (dove il 5% delle donne potrebbe essere incinta). Stesso test, stessa sensibilità e specificità. Ma un risultato positivo ha un significato molto diverso nei due contesti.

Scenario	Prevalenza	PPV	NPV
Screening della popolazione generale per una malattia rara (ad esempio HIV in soggetti a basso rischio)	1%	BASSO (~16%)	ALTO (~99.9%)
Test diagnostici in una clinica specialistica ad alto rischio	50%	ALTO (~95%)	ALTO (~95%)

🔴 Regole fondamentali da ricordare

All'aumentare della prevalenza ↑ → aumenta il PPV, diminuisce l'NPV
Al diminuire della prevalenza ↓ → PPV ↓, NPV ↑
In una popolazione a bassa prevalenza, la maggior parte dei risultati positivi sono falsi positivi (basso valore predittivo positivo), anche con un test altamente specifico.
Un test negativo in una popolazione ad alta prevalenza potrebbe comunque non rilevare la malattia (valore predittivo negativo inferiore).

📐 Rapporti di verosimiglianza: quando vuoi andare oltre

I rapporti di verosimiglianza (LR) combinano sensibilità e specificità in un unico numero che indica di quanto un risultato del test modifica la probabilità di malattia. Più avanzati dei valori predittivi positivi/negativi (PPV/NPV), ma utili e talvolta utilizzati nel test AKT.

Rapporto di verosimiglianza positivo (LR+)

LR+ = Sensibilità ÷ (1 − Specificità)

Quanto è più probabile un test positivo in presenza di malattia rispetto all'assenza di malattia. LR+ >10 = forte evidenza di malattia.

Rapporto di verosimiglianza negativo (LR−)

LR− = (1 − Sensibilità) ÷ Specificità

Quanto è più probabile un test negativo in presenza di malattia rispetto all'assenza di malattia. LR− <0.1 = forte evidenza contro la malattia.

LR+	Effetto sulla probabilità post-test
> 10	Aumento di probabilità ampio e spesso conclusivo
5-10	Aumento moderato
2-5	Piccolo aumento
1	Nessun cambiamento (il test è inutile)
0.1-0.5	diminuzione da lieve a moderata
<0.1	Forte diminuzione: forte esclusione negativa

Il nomogramma di Fagan utilizza i rapporti di verosimiglianza (LR) in forma grafica: si traccia una linea dalla probabilità pre-test attraverso il rapporto di verosimiglianza per ricavare la probabilità post-test. Se vedi questo nell'AKT, ricorda: un test positivo modifica la probabilità. up, un test negativo lo sposta giù.

Statistiche demografiche ed epidemiologia

Incidenza

Nuovi casi ÷ Popolazione a rischio × moltiplicatore

Misure rischioConta solo i NUOVI casi in un periodo di tempo definito.

Prevalenza puntuale

Casi totali ÷ Popolazione totale

Misure carico di malattiaConta TUTTI i casi (nuovi e vecchi) in un determinato momento (tempo T). Si scrive anche come: Casi al tempo T ÷ Popolazione al tempo T.

L'incidenza è il numero di nuovi studenti che si iscrivono a una scuola quest'anno. La prevalenza è il numero totale di studenti attualmente presenti nella scuola (nuovi + già iscritti). Una malattia cronica con bassa incidenza può comunque avere un'alta prevalenza se le persone convivono con essa per anni.

📊 Rapporto di mortalità standardizzato (SMR)

Formula SMR

(Decessi osservati ÷ Decessi previsti) × 100

Il metodo tiene conto dell'età e del sesso nel confronto della mortalità tra le popolazioni.

Valore SMR	Interpretazione
= 100	La mortalità è la stessa della popolazione di riferimento.
> 100	Mortalità in eccesso (superiore alle aspettative)
<100	Mortalità inferiore alle aspettative

Tipo di domanda AKT: "Una comunità mineraria ha un SMR di 145. Cosa significa?" → Mortalità in eccesso: il 45% di decessi in più rispetto a quanto previsto in una popolazione generale comparabile.

🎯 Screening — Pregiudizi relativi al tempo di anticipo e alla durata (Principali trappole AKT)

🔴 Distorsione del tempo di consegna

Lo screening permette di individuare una malattia in fase precoce, dando l'impressione che la sopravvivenza sia migliorata, anche se il paziente muore nello stesso momento. Il "tempo di sopravvivenza dalla diagnosi" è semplicemente stato allungato grazie alla diagnosi precoce, non a un effettivo beneficio del trattamento. Il paziente non vive più a lungo; semplicemente, ne è a conoscenza per un periodo più lungo.

🟠 Distorsione di lunghezza

I programmi di screening hanno maggiori probabilità di individuare malattie a crescita lenta e indolenti (che presentano una "fase preclinica rilevabile" più lunga) rispetto a malattie aggressive che progrediscono rapidamente. Questo fa sì che lo screening sembri più efficace di quanto non sia in realtà per le malattie gravi.

Bias di anticipazione diagnostica: Immagina di sapere che morirai a 60 anni. Senza screening lo scopri a 55 anni; con lo screening lo scopri a 40 anni. Lo screening sembra averti dato 15 anni di sopravvivenza in più dalla diagnosi, ma muori comunque a 60 anni.

✅Criteri di screening di Wilson e Jungner

Prima di introdurre un programma di screening, questo deve soddisfare i criteri di Wilson e Jungner (pubblicati originariamente nel 1968, tuttora il quadro di riferimento standard). L'AKT verifica sia la conoscenza di questi criteri sia la loro applicazione a scenari concreti.

#	Criterio	Cosa significa in pratica
1	Importante problema di salute	Questa condizione presenta una significativa morbilità o mortalità: vale la pena di effettuare uno screening.
2	Trattamento accettato disponibile	Non ha senso diagnosticare una malattia che non si può curare.
3	Esistono strutture per la diagnosi e il trattamento	L'infrastruttura deve essere pronta prima del lancio
4	Fase latente o iniziale riconoscibile	La malattia deve presentare una fase pre-sintomatica rilevabile.
5	Test idoneo disponibile	Il test deve essere accettabile per la popolazione, sicuro e ragionevolmente accurato.
6	Test accettabile per la popolazione	Le persone devono essere disposte a sottoporsi al test: esami invasivi o fastidiosi potrebbero scoraggiarne l'adesione.
7	Storia naturale adeguatamente compresa	Bisogna sapere come progredisce la malattia se non viene trattata.
8	Politica concordata su chi trattare	Servono protocolli chiari, non solo per la rilevazione, ma anche per ciò che accade in seguito.
9	Economicamente vantaggioso	Il costo dell'individuazione di ciascun caso deve essere bilanciato con il beneficio.
10	Processo continuo, non evento isolato.	Lo screening deve essere continuo: l'incidenza della malattia continua

⚠️ Applicazione AKT: perché lo screening PSA non soddisfa questi criteri

Lo screening del PSA per il cancro alla prostata è non è un Il test del PSA non è incluso nel programma di screening nazionale del Servizio Sanitario Nazionale (NHS) proprio perché presenta delle difficoltà nel soddisfare i criteri 5 e 7: il PSA non è un test sufficientemente accurato (bassa specificità → molti falsi positivi) e la storia naturale di molti tumori prostatici di basso grado fa sì che non causino mai sintomi nel corso della vita del paziente. Questo si collega direttamente alla sovradiagnosi (vedi sotto).

