Epidemiologia clinica

Prevalenza reale ed apparente

Valore predittivo positivo (VPP) Rappresenta la proporzione di realmente malati tra i positivi al test. Dipende da specificità e prevalenza (il valore predittivo positivo è tanto più elevato quanto maggiore sarà la prevalenza della condizione).

Valore predittivo negativo (VPN) Rappresenta la proporzione di popolazione realmente sana tra i negativi al test. Dipende da sensibilità e prevalenza (decresce all'aumentare della stessa).

Rapporto di verosimiglianza (LHR)

LIKELIHOOD RATIO (LHR):

1. Valore positivo (0; ∞) indica quante volte è più probabile un risultato positivo del test in soggetti infetti rispetto a sani. Il test perfetto dovrebbe avere valore ∞ (individua tutti i veri positivi, non i falsi).
2. Il valore di LHR negativo (0;1) indica quante volte è meno probabile un risultato negativo del test in soggetti infetti rispetto ai sani. Il test perfetto dovrebbe avere valore 0.

(individua tutti i verinegativi, non i falsi negativi) Sensibilità: LHR+ (1-specificità)(1-sensibilità) LHR-: Specificità: RV+ RV- Risultato sulla diagnosi >10 <0,1 conclusivo 5-10 0,1-0,2 moderatamente utile 2-5 0,2-0,5 a volte utile 1-2 0,5-1 raramente utile 1 1 non utile Errore casuale Errore casuale o random: sono i più pericolosi perché i più difficili da individuare e per questo motivo non è possibile tenerne conto in fase di analisi. Variazione biologica individuale - Errore nel campionamento (es: tecnica scelta non idonea allo studio) - Errore nella misurazione (es: problemi non noti dello strumento di misura) Errori sistemici o bias Possono mascherare o amplificare l'effetto dell'esposizione ad un determinato fattore sospettato di favorire la malattia. Vi sono 3 tipi di bias: 1. Bias di selezione: riguardano le modalità con cui i gruppi di soggetti sono stati selezionati. 2. Biasdi informazione: includono tutte le distorsioni dovute ad erronea o non precisa classificazione dello stato del soggetto: - malato/non malato - esposto/non esposto - diagnosi non corrette - risposte imprecise ai questionari 3. Bias di confondimento: si realizza per intervento di fattori estranei che influenzano l'insorgenza della malattia. Gli errori influiscono sulla accuratezza della misura, ossia capacità di dare una risposta vicina al valore vero, e ciò è dato da errori che portano ad una sovrastima (o sottostima) del valore vero: errori sistematici. Gli errori influiscono sulla precisione della misura, ossia ripetibilità (nello stesso esperimento) e riproducibilità (in esperimenti diversi), e ciò è dato da errori che portano a stime in parte superiori in parte inferiori al valore vero: errori casuali. Gli errori sistematici e casuali possono verificarsi indipendentemente, ed essere associati a diversi.Stadi dell'esperimento

Confondimento

Il confondimento è il fenomeno per il quale la relazione vera esistente tra l'esposizione e la malattia risulta alterata per la presenza di un altro fattore, o variabile, detto appunto confondente.

Fattori confondenti più comuni:

• Età
• Sesso
• Occupazione
• Scolarità

Un fattore è un confondente se:

1. È un fattore di rischio per la malattia nei non esposti;
2. È associato all'esposizione nella popolazione sorgente studiata;
3. Non dipende dall'esposizione, né dalla malattia, in particolare, non è uno step intermedio nel percorso causale tra l'esposizione e la malattia.

Test diagnostici in serie

La somministrazione di test diagnostici in serie è tipica delle situazioni in cui sia necessario avviare un paziente in un percorso diagnostico caratterizzato da esami sempre più approfonditi e indaginosi, per esempio nel caso dei programmi di

screening.
La somministrazione di test diagnostici in serie permette di riservare i test sempre più specifici (spesso costosi e pericolosi) solo a determinati tipi di pazienti, in particolare a quelli risultati positivi a test precedenti e, pertanto, con una più alta probabilità di malattia.
1. Quando dei soggetti devono essere sottoposti a test diagnostici invasivi o molto costosi; in tale circostanza, è opportuno individuare quali soggetti sottoporre al test invasivo e sarà appropriato selezionare solo quelli già risultati positivi a un primo test diagnostico (di più facile attuazione) e che necessitano di ulteriori approfondimenti (secondo test applicato solo ai soggetti risultati positivi al primo test).
2. Quando si è in presenza di soggetti particolarmente a rischio per una determinata patologia e che, a un primo test diagnostico, di non elevata sensibilità, siano risultati negativi (secondo test applicato solo ai soggetti

risultati negativi al primo test). Nel caso della somministrazione di test diagnostici in serie, il paziente sarà considerato ammalato se due o più test risulteranno tutti positivi. In tale situazione, il processo diagnostico è riservato solo ai pazienti con risultati positivi al primo test e ogni successivo esame sarà eseguito solo se quelli precedenti sono risultati positivi.

