obiettivo di uno studio clinico:
DESCRIPTION
Obiettivo di uno studio clinico:. Misurare quanto una “esposizione” è in grado di influenzare un esito. Esposizione = trattamento terapeutico, farmaco Esito = effetto sulla salute. Come misuriamo l’associazione tra: trattamento (o esposizione) ed effetto (outcome) ?. - PowerPoint PPT PresentationTRANSCRIPT
Obiettivo di uno studio clinico:
• Misurare quanto una “esposizione” è in grado di influenzare un esito.
• Esposizione = trattamento terapeutico, farmaco
• Esito = effetto sulla salute
Come misuriamo l’associazione tra:
trattamento (o esposizione)
ed
effetto (outcome)
?
Qual è il valore corretto quando abbiamo diversi studi
?
• Immaginiamo di avere molteplici studi sullo stesso argomento, ad esempio...
La risposta più corrente è ‘facciamo una meta-analisi’
La risposta più corrente è ‘facciamo una meta-analisi’
ma...
• La meta-analisi assume che la variabilità tra gli studi sia effetto della variazione casuale e che tutti gli studi siano quindi stime campionarie dello stesso parametro.
Dobbiamo considerare:
• Selezione degli studi
• Qualità degli studi
• Rappresentatività degli studi
• Eterogeneità tra gli studi
Le fonti di distorsione più comuni:
• Selezione:– publication bias e reporting bias– pubblicazione ‘differenziale’ tra riviste di
diverso livello
Da Pich et al. Lancet, 2003; 361:1015-6
• trials approvati dal comitato etico nazionale spagnolo:
• 158 di cui 123 conclusi
• 26 pubblicati
Valutazione del publication bias
Dobbiamo considerare:
• Selezione degli studi
• Qualità degli studi
• Rappresentatività degli studi
• Eterogeneità tra gli studi
Valutazione di qualità
• Potenza dello studio ?• Assegnazione casuale (randomizzazione) ai trattamenti• Differenze sistematiche tra i due gruppi• Distribuzione dei fattori prognostici e degli altri
confondenti• Cecità (quando appropriato)• Criteri di inclusione o esclusione studio ben definiti ?• Durata del follow-up in rapporto alla patologia ?• Completezza del follow-up.• Percentuale dei pazienti che ha portato a termine il
trattamento• Analisi nel gruppo di assegnazione ("intention to treat") ?
Dobbiamo considerare:
• Selezione degli studi
• Qualità degli studi
• Rappresentatività degli studi
• Eterogeneità tra gli studi
Metodi statistici per le metaanalisi
• I metodi più comuni assumono che nella popolazione vi sia un unico valore del parametro che vogliamo stimare
• I diversi studi sono solo stime campionarie di questo parametro
• Pertanto la stima migliore sarà una media pesata dei risultati di tutti gli studi
Metodi statistici per le metaanalisi
• Il peso assegnato a ciascuno studio deve premiare gli studi più ‘stabili’.
Metodi statistici per le metaanalisi
• Se gli studi stimano un Odds Ratio o un Rischio Relativo:
• Metodo di Mantel-Haenszel (illustrato per il caso dell’OR)
I risultati di ciascuno studio sono riassunti in una tabella di questo tipo:
Trattati Non trattati
esito favorevole a b
esito non favorevole c d
Le lettere nelle celle corrispondono al numero di soggetti (ad es. a indica il numero di soggetti trattati e con esito favorevole)
ii
iii bc
daOR
Per distinguere uno studio dall’altro li numeriamo e, nelle formule usiamo la lettera i, che corrisponde al numero progressivo dello studio.
studio 1 Trattati Non trattati
esito favorevole a1 b1
esito non favorevole c1 d1
studio 2 Trattati Non trattati
esito favorevole a2 b2
esito non favorevole c2 d2
.......
studio n Trattati Non trattati
esito favorevole an bn
esito non favorevole cn dn
O, più in generale:
studio i Trattati Non trattati
esito favorevole ai bi
esito non favorevole ci di
La formula di Mantel Haenszel consente di calcolare l’OR comune a tutti gli studi.
ii
iii
peso
ORpesoORmh
ii
iii
peso
ORpesoORmh
Dove:
ii
iii bc
daOR
ii ianza
pesovar
1
ii
ii cb
nianza
var
O, più in generale:
studio i Trattati Non trattati
esito favorevole ai bi
esito non favorevole ci di
eORmhORmh
confvar96.1ln
%95_int_
Test di omogeneità / eterogeneità
i
ii ORORmhpesoQ 2lnln
Q viene letto come un chi^2 ad 1 g.l.
Obiettivo di uno studio clinico:
• Misurare quanto una “esposizione” è in grado di influenzare un esito.
• Esposizione = trattamento terapeutico, farmaco
• Esito = effetto sulla salute
Come misuriamo l’associazione tra:
trattamento (o esposizione)
ed
effetto (outcome)
?
La risposta dipende dal tipo di studio:
• Studio retrospettivo o caso-controllo
• Studio prospettico o coorte o clinical trial
e dal tipo di variabile che definisce l’outcome
• categorica binaria
• categorica non binaria
• quantitativa
• tempo (di sopravvivenza)
Var. categorica binaria
• Es. miglioramento vs non miglioramento dopo la somministrazione di un farmaco.
Var. categorica non binaria
• Esito dopo un ricovero in rianimazione per trauma cranico. L’esito è classificato secondo una scala a 5 livelli:– morto– in stato vegetativo– gravemente invalido– lievemente invalido– buone condizioni
(scala di Glasgow, ordinale)
Var. quantitativa
• Variazione di una misura ematochimica
Var. tempo
• Tempo di sopravvivenza
• tempo di remissione
Se var. categorica binaria Rischio Relativo (RR)
totale guariti
Trattati 100 20
Placebo 100 10
• RR= (20/100) / (10/100) = 2• [OR=(20/90) / (10/80) = 1.8]
• Questa è una formula semplificata che si applica SOLO quando tutti i soggetti sono stati seguiti per lo stesso tempo e non ci sono persi al follow-up !!
Come calcoliamo RR nel caso di uno studio longitudinale ?
• rapporto tra tassi
(solo se non c’è confondimento!)
• rapporto tra tassi standardizzati
• regressione logistica
• regressione di Poisson
Cosa dobbiamo sempre calcolare?
• Intervallo di confidenza
• test di significatività (chi^2)
categorica non binaria
• I metodi sono più complessi ma possiamo
calcolare:
• RR per la transizione da una categoria di
esito a quella adiacente più grave
• RR per una qualsiasi categoria rispetto alla
condizione migliore
quantitativa
• Differenza (o rapporto)
• Test di significatività – analisi della varianza – test t– tests non parametrici
• intervallo di confidenza
tempo
• Curve di sopravvivenza e metodo di Kaplan Meier (valutazione non parametrica della funzione di sopravvivenza)
• Modello semiparametrico di Cox
• Modelli parametrici (esponenziale , Gomperz)
Confondimento?
• il confondente determina l’apparente associazione esposizione - malattia quando in realtà non vi è associazione causale
• es:
• cerini in tasca e tumore polmonare;
• differenza tra tassi in diversi comuni urbani e rurali a causa di differenza di età
Tumore polmonare
Alcool
Associazione
Fumo di tabacco Tumore polmonare
Alcool
causa
Causa apparente o reale?È associato a
Fumo di tabacco Tumore polmonare
Alcool
causa
È associato a