Comprensione dell'Analisi degli Studi Clinici: Potenza Statistica, Endpoint e NNT Spiegati

Vai alla Sezione

• Studi Clinici Sottodimensionati
• Endpoint Primari vs Secondari
• Fallacia del Tiratore del Texas
• Numero di Pazienti da Trattare (NNT)
• Interpretazione dei Risultati degli Studi
• Trascrizione Completa

Studi Clinici Sottodimensionati

Uno studio clinico sottodimensionato non include un numero sufficiente di partecipanti per rilevare in modo affidabile un effetto terapeutico reale. Il Dottor Stephen Evans, MD, spiega che la potenza di uno studio è la sua capacità di identificare una differenza reale se presente. Utilizza come esempio gli studi sul trattamento del COVID-19, osservando che lo studio della mortalità richiede un ampio campione perché i tassi di decesso possono essere bassi.

Ad esempio, rilevare una riduzione della mortalità dal 10% al 7% richiede un numero elevato di pazienti. Se uno studio è troppo piccolo, diventa sottodimensionato e potrebbe non identificare un beneficio clinicamente importante. I primi studi sul COVID-19 erano spesso sottodimensionati per gli esiti di mortalità. Il Dottor Stephen Evans, MD, sottolinea che la potenza è direttamente correlata all'esito specifico studiato.

Endpoint Primari vs Secondari

Gli studi clinici definiscono endpoint primari e secondari per misurare il successo del trattamento. L'endpoint primario è il principale esito che lo studio è progettato a valutare. Il Dottor Stephen Evans, MD, nota che la mortalità è un endpoint primario cruciale ma impegnativo perché richiede numeri elevati di pazienti.

I ricercatori spesso scelgono come esiti primari outcome più facili da studiare, come il tempo alla guarigione o la carica virale. Queste misure oggettive possono richiedere meno partecipanti. Tuttavia, il Dottor Evans avverte che queste definizioni devono essere chiare e stabilite prima dell'inizio dello studio. Modificare gli endpoint dopo aver visto i risultati introduce un bias significativo e invalida i risultati.

Fallacia del Tiratore del Texas

La Fallacia del Tiratore del Texas è un concetto critico per l'integrità degli studi clinici. Il Dottor Stephen Evans, MD, la descrive come il disegnare un bersaglio attorno ai fori dei proiettili dopo aver sparato. Nella ricerca, questo significa modificare l'esito primario dello studio dopo aver visionato i dati per ottenere un risultato desiderato.

Questa pratica introduce un bias severo e mina la validità dello studio. Sebbene esistano motivi legittimi per modificare gli endpoint, questi devono avvenire prima della svelatura dei risultati. Il Dottor Evans sottolinea che la pre-specificazione degli endpoint è essenziale per un'analisi credibile degli studi clinici. Ciò impedisce ai ricercatori di manipolare gli outcome per mostrare falsi positivi.

Numero di Pazienti da Trattare (NNT)

Il Numero di Pazienti da Trattare (NNT) è una metrica utile affinché i pazienti comprendano il beneficio del trattamento. Il Dottor Stephen Evans, MD, definisce l'NNT come il numero di pazienti che devono ricevere un trattamento per prevenire un esito negativo. Ad esempio, se un farmaco riduce la mortalità dal 10% al 5%, l'NNT è 20.

Ciò significa che 20 persone devono essere trattate per prevenire un decesso. Tuttavia, il Dottor Stephen Evans, MD, nota importanti limitazioni. L'NNT non è un numero puro; dipende dal tempo di follow-up e dalla definizione dell'esito. I confronti tra trattamenti sono validi solo se l'NNT è calcolato in modo identico. Nonostante la sua semplicità, l'NNT richiede un'interpretazione attenta.

Interpretazione dei Risultati degli Studi

Interpretare correttamente i risultati degli studi clinici richiede la comprensione di concetti statistici chiave. Il Dottor Stephen Evans, MD, consiglia di cercare studi adeguatamente dimensionati con endpoint pre-specificati. Ciò garantisce che i risultati siano affidabili e non dovuti al caso o a bias.

I pazienti dovrebbero considerare la rilevanza clinica degli outcome. Un risultato statisticamente significativo potrebbe non essere rilevante se l'NNT è molto alto. Il Dottor Anton Titov, MD, evidenzia l'importanza di questi concetti per l'alfabetizzazione sanitaria pubblica. Comprendere potenza, endpoint e NNT aiuta tutti a valutare criticamente le notizie mediche e a prendere decisioni informate.

Trascrizione Completa

Dottor Anton Titov, MD: Professor Evans, ci sono diversi concetti di base negli studi clinici. Cosa significa, ad esempio, che uno studio è sottodimensionato? La terminologia degli studi clinici è ora in primo piano; è sui giornali. Le persone devono comprendere questi concetti fondamentali. Quindi cosa significa se uno studio è sottodimensionato? Cos'è l'NNT, numero di pazienti da trattare? Ci sono pro e contro e quel tipo di concetto basilare. Cosa sono gli endpoint primari e secondari degli studi clinici? Chiaramente, alcuni studi hanno spostato i paletti, e questo è stato un dato comune nella comunità medica.

