La statistica è un metodo essenziale nella ricerca medica e nella medicina basata sulle prove. Allo stesso tempo, pone i massimi requisiti alla metodologia e al know-how professionale. Una solida conoscenza di base della statistica è quindi un prerequisito per comprendere la letteratura medica. Uno dei pilastri fondamentali è il concetto di “probabilità”.
Nella pratica quotidiana, le probabilità non sono immediatamente accessibili. Invece, si osservano cluster di eventi. Questi corrispondono a una frequenza assoluta o relativa. La specificazione delle probabilità, invece, mira a quantificare il caso. Tuttavia, questo si basa su un costrutto teorico che può essere solo approssimato nella pratica. Un esempio: un medico dice al suo paziente affetto da tumore che ha il 50% di possibilità di sopravvivere nei prossimi due anni dopo la chemioterapia. Questa affermazione non deve essere intesa nel senso che di due pazienti trattati contemporaneamente, uno morirà entro i primi due anni, ma l’altro sopravviverà ai due anni con una certezza del 100%. Piuttosto, l’affermazione deve essere intesa nel senso che in un grande collettivo di pazienti, quasi la metà sopravvive nei due anni successivi, ma l’altra metà no. Un destino individuale è solo indirettamente implicito in questa affermazione. Ciò è dovuto al fatto che il medico curante non può conoscere tutti i fattori di influenza che consentono una prognosi affidabile e individuale.
Le persone sono pessime nell’interpretare le dichiarazioni esplicite di probabilità. Questo perché i due compiti sono chiaramente diversi: prevedere correttamente le plausibilità a metà strada o risolvere un problema matematico. L’intuizione statistica a volte è sbagliata. Fai un test: in un Paese in cui una persona su 1000 è infetta da HIV (ciò corrisponde a una prevalenza dello 0,1%), una persona selezionata a caso ottiene un risultato positivo del test. Il test è affidabile al 99%, quindi il risultato è sbagliato nell’1% dei casi. Quanto è probabile che la persona che è risultata positiva al test sia effettivamente infetta da HIV? 99%? Sbagliato. La risposta corretta è circa il 10%. Perché matematicamente, la situazione è la seguente: Su 1000 persone, solo una è infetta e il suo test è molto probabile che sia positivo. Ma anche 10 delle restanti 999 persone sane ottengono un risultato positivo del test, perché la percentuale di errore è dell’uno per cento. Quindi, tra il totale di 11 persone con risultati positivi al test, ce ne sono 10 sane (i falsi positivi) e una che è effettivamente infetta. Questo significa che c’è meno del 10% di possibilità di essere infettati dall’HIV se si risulta positivi al test.
L’ampio campo delle probabilità
Nella ricerca medica, la probabilità riceve un termine tecnico proprio a seconda della sua applicazione. Questi includono, ad esempio, il rischio, l’incidenza o la sensibilità. Fondamentalmente, tutte le probabilità vengono calcolate allo stesso modo in base al calcolo delle probabilità. La probabilità è una misura del verificarsi o meno di un evento e si divide in probabilità incondizionata e condizionata. In epidemiologia, si calcolano misure come il rischio assoluto o relativo, la riduzione assoluta del rischio, il numero necessario per trattare e l’odds ratio. Ma anche l’incidenza, la prevalenza, la mortalità e la letalità sono soggette al calcolo delle probabilità. Ma il pensiero statistico vero e proprio non è solo il calcolo di routine dei parametri o la mera applicazione di semplici test statistici (nella speranza di ottenere un risultato significativo), ma piuttosto lo sforzo di fare luce sull’oscurità dei dati e di avvicinarsi un po’ di più alla verità.
Ulteriori letture:
- Hilgers RD, Bauer P, Scheiber V (2003): Calcolo della probabilità. In: Introduzione alla statistica medica. La statistica e le sue applicazioni. Springer, Berlino, Heidelberg. https://doi.org/10.1007/978-3-662-06858-8_4
- www.spektrum.de/news/fehlurteile-wie-man-wahrscheinlichkeiten-richtig-versteht/1820015
- www.amboss.com/de/wissen/epidemiologie-und-wahrscheinlichkeiten
- https://heiup.uni-heidelberg.de/journals/index.php/hdjbo/article/download/24017/17712
