Michael A. Überall, MD, Norimberga, ha approfondito le insidie della lettura delle pubblicazioni degli studi e il significato dei dati statistici in una serie di seminari. Nel farlo, ha raccomandato di affidarsi al proprio buon senso e di non farsi fuorviare dai numeri. Molti studi sono ingannevoli e offrono già nell’abstract che un’analisi più approfondita dei contenuti non vale la pena.
Ogni anno vengono pubblicati innumerevoli studi sull’efficacia – o sull’inefficacia – delle terapie. Un criterio centrale nella valutazione dell’efficacia è il valore p: se manca la significatività statistica con un valore >0,05, uno studio è generalmente considerato fallito. “Il valore p, tuttavia, non dice nulla di giusto o sbagliato, ma indica semplicemente una probabilità”, ha spiegato Überall. Quindi, un valore p≤0,05 significa che il risultato è certo con una probabilità del 95% o più. Tuttavia, il valore può essere raggiunto anche per caso. Con un valore p di 0,06, il risultato è ancora sicuro al 94% – e la differenza con p≤0,05 è minima. “Un valore p >0,05 significa quindi davvero che la terapia non funziona? Dovremmo chiederci se questa convenzione sia corretta”, afferma. Questo perché un valore p =0,06 potrebbe significare che un farmaco, forse urgentemente necessario per molti pazienti, non riceve l’approvazione.
La certezza che una differenza tra due gruppi non sia casuale può essere aumentata da valori p <0,01 o <0,001. Un valore p <0,001 è considerato altamente significativo – e il risultato affidabile al 99,9%. Tuttavia, una probabilità di errore dello 0,1% significherebbe che 445.000 ricette mediche verrebbero compilate in modo errato ogni anno o che uno degli aerei che decollano o atterrano a Francoforte si schianterebbe ogni due giorni, ha sottolineato Überall. Anche un valore p <0,001 non è quindi sicuro al 100%. A suo avviso, uno dei valori più importanti in medicina è l’intervallo di confidenza, che di solito è dato al 95%. Se l’intervallo racchiude il valore 1 o se gli intervalli di confidenza di due terapie si sovrappongono, le differenze documentate nell’efficacia sono statisticamente irrilevanti. “Allora può tranquillamente mettere da parte lo studio”, affermò Überall.
Se lo studio non mantiene ciò che promette
Per quanto riguarda la lettura degli studi in generale, spesso è sufficiente dare un’occhiata all’abstract per capire se vale la pena di approfondire la lettura. Überall lo ha illustrato con l’esempio di uno studio sul trattamento del dolore neuropatico nei pazienti con sclerosi multipla. Il farmaco sperimentale non è stato più efficace del placebo nell’alleviare il dolore, ma ha causato effetti collaterali due volte più frequenti. Tuttavia, gli autori scrivono nel titolo della pubblicazione che il farmaco è un’opzione sicura per la terapia a lungo termine del dolore neuropatico. “Pertanto, leggete con buon senso se il contenuto di una pubblicazione mantiene ciò che il titolo promette”, ha fatto appello Überall ai partecipanti al congresso.
Conclusioni sbagliate da valutazioni errate
Quanto i dati degli studi possano essere fuorvianti è dimostrato da una valutazione che ha fatto il gioco degli scettici della vaccinazione Corona nel 2021. Secondo i dati del Ministero della Salute bavarese, le persone vaccinate hanno avuto un tasso di mortalità più alto del 4,3% rispetto alle persone non vaccinate con il 3,4%. Tuttavia, le persone anziane erano fortemente sovrarappresentate nella valutazione – e dopo la ponderazione per l’età, è emerso che i vaccinati avevano un rischio di morte inferiore rispetto ai non vaccinati. Cosa impariamo da questo? Anche gli studi di lettura devono essere appresi.
Fonte: Überall M: Statistiche nella medicina del dolore: Überall M: Statistiche in Medicina del dolore. Giornata tedesca del dolore e delle cure palliative 2023
InFo NEUROLOGIA & PSICHIATRIA 2023; 21(2): 29