Aiuto mnemonico: pensa ai criteri come a tre gruppi — la malattia (importante, compreso, ha una fase latente), il test (adeguato, accettabile, accurato), il sistema (Il trattamento esiste, le strutture esistono, la politica è concordata, è economicamente vantaggioso e continuativo).

🔍 Sovradiagnosi: individuare problemi che altrimenti non avrebbero causato problemi

La sovradiagnosi si verifica quando viene rilevata una malattia reale, una che esiste davvero, ma quella malattia sarebbe non hanno mai causato sintomi, danni o morte se non diagnosticata durante la vita del paziente, non si tratta di un falso positivo (la malattia è reale), bensì di un vero positivo che non sarebbe stato necessario individuare.

🔴 Perché è importante

La sovradiagnosi trasforma persone sane in pazienti. Le espone all'ansia, agli effetti collaterali e ai rischi del trattamento per una condizione che non le avrebbe mai danneggiate. È uno dei danni più importanti dei programmi di screening, e uno di quelli che l'AKT testa direttamente.

Condizioni dell'oggetto	Esempio di sovradiagnosi
Cancro alla prostata	Molti tumori di basso grado rilevati dal PSA non progredirebbero mai né causerebbero sintomi: gli uomini muoiono con loro, non da loro
Cancro alla tiroide	L'ecografia individua minuscoli carcinomi papillari della tiroide, quasi sempre indolenti: la diagnosi è aumentata vertiginosamente, ma la mortalità è rimasta invariata.
DCIS (seno)	Carcinoma duttale in situ rilevato tramite mammografia: alcuni di questi non si trasformerebbero mai in carcinoma invasivo.

La sovradiagnosi è come trovare una minuscola crepa in un muro che non avrebbe mai potuto causare il crollo della casa, ma ora che l'hai notata, ti senti in dovere di ripararla. La crepa era reale; il danno derivante dalla sua scoperta è stato causato dalla cura, non dalla crepa stessa.

Diagnosi eccessiva vs. trattamento eccessivo

Sovradiagnosi = aver scoperto una malattia che non aveva bisogno di essere scoperta. Trattamento eccessivo = curare una malattia che non necessitava di trattamento (il che può derivare da una diagnosi eccessiva o verificarsi indipendentemente). Sono concetti correlati ma distinti.

🔢 Standardizzazione per età

Quando si confrontano i tassi di malattia o di mortalità tra popolazioni diverse (ad esempio, paesi diversi, periodi di tempo diversi), è necessario tenere conto del fatto che tali popolazioni possono avere distribuzioni per età differenti. Le popolazioni più anziane avranno naturalmente una mortalità più elevata, anche se il loro stato di salute è ugualmente buono.

Concetto chiave

La standardizzazione per età è una tecnica statistica che elimina l'effetto distorsivo delle diverse distribuzioni per età quando si confrontano gli esiti sanitari tra popolazioni. Produce un tasso che si osserverebbe se entrambe le popolazioni avessero la stessa struttura per età (la "popolazione standard").

🎗️ Statistiche sul cancro: informazioni essenziali da sapere secondo AKT

L'AKT occasionalmente mette alla prova specifiche statistiche sul cancro. Non è necessaria una conoscenza approfondita dell'oncologia, ma questi dati principali vengono spesso pubblicati ed è utile conoscerli.

Cancro	Statistica chiave	Perchè é importante
Cancro ai testicoli	>98% di sopravvivenza a 10 anni	Uno dei tumori più curabili: un dato importante da sapere per la consulenza ai giovani uomini.
Cancro ai polmoni	Principale causa di morte per cancro (Regno Unito)	Nonostante non sia il tumore più comune, uccide più persone di qualsiasi altro

⚠️ Tasso di sopravvivenza vs tasso di mortalità: non confonderli

Un cancro può avere un alto incidenza (comune) ma basso mortalità (curabile), come il cancro al seno. Oppure può avere un'incidenza inferiore ma una mortalità molto elevata, come il cancro al pancreas. L'AKT potrebbe mettere alla prova la tua capacità di interpretare correttamente le statistiche sul cancro: non dare per scontato che il tumore più comune sia anche il più letale.

⚖️ Disuguaglianze sanitarie

Le disuguaglianze sanitarie descrivono differenze ingiuste e prevenibili nello stato di salute tra diversi gruppi di persone. Rappresentano un punto focale importante delle politiche sanitarie pubbliche del Regno Unito e compaiono nell'AKT (Australian Knowledge Trust) nel contesto dell'epidemiologia e dei determinanti sociali della salute.

Definizione

Le disuguaglianze sanitarie sono Differenze ingiuste ed evitabili nello stato di salute o nella distribuzione dei determinanti della salute tra diversi gruppi di popolazioneSono "evitabili" perché derivano da condizioni sociali, economiche o ambientali che in linea di principio potrebbero essere modificate, non dal caso o da variazioni biologiche.

Tipo	Esempi nel Regno Unito
socio-economico	Minore aspettativa di vita nelle aree svantaggiate; tassi più elevati di malattie cardiovascolari, diabete e malattie mentali nelle comunità più povere.
Geografico	"Divario Nord-Sud": risultati sanitari peggiori in alcune zone dell'Inghilterra settentrionale rispetto al Sud.
Etnico	Tassi più elevati di diabete di tipo 2 nelle popolazioni dell'Asia meridionale; rischio cardiovascolare più elevato nelle popolazioni di colore.
Genere	Gli uomini hanno un'aspettativa di vita inferiore, ma le donne hanno più anni di cattiva salute (morbilità).

Nell'AKT, le disuguaglianze sanitarie appaiono spesso come domande sui determinanti sociali della salute o sull'interpretazione dei dati della popolazione che mostrano differenze tra gruppi. Strumento chiave: il Recensione di Marmot (Società equa, vite sane) e il concetto di universalismo proporzionato — servizi universali erogati con maggiore intensità a coloro che ne hanno più bisogno.

