Comprendere gli Studi Clinici: Progettazione, Analisi e Sfide della Ricerca sul COVID-19

Vai alla Sezione

• Fondamenti degli Studi Clinici
• Randomizzazione e In cieco
• Importanza della Dimensione Campionaria
• Sfide degli Studi sul COVID-19
• Caso Clinico sull'Idrossiclorochina
• Principi di Sicurezza dei Farmaci
• Trascrizione Completa

Fondamenti degli Studi Clinici

Il Dottor Stephen Evans, MD, spiega che l'obiettivo principale degli studi clinici è effettuare confronti validi tra trattamenti. Lo scenario ideale prevedrebbe di trattare un gruppo di persone, per poi riavvolgere il tempo e trattare lo stesso gruppo con una terapia alternativa o senza trattamento. Questo modello teorico aiuta a isolare il vero effetto di un farmaco. Poiché ciò è impossibile nella realtà, i ricercatori utilizzano gruppi di controllo per il confronto.

Il Dottor Stephen Evans, MD, sottolinea che osservare semplicemente gli esiti senza un disegno controllato conduce a uno studio osservazionale. Questi studi non possono garantire che i gruppi confrontati siano veramente simili all'inizio. L'obiettivo fondamentale è assicurare che eventuali differenze negli esiti siano dovute al trattamento stesso e non ad altri fattori.

Randomizzazione e In cieco

La randomizzazione è il metodo gold standard per creare gruppi comparabili in uno studio clinico. Il Dottor Stephen Evans, MD, afferma che assegnare casualmente i pazienti al gruppo di trattamento o di controllo garantisce che i gruppi siano simili in media. Questo processo minimizza il bias e le variabili confondenti che potrebbero distorcere i risultati.

L'in cieco, in cui i partecipanti e talvolta gli sperimentatori non sanno chi sta ricevendo il trattamento, riduce ulteriormente il bias. Il Dottor Stephen Evans, MD, nota che misure di esito oggettive, come la mortalità, sono cruciali. Gli esiti soggettivi possono essere influenzati dalle aspettative se l'assegnazione del trattamento è nota, potenzialmente compromettendo la validità dello studio.

Importanza della Dimensione Campionaria

Una dimensione campionaria adeguata è fondamentale per rilevare un vero effetto terapeutico. Il Dottor Stephen Evans, MD, spiega che studiare troppo pochi pazienti può portare a risultati fuorvianti a causa della variazione casuale tra individui. Ad esempio, se un paziente nel gruppo di trattamento ha un esito negativo, potrebbe essere dovuto al suo stato di salute iniziale e non al farmaco.

Il numero richiesto di partecipanti aumenta significativamente quando si studiano esiti rari. Il Dottor Evans illustra che un tasso di mortalità dell'1% richiederebbe uno studio con migliaia di pazienti per avere sufficiente potenza statistica per vedere una differenza significativa tra i gruppi, se presente.

Sfide degli Studi sul COVID-19

La pandemia di COVID-19 ha creato un'urgenza senza precedenti per gli studi clinici. Il Dottor Stephen Evans, MD, discute come questa corsa abbia coinvolto la sperimentazione sia di nuovi farmaci che di medicinali riproposti. La velocità della ricerca a volte ha portato a studi che utilizzavano metodi diversi o cambiavano obiettivi a metà studio basandosi su analisi dati in continuo.

Il Dottor Evans riconosce i costi reali di questo ritmo accelerato, inclusa la potenziale confusione per i medici di prima linea e il rischio di conflitti di interesse. L'intervista con il Dottor Anton Titov, MD, esplora come la comunità scientifica abbia navigato queste sfide cercando di mantenere l'integrità della ricerca.

Caso Clinico sull'Idrossiclorochina

Il Dottor Stephen Evans, MD, utilizza l'idrossiclorochina come esempio principale di farmaco riproposto studiato durante la pandemia. Questo medicinale aveva una storia consolidata di uso per la malaria e le malattie autoimmuni, il che significa che il suo profilo di sicurezza e gli effetti avversi comuni erano già ben documentati.

Questa conoscenza pregressa è stata cruciale per contestualizzare i nuovi risultati degli studi. Il caso dell'idrossiclorochina evidenzia la differenza tra investigare un composto completamente nuovo rispetto a uno con dati umani esistenti estesi.

Principi di Sicurezza dei Farmaci

Un principio centrale della farmacologia è che tutti i farmaci efficaci hanno effetti collaterali. Il Dottor Stephen Evans, MD, offre un aforisma chiave: "Ogni farmaco efficace ha effetti indesiderati, solitamente avversi." Questo principio sottolinea che l'idea di un farmaco completamente sicuro e privo di effetti collaterali è irrealistica.

Comprendere questa realtà è vitale sia per i clinici che per i pazienti. La discussione del Dottor Evans con il Dottor Anton Titov, MD, rafforza che il beneficio di un farmaco deve sempre essere soppesato contro i suoi potenziali rischi, un calcolo particolarmente importante durante un'emergenza sanitaria pubblica.