Test diagnostici in parallelo: La somministrazione di test diagnostici in parallelo è tipica delle condizioni di emergenza, per esempio nei Pronto Soccorso, quando è necessario porre diagnosi nel più breve tempo possibile. Il paziente sarà considerato ammalato se almeno uno di due o più test risulterà positivo (interpretazione dei risultati in chiave "OR"). Oppure (modalità "AND") si considera ammalato un paziente che è risultato positivo ad entrambi i test. La valutazione in parallelo dei risultati di una batteria di test,

dal momento che aumenta la probabilità che un paziente risulti positivo al quesito diagnostico, rispetto ai singoli test, determinerà una maggiore sensibilità, per la riduzione dei falsi negativi, e una minore specificità, per l’aumento dei falsi positivi. Il teorema di Bayes Thomas Bayes (1702-1761): si conosce il risultato di un esperimento se si vuole conoscere la probabilità che esso sia dovuto ad una determinata causa. In medicina raramente esiste una relazione univoca tra causa (patologia) ed effetti (outcomes). Spesso si hanno difficoltà ad individuare tutte le possibili cause che contribuiscono a «determinare» un outcome e quindi le probabilità a priori ad esse associate. Il teorema di Bayes consente, conoscendo la prevalenza di una malattia, e la sensibilità e la specificità di un test per la sua diagnosi, di calcolare la probabilità di malattia in caso di test positivo (o la probabilità

diassenza della malattia in caso di test negativo). Consente, in altre parole, il passaggio dalla patologia medica alla clinica medica, e fornisce le basi della razionalità della diagnostica di laboratorio e, a un livello superiore, della decisione medica.

GLI STUDI EPIDEMIOLOGICI

Concetto di popolazione e campione:

• Popolazione: insieme di unità elementari ben identificabili, delle quali interessa studiare una o più caratteristiche ad esse comuni. Esempio: L'insieme delle parole di cui si compone un libro è una popolazione se si esamina una qualche loro proprietà, come la lunghezza.
• Campione: sottoinsieme di una totalità di elementi che viene assunto a rappresentare la totalità stessa, costituita dalla popolazione oggetto di indagine.

Campionamento Si definisce campionamento un procedimento attraverso il quale da un insieme di unità (detto collettivo, popolazione o universo), che costituiscono l'oggetto dello studio,

si ottenere risultati generalizzabili all'intera popolazione. - Campionamento probabilistico: si basa su criteri di casualità nella scelta delle unità da campionare. Es: campionamento casuale semplice, in cui ogni unità ha la stessa probabilità di essere selezionata; campionamento stratificato, in cui la popolazione viene divisa in gruppi omogenei e viene selezionato un campione da ciascun gruppo; campionamento a grappoli, in cui la popolazione viene divisa in gruppi o cluster e viene selezionato un numero limitato di cluster da campionare. La corretta selezione del campione è fondamentale per garantire la validità dei risultati dell'indagine.probabilistico è un metodo di selezione dei campioni in cui ogni entità della popolazione di studio ha una probabilità nota di essere inclusa nel campione. Questo tipo di campionamento garantisce la rappresentatività della popolazione, mentre le valutazioni ottenute da campioni non probabilistici non possono essere generalizzate ai parametri della popolazione. Le proprietà del campionamento probabilistico sono: - Rappresentatività: è la capacità di fornire, in modo accurato ma su scala ridotta, un'immagine della popolazione a cui si riferisce. - Sufficienza: misura l'affidabilità dei dati, ovvero la probabilità che essi siano validi per l'intera popolazione entro termini statisticamente determinabili. - Eterogeneità: presenza di caratteristiche e qualità diverse nel campione, legate alla variabilità dei comportamenti. Il campionamento probabilistico offre numerosi vantaggi, tra cui la comodità, la velocità di estrazione e i costi bassi.può essere di vari tipi: - Semplice: estraggo a sorte. Ogni individuo della popolazione considerata ha la stessa possibilità di essere estratto. Si divide in "con o senza ripetizione" a seconda che ogni individuo possa essere selezionato una sola volta o più di una. - Stratificato: divido la popolazione in strati e pesco un campione che studierò. Quando la popolazione viene divisa in sottogruppi secondo caratteristiche ritenute importanti per la specifica ricerca (età, razza, sesso) e da ognuno di essi è estratto un campione randomizzato di entità proporzionale alla percentuale di quel gruppo nella popolazione totale (ha infatti il vantaggio di ridurre la variabilità campionaria). - Cluster (o grappolo): divido la popolazione in GRUPPI che diventano le unità dalle quali verrà randomizzata una quota da includere nello studio. - Sistematico: quello che più si avvicina ai criteri della randomizzazione. Ad esempio

Considero