Distribuzione dei dati e significatività statistica

Provvedimenti di Tendenza Centrale

Misura	Definizione	Meglio usato quando	Attento
Significare	Somma di tutti i valori ÷ numero di valori	I dati sono normalmente distribuiti	Facilmente influenzato da valori anomali
Mediano	Valore medio quando ordinato. Se c'è un numero pari Tra i valori, la mediana è la media dei due numeri centrali.	Dati distorti (ad esempio, reddito, durata del ricovero ospedaliero)	Ignora i valori effettivi agli estremi
Moda	Valore più frequente	Dati categoriali; distribuzioni bimodali	Può risultare privo di significato con dati continui
Portata	Massimo − Minimo	Rapida percezione della diffusione	Interamente determinato da valori anomali
IQR (Interquartile Range)	75° percentile − 25° percentile	Abbinato alla mediana per dati asimmetrici	Ignora il 25% superiore e inferiore
Deviazione standard (SD)	Dispersione media dalla media	Dati distribuiti normalmente	Fuorviante se i dati non sono distribuiti normalmente

🗂️ Tipi di dati: Nominali, Ordinali, Intervallo, Rapporto

Capire cosa Digitare La tipologia di dati a disposizione determina quali statistiche riassuntive e quali test statistici sono appropriati. L'AKT verifica questa affermazione, solitamente presentando un set di dati e chiedendo quale test o misura utilizzare.

Tipo	Definizione	Esempi	Analogia
Nominale	Categorie senza ordine naturale	Gruppo sanguigno (A, B, AB, O); sesso; colore degli occhi; causa di morte	Una fruttiera: mele e banane sono semplicemente diverse, nessuna delle due è "più"
ordinale	Categorie ordinate, ma gli spazi tra di esse sono non è un necessariamente uguale	Classe di insufficienza cardiaca NYHA (I-IV); scala del dolore (lieve/moderato/grave); scale Likert	Posizioni in gara: 1°, 2°, 3°. Conosciamo l'ordine, ma il distacco tra il 1° e il 2° potrebbe essere molto diverso dal distacco tra il 2° e il 3°.
Intervallo	Ordinati con intervalli uguali tra i valori, ma non esiste un vero zero	Temperatura in °C; date del calendario; punteggi del QI	Un termometro: 0 °C non significa "assenza di temperatura". Non si può dire che 20 °C siano "il doppio più caldi" di 10 °C in senso assoluto.
Rapporto	Spazi ordinati e uguali, E un vero zero assoluto	Altezza, peso, pressione sanguigna, età, reddito, dose del farmaco	Denaro: £0 significa che non hai davvero nulla. £40 è il doppio di £20

💡 Perché è importante per l'AKT

Dati nominali/ordinali → utilizzare test non parametrici, moda o mediana per le medie
Dati di intervallo/rapporto (distribuzione normale) → è possibile utilizzare media, deviazione standard, test parametrici
sentirti non è possibile calcolare una media in modo significativo per dati nominali (ad esempio "gruppo sanguigno medio" non ha senso) o per fare affermazioni proporzionali con dati intervallari (non si può dire che una persona con un QI di 120 sia "due volte più intelligente" di una con 60)

🔬 Test parametrici vs test non parametrici

I test statistici si dividono in due famiglie a seconda delle ipotesi che formulano sui dati. I test AKT determinano quale tipo di test è appropriato per un dato scenario: non è necessario eseguire i calcoli, basta sapere quando utilizzare l'uno o l'altro.

La distinzione fondamentale

Prove parametriche Si assume che i dati siano distribuiti normalmente (o che il campione sia sufficientemente ampio da rendere questo aspetto irrilevante) e che i dati siano almeno a livello di intervallo. Test non parametrici Non fate tali supposizioni: funzionano con ranghi o categorie e sono adatti a dati asimmetrici, campioni di piccole dimensioni o dati ordinali/nominali.

I test parametrici sono come una ricetta che funziona solo se il forno è impostato esattamente alla temperatura corretta. I test non parametrici sono più flessibili: funzionano anche se il forno è leggermente più caldo o più freddo.

Missione	Prova parametrica	Equivalente non parametrico
Confrontare le medie di 2 gruppi indipendenti	Test t indipendente	Test U di Mann-Whitney
Confrontare significa: stesso gruppo, 2 momenti temporali	Test t accoppiato	Test dei ranghi con segno di Wilcoxon
Confronta le medie di 3 o più gruppi	ANOVA (Analisi della varianza)	Test di Kruskal-Wallis
Correlazione tra due variabili continue	Correlazione di Pearson	Correlazione del rango di Spearman
Confronta proporzioni / dati categorici	-	Test del chi-quadrato (χ²)

⚠️ Regole decisionali AKT

I dati sono distorta or non distribuito normalmente → utilizzare metodi non parametrici
Piccola dimensione del campione (e la normalità è incerta) → utilizzare metodi non parametrici
I dati sono ordinale (ad esempio punteggi del dolore, Likert) → utilizzare metodi non parametrici
Confronto proporzioni o categorie → test del chi quadrato
Ampio campione, continuo, approssimativamente normale → test parametrico va bene

🔔 Distribuzione normale: la regola 68-95-99.7

Una distribuzione normale è una curva simmetrica a campana. La media, la mediana e la moda sono tutte uguali e si trovano al centro.

Portata	% dei valori inclusi
Media ± 1 deviazioni standard	68%
Media ± 2 deviazioni standard	95%
Media ± 3 deviazioni standard	99.7%

Applicazione AKT: I valori di riferimento per gli esami del sangue sono generalmente definiti come media ± 2 deviazioni standard, il che significa che il 5% delle persone sane rientrerà "al di fuori dell'intervallo di normalità". Questo è il motivo per cui un risultato leggermente anomalo in un paziente asintomatico spesso non necessita di trattamento.

⚠️ Dati distorti

Con dati asimmetrici positivamente (ad esempio reddito, tempi di attesa del medico di base, bilirubina sierica in un reparto), la media viene spostata a destra da alcuni valori anomali elevati. In questo caso, utilizzare il mediano — rappresenta meglio il valore tipico. L'AKT ama mettere alla prova questa distinzione.

📉 Valori P e intervalli di confidenza: cosa significano realmente

P-Valori

Il valore p è la probabilità di osservare risultati almeno altrettanto estremi di quelli visti se l'ipotesi nulla è vera (cioè se non c'è un effetto reale). È non è un la probabilità che l'ipotesi nulla sia corretta.

p-value	Interpretazione
p <0.05	Statisticamente significativo: probabilità inferiore al 5% che questo risultato si sia verificato per caso.
p> 0.05	Non statisticamente significativo: il risultato potrebbe essere dovuto al caso.
p = 0.01	1% di probabilità di ottenere questo risultato se non si verifica alcun effetto reale

Intervalli di confidenza (CI)

Un intervallo di confidenza al 95% significa che, se si ripetesse lo studio 100 volte, in 95 di questi casi il vero valore della popolazione rientrerebbe in questo intervallo.

Un CI è come una previsione del tempo che dice "aspettatevi temperature tra i 14°C e i 22°C domani". Non significa che la temperatura sarà sicuramente in quell'intervallo, ma che c'è una probabilità del 95% che lo sarà.

🔴 La regola più collaudata: l'intervallo di confidenza supera il numero magico?