Trascrizione Completa

Dottor Anton Titov, MD: Se passiamo alla pandemia di COVID-19, essa ha portato a una focalizzazione senza precedenti sugli studi clinici di farmaci e vaccini. Gli studi clinici di nuovi farmaci e di farmaci riproposti sono stati accelerati notevolmente. Gli studi clinici utilizzano metodi molto diversi. A volte gli studi clinici cambiano obiettivi a metà studio basandosi su un'analisi in continuo dei dati.

E il costo di tale fretta può essere molto reale. I medici clinici in prima linea possono essere confusi; potrebbero essere presenti conflitti di interesse, risultando in vite perse. E tutti noi possiamo beneficiare della tua enorme esperienza in due modi.

Quindi, prima, forse potremmo discutere alcuni studi clinici prominenti che affrontano la terapia per COVID-19. E secondo, diamo una visione d'insieme e affrontiamo le basi dell'analisi degli studi clinici.

Dottor Stephen Evans, MD: Una delle cose, naturalmente, è che dobbiamo cercare di assicurarci di fare confronti validi tra trattamenti. Questo è il nostro obiettivo fondamentale. Idealmente, tratteremmo un gruppo di persone con un trattamento, poi premeremmo un pulsante di riavvolgimento del tempo e le porteremmo indietro a prima che ricevessero quel trattamento.

E poi le seguirremmo con un trattamento alternativo o senza trattamento, così da poter vedere cosa succede alle persone, in primo luogo, nella condizione del trattamento, e in secondo luogo, in una condizione in cui non hanno ricevuto trattamento. Tuttavia, dobbiamo premere il pulsante di riavvolgimento del tempo, perché alla fine di un periodo di trattamento, non sono le stesse di come erano all'inizio.

Ma naturalmente, questo è solo un concetto matematico. Non puoi farlo nella realtà. Quindi, in quasi ogni caso, abbiamo un gruppo di persone a cui viene somministrato un trattamento e un altro gruppo a cui non viene somministrato trattamento o viene somministrato un trattamento alternativo, e cerchiamo di assicurarci che le persone che ricevono il trattamento siano le stesse di quelle che ricevono il controllo.

Ora, se osserviamo solo cosa succede, e permettiamo ai medici di allocare i pazienti al trattamento di test, e poi semplicemente accettiamo le persone che hanno il controllo, questo è uno studio osservazionale. E non sappiamo se siano veramente comparabili. Quindi le randomizziamo a ricevere il trattamento o il controllo.

E poi possiamo essere sicuri che in media, il gruppo nel suo insieme è simile, chi ha ricevuto il trattamento e il controllo, e poi cerchiamo di seguirli esattamente nello stesso modo. Idealmente, nessuno nello studio sa se sta ricevendo il trattamento o il controllo, ma a volte ciò è impossibile.

E quindi dobbiamo convivere con il fatto che qualcuno sa che tipo di trattamento sta ricevendo. Almeno il loro medico lo sa. In tali circostanze, cerchiamo di assicurarci di avere misure oggettive di cosa succede loro—ciò che chiamiamo l'esito.

E se abbiamo misure oggettive di esito, specialmente qualcosa come la mortalità, classificare qualcuno come morto o vivo in generale è abbastanza facile. E ciò significa che non puoi introdurre elementi soggettivi. Se hai elementi soggettivi, allora è molto più difficile se sai qual è il trattamento.

Hai aspettative; speri che il trattamento funzioni o senti che non funziona. E quindi cerchiamo di assicurarci che questi confronti che facciamo siano il più validi possibile. Dobbiamo anche assicurarci di studiare un numero sufficiente di persone.

Se ho semplicemente una persona nel trattamento e una nel controllo, sappiamo che la variazione casuale tra le persone potrebbe significare che la persona nel trattamento va male, ma è dovuto al suo stato di salute iniziale e non al trattamento. Quindi dobbiamo avere abbastanza persone in modo che la variabilità casuale tra le persone sia gestita.

E abbiamo gruppi simili nel loro insieme. Se dobbiamo gestire esiti rari, abbiamo bisogno di numeri molto più grandi. Se solo una persona su 100 muore, e stiamo studiando la morte, e studiamo solo 90 persone, allora ovviamente non vedremo una differenza tra il trattamento e il controllo.

Quindi abbiamo bisogno, quando c'è solo un tasso di mortalità dell'1%, se vogliamo averlo, di studiare possibilmente migliaia di pazienti. Quindi dobbiamo avere numeri sufficienti. Dobbiamo aver progettato gli studi correttamente.

Riguardo al COVID-19, come hai accennato, dobbiamo essere consapevoli che a volte vogliamo provare qualcosa di totalmente nuovo. In altri casi, possiamo usare un farmaco per il quale abbiamo già molta esperienza. E sappiamo che funziona in qualche altra condizione.

Un esempio di questo è l'idrossiclorochina, che è stata usata per trattare la malaria e le malattie autoimmuni. E quindi ne sappiamo abbastanza. Conosciamo la lunga lista di effetti avversi che ha.

L'idea che il farmaco non abbia effetti avversi è irrealistica e semplicemente non vera. A volte dico agli studenti, ho un aforisma che dice: "Ogni farmaco efficace ha effetti indesiderati che sono solitamente avversi." Nella nostra situazione attuale, stiamo cercando di fare tutto questo processo il più rapidamente possibile.