Dottor Stephen Evans, MD: Cercheremo di prendere quasi tutti i nostri esempi dalla situazione attuale con il COVID-19. Se vogliamo studiare la mortalità, ciò richiederà un numero abbastanza elevato di persone. Fortunatamente, non tutti moriranno, anche in una situazione ospedaliera. Se abbiamo, diciamo, il 10% di persone che muoiono, allora per trovare una differenza che sarebbe probabilmente abbastanza importante—ad esempio, ridurre quel tasso di mortalità del 10% entro 30 giorni dall'inizio del trattamento al 7% di mortalità—passiamo dal 10% al 7%. Avremo bisogno di un gran numero di pazienti per poter scoprire se una tale differenza si sta effettivamente verificando.

Eseguiamo un'analisi statistica su questo. Ma se i numeri sono troppo piccoli nello studio, allora quello è uno studio che definiamo sottodimensionato. La potenza dello studio di rilevare una differenza reale, se esiste, era troppo bassa. Questo è stato vero per alcuni dei primi studi condotti su potenziali trattamenti per il COVID-19.

Mentre se studiamo migliaia di pazienti, allora è improbabile che lo studio sia sottodimensionato per la mortalità come esito, a patto che abbiamo a che fare con differenze ragionevoli. Se volessimo rilevare una differenza tra un tasso di mortalità del 10% e del 9,9%, avremmo bisogno di decine di migliaia di pazienti. Questa, ovviamente, non è una differenza che sarebbe molto utile per i singoli pazienti.

Quindi gli studi sottodimensionati sono un problema. È sottodimensionato in relazione all'esito che studi. Se si rende la mortalità il proprio esito primario, si ha bisogno di molti pazienti. Molto spesso, ciò che le persone fanno è rendere la mortalità un esito secondario e rendere il proprio esito primario qualcosa che è più facile da studiare e per cui abbiamo bisogno di meno pazienti.

In questo tipo di situazione, spesso è il tempo alla guarigione dalla malattia. Il problema con ciò è che può essere leggermente soggettivo. Si può definire il raggiungimento di un livello di guarigione basato su una valutazione clinica, ma può essere basato sulla carica virale o qualcosa del genere, che è una valutazione oggettiva.

Quindi possiamo avere una valutazione oggettiva per un esito primario che è più facile da studiare della mortalità. Il problema è che quando guardiamo alla guarigione, abbiamo una definizione per essa. Ma può essere che le persone non soddisfino quelle definizioni. Diventa ovvio nello studio che l'esito che si è stabilito come primario non fornirà dati utili.

Possono esserci motivi legittimi per cambiarlo. Ma la difficoltà è che se le persone sanno cosa mostrano i risultati, possono cambiare la domanda e quindi ottenere la risposta che vogliono. In epidemiologia, questo è chiamato sindrome del tiratore del Texas, dove il pistolero del Texas si mette di fianco a un fienile e spara al fienile, e poi dopo si avvicina e disegna un bersaglio.

In uno studio è necessario avere un bersaglio specificato in anticipo, poi condurre lo studio e vedere quali sono i risultati, piuttosto che cambiare il bersaglio mentre lo studio è in corso. In generale, possono esserci motivi legittimi per cambiare il proprio esito. Ma bisogna stare molto attenti e assicurarsi di non farlo dopo aver già sparato e visto dove cadono i proiettili.

Bisogna farlo prima di sapere dove stanno cadendo i proiettili.

Quando arriviamo a misurare l'esito, una delle cose che possiamo fare è dire, qual è il tasso di mortalità? Diciamo che abbiamo una differenza di trattamento dal 10% al 5%. Ciò significa che ogni cento persone, ci saranno cinque persone che non muoiono a seguito del trattamento. Per ogni 20 persone, ci sarà una persona che non muore.

Quando capovolgiamo questo, diciamo che il numero di pazienti da trattare per prevenire un decesso sarà 20, con la nostra differenza tra il 10% e il 5%. Sarebbe lo stesso se ci fosse una differenza tra il 20% e il 15% o tra il 50% e il 45%. È una misura del numero di pazienti che devono essere trattati per prevenire un decesso.

A volte, invece della morte, guardiamo a un evento particolare come l'infarto miocardico o l'ictus. Il problema con questo numero è che non è un numero puro. Dipende da quanto tempo si è seguiti i pazienti. Ha anche alcuni altri problemi statistici.

Quindi non è uno che mi piace particolarmente, anche se suona abbastanza bene dire: "Oh, questo farmaco richiede 20 pazienti da trattare per ottenere il beneficio, mentre questo farmaco ne richiede 50." Se hai usato le stesse regole per entrambi, allora l'NNT può essere abbastanza utile. Ma devi stare attento ad assicurarti che la tua definizione dell'NNT, che non è un numero puro, sia usata esattamente allo stesso modo quando fai confronti tra trattamenti.