Per una rapporto (RR, OR, HR): se l'IC al 95% include 1.0 → non statisticamente significativo
Per una differenza (differenza media, ARR): se l'intervallo di confidenza al 95% include 0 → non statisticamente significativo
Se l'intervallo di confidenza è interamente superiore a 1 (per i rapporti) → rischio significativamente aumentato
Se l'intervallo di confidenza è interamente inferiore a 1 (per i rapporti) → rischio significativamente ridotto

❌ Errori di tipo I e di tipo II: gridare al lupo contro non vedere il lupo

Errore di tipo I (α — Alfa)

Rifiutare l'ipotesi nulla quando in realtà è vera. In altre parole: concludere che un trattamento funziona quando non è così. Il tasso di falsi positivi. Convenzionalmente accettabile al 5% (α = 0.05, p < 0.05).

"Gridare al lupo" - dare l'allarme quando non c'è nessun lupo.

Errore di tipo II (β — Beta)

Non riuscire a rifiutare l'ipotesi nulla quando in realtà è falsa. In altre parole: non rilevare un vero effetto del trattamento. Il tasso di falsi negativi. Convenzionalmente accettabile al 20% (β = 0.2, potenza = 80%).

"Non vedere il lupo" - dire che non c'è il lupo quando c'è.

Potere statistico

La potenza statistica è data da 1 − β, ovvero la probabilità di rilevare correttamente un effetto reale. Una potenza più elevata indica una minore probabilità di non rilevare un effetto reale. La potenza aumenta con l'aumentare della dimensione del campione. Uno studio ben progettato necessita di una potenza statistica pari o superiore all'80%.

⚡ Significatività statistica ≠ Importanza clinica

Questa è una delle sfumature più importanti e collaudate nella statistica AKT, e una che molti tirocinanti non colgono.

🔴 La regola fondamentale

Un risultato può essere statisticamente significante (p < 0.05) mentre è clinicamente irrilevanteLa significatività statistica ti dice solo che è improbabile che il risultato sia dovuto al caso — dice Niente riguardo alla questione se l'effetto sia sufficientemente rilevante da avere un impatto nella pratica.

Uno studio condotto su 50,000 pazienti ha rilevato che un nuovo farmaco antipertensivo riduce la pressione arteriosa sistolica di 1 mmHg. p = 0.001. Un risultato altamente significativo, ma cambiereste la vostra prescrizione per una riduzione di 1 mmHg? No. Il valore p è così basso perché il campione è enorme, non perché l'effetto sia rilevante.

Scenario	Statisticamente significativo?	Clinicamente rilevante?
La pressione sanguigna diminuisce di 1 mmHg, n=50,000, p=0.001	Si	Non
La pressione sanguigna diminuisce di 15 mmHg, n=30, p=0.08	Non	Probabilmente sì
La pressione sanguigna diminuisce di 12 mmHg, n=500, p=0.02	Si	Si

💡 Cosa usare al posto

Guarda sempre il dimensione dell'effetto (ARR, NNT, differenza media) insieme ai valori p e agli intervalli di confidenza. Un intervallo di confidenza ristretto che esclude zero o uno è più significativo di un solo valore p: indica sia la direzione che la precisione dell'effetto.

📏 Ampiezza dell'intervallo di confidenza: la precisione a colpo d'occhio

CI ristretto → stima precisa → elevata fiducia che il valore reale sia vicino alla stima puntuale (di solito da un ampio campione)
CI ampio → stima incerta → il valore reale potrebbe trovarsi in qualsiasi punto di un ampio intervallo (di solito derivante da un campione piccolo o eterogeneo)

Esempio: RR = 1.5 (95% CI 1.4–1.6) → preciso, convincente. RR = 1.5 (95% CI 0.6–3.8) → ampio, incerto — e attraversa 1.0 quindi non è nemmeno significativo.

📈 Regressione verso la media: il fattore confondente nascosto nella pratica clinica

La regressione verso la media è la tendenza statistica per cui una misurazione estrema si avvicina alla media in una seconda misurazione. indipendentemente da qualsiasi interventoÈ una delle fonti di conclusioni fuorvianti in medicina meno riconosciute.

🔴 Perché è importante dal punto di vista clinico

Spesso i pazienti vengono esaminati o trattati proprio quando i loro sintomi o parametri vitali sono al loro apice. La variabilità naturale implica che tali parametri tendono comunque a migliorare in caso di controlli successivi, non necessariamente grazie all'intervento. Senza un gruppo di controllo, è impossibile distinguere la regressione verso la media da un reale effetto del trattamento.

Scenario	Come si presenta l'effetto del trattamento	Cosa potrebbe realmente accadere
Il paziente presenta una pressione arteriosa molto alta in una misurazione → è stata iniziata una terapia farmacologica → la pressione arteriosa si è abbassata alla visita successiva	Il farmaco sta funzionando	La prima misurazione potrebbe essere stata anomala; la pressione sanguigna sarebbe comunque risultata inferiore alla misurazione successiva.
L'alunno ottiene un punteggio molto basso in un test → riceve lezioni di recupero → ottiene un punteggio migliore la volta successiva	Le tasse scolastiche hanno aiutato	Il punteggio basso potrebbe non essere rappresentativo; le prestazioni naturali tendono alla loro media
Paziente con grave riacutizzazione dell'eczema inizia una nuova crema → la riacutizzazione migliora	La crema è efficace	Le riacutizzazioni gravi migliorano naturalmente nel tempo, indipendentemente dal trattamento.

Immaginate di misurare l'altezza di una persona solo quando è in piedi su una scatola. Sembra molto alta. La volta successiva che la misurate normalmente, sembra essersi "rimpicciolita". La misurazione è cambiata, la persona no. Questo è il fenomeno della regressione verso la media.

💡 Come proteggersi da esso

Fai misurazioni di base multiple e utilizzare la media prima di iniziare il trattamento
Utilizzare gruppo di controllo — la regressione verso la media influenza entrambi i gruppi in egual misura, quindi qualsiasi differenza tra i gruppi è più probabilmente un reale effetto del trattamento
Questo è uno degli argomenti più forti a favore Studi clinici randomizzati controllati rispetto a studi non controllati prima e dopo

Grafici statistici: cosa osservare

L'AKT presenta regolarmente grafici e chiede di interpretarli. Imparate a individuare l'elemento chiave in ogni tipo di grafico: non cercate di leggere tutto. È sufficiente un'osservazione mirata.

Tipo di grafico	Uso primario	L'unica cosa da cercare
Trama forestale	Risultati della meta-analisi	Se la diamante attraversare la linea verticale di nessun effetto?
Trama a imbuto	Rilevamento di distorsioni nelle pubblicazioni / Monitoraggio dei casi anomali nei medici di base	La trama è asimmetrico(Lacuna = studi non pubblicati mancanti)
La trama di Cates	Comunicare visivamente il NNT ai pazienti	Conta le facce colorate che indicano il "beneficio"; NNT = 100 ÷ quelle facce
La trama dell'Abbé	Esplorare l'eterogeneità nelle meta-analisi	Punto sulla linea diagonale = effetto del trattamento nullo
Diagramma a scatola e baffi	Distribuzione e diffusione dei dati	Linea mediana = mediano (non media); punti oltre i baffi = valori anomali
Nomogramma di Fagan	Probabilità pre-test → post-test	Traccia una linea dalla probabilità pre-test attraverso LR per leggere la probabilità post-test
Diagramma a stelo e foglia	Distribuzione: preserva i valori originali	Simile a un istogramma, ma mostra i singoli punti dati.
Curva di Kaplan-Meier	Analisi di sopravvivenza - tempo all'evento	I gradini diminuiscono quando si verificano eventi; le curve che divergono precocemente e rimangono separate suggeriscono un beneficio duraturo del trattamento
Istogramma	Distribuzione dei dati continui	Forma della curva: simmetrica = distribuzione normale; asimmetrica = utilizzare la mediana anziché la media

🌲 Appezzamenti forestali — Nel dettaglio

Come leggere un diagramma forestale

Ogni quadrato = uno studio. La dimensione del quadrato = il peso dello studio (generalmente determinato dalla dimensione del campione)
Linee orizzontali = intervallo di confidenza del 95% per quello studio
Il diamante in basso = la stima complessiva aggregata. La sua ampiezza = l'intervallo di confidenza aggregato al 95%.
Linea verticale a 1.0 = "linea di non effetto" (per i rapporti). Se una linea CI o il rombo oltrepassa questa linea, tale risultato è non statisticamente significativo

Eterogeneità: la statistica I²

L'indice I² misura quanta variazione tra gli studi è dovuta a una vera eterogeneità (differenze reali) piuttosto che al caso.
I² < 25% = bassa eterogeneità ✓
I² = 25–50% = eterogeneità moderata
Io² > 50% = eterogeneità sostanziale — il risultato aggregato è meno affidabile ⚠️

Immaginate il rombo come il verdetto finale della giuria. Se il rombo oltrepassa la "linea di non effetto" verticale, la giuria non è in grado di raggiungere un verdetto unanime, ovvero non si arriva a una conclusione definitiva. La statistica I² indica se i giurati erano d'accordo o meno sul caso.

📯 Grafici a imbuto: bias di pubblicazione e monitoraggio dei valori anomali nei GP

Nell'AKT, i grafici a imbuto compaiono in due contesti completamente diversi: assicurati di riconoscerli entrambi.

Nella meta-analisi (bias di pubblicazione)

Rappresenta graficamente la dimensione dell'effetto (asse x) in funzione della precisione o della dimensione dello studio (asse y). Un imbuto invertito simmetrico = nessuna distorsione. Un imbuto asimmetrico con un'interruzione in basso a sinistra = studi negativi di piccole dimensioni non considerati → distorsione di pubblicazione.

Monitoraggio pratico delle prestazioni

Confronta gli studi medici di base in base a parametri (ad esempio tassi di rinvio, mortalità). I punti dati al di fuori delle linee dell'imbuto sono valori anomali statistici che giustifica un'indagine, non necessariamente una prova di prestazioni scadenti.

😊 Grafici di Cates: come estrarre visivamente l'NNT

Il diagramma di Cates (a volte chiamato "diagramma delle faccine sorridenti") utilizza una griglia di 100 faccine per aiutare i pazienti a visualizzare i benefici e i rischi assoluti.

Ciascuno dei 100 volti rappresenta una persona ogni 100 trattati
Facce gialle/verdi = persone che hanno beneficiato (eventi evitati)
Facce rosse = persone che hanno subito un danno
Volti grigi/neutri = nessun effetto in entrambi i casi

NNT dal diagramma di Cates

NNT = 100 ÷ numero di beneficiari

Esempio: 4 facce gialle → NNT = 100 ÷ 4 = 25

📉 Curve di sopravvivenza di Kaplan-Meier: come interpretarle

Le curve di Kaplan-Meier (KM) mostrano la probabilità di sopravvivenza (o di rimanere liberi da eventi) nel tempo. Compaiono nelle domande AKT relative a studi clinici sul cancro, studi cardiovascolari e qualsiasi ricerca che tenga traccia del tempo intercorso fino al verificarsi di un evento.

Caratteristica	Cosa significa
L'asse Y	Probabilità di sopravvivenza (o sopravvivenza libera da eventi) — parte da 1.0 (100%) e diminuisce nel tempo
L'asse X	Tempo (giorni, mesi, anni)
Ogni passo verso il basso	Si è verificato un evento (ad esempio, decesso, ricaduta). Passi più ampi = più eventi in quel punto
Segni di spunta sulla linea	Pazienti censurati: pazienti persi al follow-up o studio interrotto. Non eventi.
Due curve che divergono presto e rimangono separate	Ciò suggerisce un beneficio terapeutico duraturo durante tutto il periodo di follow-up.
attraversamento delle curve	Ciò suggerisce che il rischio non è proporzionale nel tempo, il che complica l'interpretazione.
Sopravvivenza mediana	Il momento in cui la curva di sopravvivenza supera il 50% — il momento in cui metà dei pazienti ha avuto l'evento

Collegamento al rapporto di rischio

Migliori test dei ranghi logaritmici confronta statisticamente due curve KM. rapporto di rischio (HR) Riassume la differenza complessiva tra le curve. HR < 1 = il gruppo di trattamento ha un minor numero di eventi nel tempo. Se le curve si sovrappongono in modo sostanziale, l'HR sarà vicino a 1 (nessun beneficio).

Immaginate una curva KM come una scala che scende. Ogni gradino in basso rappresenta una persona che sperimenta l'evento. Un trattamento efficace mantiene le persone sui gradini più alti più a lungo: la discesa della scala del gruppo trattato è più lenta.

📊 Istogrammi: una panoramica della distribuzione

Un istogramma mostra la distribuzione di una variabile continua (ad esempio età, pressione sanguigna, BMI) raggruppando i valori in intervalli (bin) e indicando quante osservazioni rientrano in ciascuno di essi. A differenza di un grafico a barre, le barre si toccano, perché i dati sono continui.

Forma	Significato	Utilizzare la media o la mediana?
Forma a campana simmetrica	Distribuzione normale: media, mediana e moda sono tutte uguali	Entrambi — ma convenzionalmente media ± deviazione standard
Asimmetria positiva (a destra)	Coda lunga a destra: alcuni valori molto alti che alzano la media.	Mediana (più rappresentativa)
Asimmetria negativa (a sinistra)	Coda lunga a sinistra: alcuni valori molto bassi abbassano la media.	Mediana (più rappresentativa)
Bimodale (due picchi)	Due sottogruppi distinti nei dati	Riportare entrambi i picchi separatamente

Suggerimento AKT: se un istogramma mostra un'asimmetria positiva, la misura corretta di tendenza centrale da citare è la mediano. Se mostra una distribuzione normale, il significare è appropriato.

Miglioramento della qualità e audit clinico

Chiavetta	Missione	Funzionalità principali
Audit clinico	Valutare la pratica rispetto a standard espliciti; identificare e colmare le lacune	Richiede uno standard definito. Utilizza il ciclo PDSA. Prevede la chiusura del ciclo (nuova verifica). Non ricerca: senza ipotesi, non si generano nuove conoscenze.
Analisi degli eventi significativi (SEA)	Revisione sistematica multidisciplinare di un singolo evento significativo	Senza attribuzione di colpe. Si concentra sull'apprendimento del sistema, non sulla colpa individuale. Condiviso all'interno del team. Documenta l'apprendimento e le azioni intraprese.
Analisi della causa principale (RCA)	Indagine approfondita su incidenti gravi	Più strutturato rispetto alla SEA. Utilizza la tecnica dei "5 perché". Identifica le cause contributive e le cause profonde. Spesso utilizzato per eventi avversi gravi o danni gravi.
Segnalazione delle eccezioni QOF	Esclusione appropriata dei pazienti dagli indicatori QOF	Clinicamente appropriato per: terapia massima tollerata, dissenso informato del paziente, estrema fragilità o controindicazione clinica.

🔄 Audit clinico vs Ricerca: differenze principali

Caratteristica	Audit clinico	Ricerca
Missione	Migliorare l'assistenza confrontandola con gli standard	Generare nuova conoscenza
Ipotesi	Nessuno — confronta con lo standard esistente	Ha sempre un'ipotesi
Approvazione etica	Di solito non richiesto	Di solito richiesto
Consenso	Di solito non richiesto	Di solito richiesto
randomizzazione	Mai	Potrebbe includere studi clinici randomizzati
Risultato finale	Miglioramento del servizio; piano d'azione	Nuove prove; pubblicazione

Trappola AKT: "Un medico di base vuole verificare se un nuovo antibiotico raggiunge tassi di guarigione migliori rispetto al trattamento standard nel suo studio." → Questo è riparazioni (genera nuove conoscenze, ha un'ipotesi, necessita di etica). "Un medico di base misura se il tasso di revisione dell'asma del suo studio soddisfa lo standard NICE dell'80%." → Questo è revisione.

🔁 Ciclo PDSA

Il ciclo Plan-Do-Study-Act (PDSA) è il quadro di riferimento per il miglioramento continuo utilizzato nell'audit clinico e nel miglioramento della qualità.

Stage	Che succede
Pianifica	Definisci la domanda, stabilisci lo standard, pianifica la raccolta dei dati
Do	Implementare il cambiamento o misurare la pratica attuale
Studio	Analizzare i risultati; confrontarli con lo standard; identificare le lacune
Act	Implementare miglioramenti; pianificare una nuova verifica per chiudere il ciclo.

Calcoli clinici (Banca di formule AKT)

Queste formule compaiono spesso nei quesiti relativi al calcolo dell'AKT. Imparale una per una e conosci i valori limite clinici che richiedono un intervento.

Indice di massa corporea (BMI)

Peso (kg) ÷ Altezza² (m²)

Sottopeso <18.5 | Normopeso 18.5–24.9 | Sovrappeso 25–29.9 | Obeso ≥30 | Obesità patologica ≥40

Indice di pressione caviglia-braccio (ABPI)

Pressione sistolica massima alla caviglia ÷ Pressione sistolica massima al braccio

Normale: 1.0–1.3 | PAD: <0.9 | PAD grave: <0.5 | Non comprimibile (calcificata): >1.3

Unità alcoliche

(Volume in ml × Gradazione alcolica%) ÷ 1000

Ad esempio 750 ml × 12% ÷ 1000 = 9 unità. Basso rischio: ≤14 unità/settimana per entrambi i sessi. Non esiste un livello di sicurezza in gravidanza.

Colesterolo non HDL

Colesterolo totale − Colesterolo HDL

Obiettivo: <2.5 mmol/L nei pazienti in terapia con statine (linee guida NICE). Include tutte le lipoproteine aterogene.

Volume della dose di farmaco pediatrico

(Dose desiderata ÷ Concentrazione disponibile) × Volume

Ad esempio, un bambino ha bisogno di 250 mg, la sospensione è di 125 mg/5 ml: (250 ÷ 125) × 5 ml = 10 ml

Percentuale di perdita di peso (neonati)

[(Peso alla nascita − Peso attuale) ÷ Peso alla nascita] × 100

Una perdita di peso superiore al 10% nei primi 5 giorni richiede una valutazione. È normale perdere fino al 10%; il peso dovrebbe essere recuperato entro il decimo-quattordicesimo giorno.

Cockcroft-Gault (CrCl)

[(140−Età) × Peso(kg)] ÷ Creatinina(µmol/L) × K

K = 1.23 (uomini), 1.04 (donne). Stima la clearance della creatinina, utilizzata per il dosaggio dei farmaci in caso di insufficienza renale.

🧮 Esempio pratico di calcolo dell'indice ABPI

🎯 Scenario: La signora T, 72 anni, avverte dolore alle gambe durante la camminata.

1 Pressione alla caviglia (massima tra DP/PT): 90 mmHg | Pressione brachiale (massima tra braccio): 130 mmHg

2 ABPI = 90 ÷ 130 = 0.69

3 ABPI 0.69 = Malattia arteriosa periferica confermata (valore limite <0.9)

4 Il bendaggio compressivo è CONTROINDICATO — fare riferimento alla chirurgia vascolare

🍷 Esempi di unità alcoliche utilizzate

Bere	Volume (ml)	% ABV	Calcolo	Unità
Grande bicchiere da vino	250ml	13%	250 × 13 ÷ 1000	3.25
Bottiglia di vino	750ml	12%	750 × 12 ÷ 1000	9.0
Pinta di birra lager (forte)	568ml	5%	568 × 5 ÷ 1000	2.84
Misura di spirito singolo	25ml	40%	25 × 40 ÷ 1000	1.0

Linee guida a basso rischio: ≤14 unità/settimana (uomini e donne), distribuite su 3 o più giorni, con 2-3 giorni senza alcol a settimana. Questo è ciò che si discuterebbe in una consulenza sulla riduzione del consumo di alcol.

🧮

Esempi lavorati

🎯 Esempio 1: Calcolo di tutte le metriche di rischio da una tabella di prova

Uno studio clinico randomizzato (RCT) assegna i pazienti in modo casuale a ricevere il farmaco X o un placebo. Dopo 3 anni: 80 pazienti su 500 trattati con placebo hanno avuto un ictus; 40 pazienti su 500 trattati con il farmaco X hanno avuto un ictus.

1CER = 80/500 = 0.16 (16%) EER = 40/500 = 0.08 (8%)

2ARR = 0.16 − 0.08 = 0.08 (% 8)

3NNT = 1 ÷ 0.08 = 12.5 → arrotonda per eccesso a 13

4RRR = 0.08 ÷ 0.16 = 0.5 = 50%

5RR = 0.08 ÷ 0.16 = 0.5 (Il farmaco X dimezza il rischio di ictus)

🎯 Esempio 2: Costruzione di una tabella 2×2 e calcolo di sensibilità e specificità

Un nuovo test viene applicato a 200 pazienti, 100 dei quali affetti dalla malattia. Il test identifica correttamente 85 dei 100 pazienti con la malattia e identifica correttamente 80 dei 100 pazienti non affetti dalla malattia.

1TP = 85 | FN = 15 | TN = 80 | FP = 20

2Sensibilità = TP ÷ (TP+FN) = 85 ÷ (85+15) = 85/100 = 85%

3Specificità = TN ÷ (TN+FP) = 80 ÷ (80+20) = 80/100 = 80%

4PPV = TP ÷ (TP+FP) = 85 ÷ (85+20) = 85/105 = 81%

5NPV = TN ÷ (TN+FN) = 80 ÷ (80+15) = 80/95 = 84%

🎯 Esempio 3: Calcolo della dose pediatrica

Un bambino necessita di 300 mg di amoxicillina. La sospensione disponibile è da 250 mg/5 ml. Quale volume deve essere somministrato?

1Formula: (Dose desiderata ÷ Concentrazione disponibile) × Volume

2(300 ÷ 250) × 5 = 1.2 × 5 = 6ml

📋

Riepilogo delle formule e strumenti mnemonici

Formule di rischio e trattamento

ARR = CER − EER RRR = ARR ÷ CER RR = EER ÷ CER NNT = 1 ÷ ARR NNH = 1 ÷ ARI

Test diagnostici

Sensibilità = TP ÷ (TP+FN) Specificità = TN ÷ (TN+FP) PPV = TP ÷ (TP+FP) NPV = TN ÷ (TN+FN)

Formule per la popolazione e la pratica clinica

SMR = (Osservazioni ÷ Esperienze) × 100 BMI = Peso (kg) ÷ Altezza² (m) ABPI = Pressione sistolica alla caviglia ÷ Pressione sistolica al braccio alcol = (Volume × Gradazione alcolica%) ÷ 1000

🧠 Master Memory Helps

SnNout: Test sensibile: un risultato negativo esclude la malattia (screening)
SpPin: Test specifico — Conferma positiva della malattia
CI attraversa 1.0 (rapporto) o 0 (differenza) → non significativa
Il rombo della parcella forestale attraversa la linea → non significativo
Asimmetria dell'imbuto → distorsione di pubblicazione (o valore anomalo GP se contesto di performance)
Linea centrale del box plot → MEDIANA (non media)
68-95-99.7 → ±1SD, ±2SD, ±3SD nella distribuzione normale
I² >50% → eterogeneità sostanziale
OPPURE da caso-controllo | RR dalla coorte | Prevalenza da studi trasversali
Audit ≠ Ricerca (misure di audit vs standard; la ricerca genera nuove conoscenze)

📊 Mnemonica per la progettazione dello studio: "Per i casi, OR - Per le coorti, RR"

Controllo dei casi → OR (Odds Ratio) — guardando INDIETRO alle esposizioni
Coorte → RR (Rischio Relativo) — andando AVANTI dall'esposizione
Sezione trasversale → Prevalenza — ISTANTANEA NEL TEMPO
RCT / SR → Standard di riferimento per le domande sul trattamento

🎓

Perle di formazione e insegnamento

Punti deboli comuni dei tirocinanti su questo argomento

Spesso i tirocinanti imparano il NNT come una formula senza comprenderne il significato clinico effettivo: assicurati che siano in grado di spiegarlo in una frase comprensibile per un paziente.
La distinzione tra sensibilità/specificità (proprietà del test) e PPV/NPV (influenzati dalla prevalenza) è poco compresa: l'analogia del test di gravidanza funziona bene
Molti tirocinanti sanno che aspetto ha una parcella forestale ma non sanno spiegarla che cosa da osservare: concentrarsi sul diamante e se oltrepassa la linea di non effetto
Spesso si confonde il bias del tempo di consegna con il bias della lunghezza: utilizzare diagrammi o linee temporali per illustrare la distinzione.
I tirocinanti confondono spesso l'audit clinico con la ricerca: utilizzate gli esempi del RCGP tratti dalle valutazioni.

Idee per tutorial e spunti di discussione

"Ecco la tabella riassuntiva di uno studio clinico su un farmaco: può indicarmi il NNT (Number Needed to Treat, numero di pazienti da trattare per ottenere un beneficio) e se lo prescriverebbe a questo paziente?"
"Osservate questa porzione di foresta. L'intervento è efficace? Quanto siete sicuri di questa risposta?"
"Il suo paziente ha un test FIT positivo. Il valore predittivo positivo (PPV) in una popolazione a basso rischio è di circa il 3%. Come glielo spiega?"
"Stiamo riscontrando molti valori elevati di PSA. Qual è il problema nell'utilizzare il PSA come test di screening?"
"Un collega vorrebbe confrontare i nostri risultati relativi alla sepsi con quelli dell'ospedale. Si tratta di un audit o di una ricerca? Richiede l'approvazione del comitato etico?"
"Come spiegheresti a un paziente che chiede 'È sicuro?' una probabilità su 50 di un effetto collaterale?"

Domande di riflessione per i tutorial

Come spiegate attualmente il rischio ai pazienti? Utilizzate valori assoluti o relativi?
Ricorda una recente linea guida clinica che citava un NNT significativo? Qual era e in che modo ha influenzato la sua pratica?
Vi è mai capitato di richiedere un test senza conoscerne la sensibilità/specificità? Come avete interpretato il risultato?
Perché un'azienda farmaceutica potrebbe scegliere di presentare i risultati dei suoi studi clinici come RRR (Risk-Relative Range, percentuale di risposta corretta) anziché come ARR (Average Rate Rate, percentuale di risposta corretta)?

🔥 Consigli ad alto rendimento di AKT

Questi sono gli schemi che ricorrono ripetutamente nei test AKT. Memorizzali e otterrai un buon punteggio.

🎯 Calcolo NNT

Converti sempre prima le percentuali in numeri decimali. ARR = 5% → NNT = 1 ÷ 0.05 = 20. Arrotondare sempre. up al numero intero più vicino. Un NNT inferiore corrisponde a un trattamento più efficace.

🎯 CI oltrepassa il numero magico

Per i rapporti (RR, OR, HR): CI attraversa 1.0 = non significativo. Per le differenze: CI incrocia 0 = non significativo. Questo emerge in quasi tutte le domande relative ai forest plot.

🎯 Abbinamento del progetto di studio

Malattia rara → controllo dei casi → OPPURE. Nuova esposizione in futuro → coorte → RR. Panoramica sulla prevalenza → sezione trasversaleLe migliori evidenze a supporto del trattamento → RCT or SR/meta-analisi.

🎯 Sensibilità vs Specificità: quale usare quando

Prova di screening → Voglio un'elevata sensibilità (non voglio perdere casi → SnNout). Test di conferma → si desidera un'elevata specificità (non si desiderano falsi positivi → SpPin).

🎯 Il valore predittivo positivo (PPV) diminuisce nelle popolazioni a bassa prevalenza.

Anche un test altamente specifico (99%) offre un basso valore predittivo positivo in contesti a bassa prevalenza. La maggior parte dei risultati positivi nello screening di popolazione sono falsi positivi. Ecco perché non sottoponiamo tutti a screening per ogni cosa.

🎯 Diamante del lotto forestale

Se l' diamante (stima aggregata) attraversa la linea verticale di assenza di effetto → il risultato complessivo NON è statisticamente significativo. Se I² > 50% → eterogeneità sostanziale → il risultato aggregato è meno affidabile.

🎯 Asimmetria del Funnel Plot

Un vuoto nell'angolo in basso a sinistra di un funnel plot indica un bias di pubblicazione: gli studi con risultati negativi di piccole dimensioni non sono stati pubblicati. Questo gonfia l'effetto apparente di un trattamento nella meta-analisi.

🎯 Box-and-Whisker — Sempre mediana, non media

La linea interno la scatola è la medianoIl riquadro rappresenta l'IQR (50% centrale). I punti o i cerchi al di fuori dei baffi rappresentano i valori anomali.

🎯 RRR suona più impressionante di ARR

Le aziende farmaceutiche amano citare il RRR perché fa un effetto più forte. Un RRR del 50% sembra incredibile, finché non si scopre che il rischio di base era solo del 2% (→ ARR = 1%, NNT = 100). Chiedetevi sempre: qual era il rischio di base?

🎯 Mediana: da utilizzare per dati asimmetrici

Distribuzioni asimmetriche (reddito, degenza ospedaliera, bilirubina sierica) → utilizzare mediano Non si tratta di una media. La media è influenzata dai valori anomali; la mediana no.

🎯 Audit vs Ricerca

Audit: misure contro un esistente standard; nessuna etica necessaria; nessuna ipotesi. Ricerca: genera new conoscenza; necessita di approvazione etica; ha un'ipotesi. Una distinzione chiave che l'AKT testa ripetutamente.

🎯 Intention to Treat (ITT)

L'analisi ITT include tutti i partecipanti randomizzati indipendentemente dall'aderenza. Ciò fornisce un prudente Stima dell'efficacia: più realistica per la pratica clinica. L'analisi per protocollo sovrastima l'effetto.

🎯 Valore limite ABPI

ABPI < 0.9 = arteriopatia periferica. ABPI > 1.3 = vasi non comprimibili (calcificati) — risultato inaffidabile. Il bendaggio compressivo è controindicato se ABPI < 0.8 (verificare con le proprie linee guida sulla compressione).

🎯 Cates Plot NNT

Conta le facce che indicano un beneficio (di solito gialle o verdi). NNT = 100 ÷ (numero di facce che indicano un beneficio). 5 facce gialle → NNT = 20.

⚠️

Errori comuni e trappole per i tirocinanti

Questi sono gli errori che si ripetono nei sistemi di valutazione di AKT. Ognuno di essi rappresenta un punto perso da candidati reali.

Dimenticare di convertire le percentuali in decimali prima di calcolare l'NNT (ad esempio, ARR = 5% → è necessario utilizzare 0.05, non 5, per ottenere NNT = 20, non 0.2)
Arrotondamento NNT giù anziché up (NNT = 12.5 → la risposta è 13, non 12)
Confondere RRR con ARR e citare la cifra relativa dal suono più impressionante come beneficio clinico
Dire che un risultato è "significativo" quando l'intervallo di confidenza tocca appena 1.0 — deve Non includere 1.0 per essere significativo
Affermare che la linea mediana del diagramma a scatola e baffi è la media — è sempre la mediano
Confondere la sensibilità con il valore predittivo positivo (VPP): la sensibilità è una proprietà fissa del test; il VPP dipende dalla prevalenza.
Pensare che un test altamente specifico in una popolazione a bassa prevalenza fornirà un risultato positivo affidabile è sbagliato (basso valore predittivo positivo).
Confondere un OR con un RR: gli OR non possono essere usati direttamente come RR, tranne quando la malattia è rara.
Affermare che uno studio caso-controllo genera RR — genera OR, perché si parte da casi e controlli, non da una coorte esposta
Confondere l'audit clinico con la ricerca: affermare che un audit necessita di approvazione etica
Interpretare erroneamente il bias di anticipazione diagnostica come se un programma di screening migliorasse realmente la sopravvivenza.
Dimenticare che I² >50% in un grafico a foresta solleva dubbi sulla validità del risultato aggregato
Per descrivere dati asimmetrici (ad esempio reddito, durata del ricovero ospedaliero) si usa la media: in tal caso si usa la mediana.

🏁 Punti chiave da ricordare

NNT = 1 ÷ ARR. Convertire sempre le percentuali in decimali. Arrotondare sempre per eccesso. Un NNT inferiore corrisponde a un trattamento migliore.
ARR è clinicamente affidabile. RRR sembra impressionante ma può trarre in inganno. È fondamentale confrontare sempre RRR con il rischio di base.
Sensibilità e specificità sono proprietà fisse di un test. Il valore predittivo positivo (PPV) e il valore predittivo negativo (NPV) variano in base alla prevalenza della malattia.
SnNout: i test sensibili escludono l'esclusione quando negativi. SpPin: i test specifici confermano la presenza quando positivi.
Il rombo del forest plot attraversa la linea di non effetto → risultato non statisticamente significativo. I² >50% → problemi di eterogeneità.
Asimmetria del funnel plot → bias di pubblicazione. Punti al di fuori dei limiti del funnel nel monitoraggio delle prestazioni → pratiche di outlier.
Intervallo di confidenza per un rapporto che include 1.0 → non significativo. Intervallo di confidenza per una differenza che include 0 → non significativo.
Studio caso-controllo → OR. Studio di coorte → RR. Studio trasversale → prevalenza. RCT/SR → gold standard per il trattamento.
Dati asimmetrici → utilizzare la mediana, non la media. La linea centrale del box plot rappresenta la mediana. I punti oltre i baffi rappresentano i valori anomali.
Le verifiche cliniche si basano su standard: non è necessaria alcuna etica, né un'ipotesi. La ricerca genera nuove conoscenze: l'etica è necessaria.

Le domande di statistica nell'AKT sono tra le più facili da imparare in tutto il test. Dedicare qualche ora a questa pagina e a qualche esercizio pratico vi ripagherà ampiamente.