{"id":325028,"date":"2022-08-18T01:00:00","date_gmt":"2022-08-17T23:00:00","guid":{"rendered":"https:\/\/medizinonline.com\/probabilita-in-vista\/"},"modified":"2022-08-18T01:00:00","modified_gmt":"2022-08-17T23:00:00","slug":"probabilita-in-vista","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/it\/probabilita-in-vista\/","title":{"rendered":"Probabilit\u00e0 in vista"},"content":{"rendered":"

La statistica \u00e8 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 \u00e8 quindi un prerequisito per comprendere la letteratura medica. Uno dei pilastri fondamentali \u00e8 il concetto di “probabilit\u00e0”.<\/strong><\/p>\n

<\/p>\n

Nella pratica quotidiana, le probabilit\u00e0 non sono immediatamente accessibili. Invece, si osservano cluster di eventi. Questi corrispondono a una frequenza assoluta o relativa. La specificazione delle probabilit\u00e0, invece, mira a quantificare il caso. Tuttavia, questo si basa su un costrutto teorico che pu\u00f2 essere solo approssimato nella pratica. Un esempio: un medico dice al suo paziente affetto da tumore che ha il 50% di possibilit\u00e0 di sopravvivere nei prossimi due anni dopo la chemioterapia. Questa affermazione non deve essere intesa nel senso che di due pazienti trattati contemporaneamente, uno morir\u00e0 entro i primi due anni, ma l’altro sopravviver\u00e0 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 met\u00e0 sopravvive nei due anni successivi, ma l’altra met\u00e0 no. Un destino individuale \u00e8 solo indirettamente implicito in questa affermazione. Ci\u00f2 \u00e8 dovuto al fatto che il medico curante non pu\u00f2 conoscere tutti i fattori di influenza che consentono una prognosi affidabile e individuale.<\/p>\n

Le persone sono pessime nell’interpretare le dichiarazioni esplicite di probabilit\u00e0. Questo perch\u00e9 i due compiti sono chiaramente diversi: prevedere correttamente le plausibilit\u00e0 a met\u00e0 strada o risolvere un problema matematico. L’intuizione statistica a volte \u00e8 sbagliata. Fai un test: in un Paese in cui una persona su 1000 \u00e8 infetta da HIV (ci\u00f2 corrisponde a una prevalenza dello 0,1%), una persona selezionata a caso ottiene un risultato positivo del test. Il test \u00e8 affidabile al 99%, quindi il risultato \u00e8 sbagliato nell’1% dei casi. Quanto \u00e8 probabile che la persona che \u00e8 risultata positiva al test sia effettivamente infetta da HIV? 99%? Sbagliato. La risposta corretta \u00e8 circa il 10%. Perch\u00e9 matematicamente, la situazione \u00e8 la seguente: Su 1000 persone, solo una \u00e8 infetta e il suo test \u00e8 molto probabile che sia positivo. Ma anche 10 delle restanti 999 persone sane ottengono un risultato positivo del test, perch\u00e9 la percentuale di errore \u00e8 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 \u00e8 effettivamente infetta. Questo significa che c’\u00e8 meno del 10% di possibilit\u00e0 di essere infettati dall’HIV se si risulta positivi al test.<\/p>\n

L’ampio campo delle probabilit\u00e0<\/h2>\n

Nella ricerca medica, la probabilit\u00e0 riceve un termine tecnico proprio a seconda della sua applicazione. Questi includono, ad esempio, il rischio, l’incidenza o la sensibilit\u00e0. Fondamentalmente, tutte le probabilit\u00e0 vengono calcolate allo stesso modo in base al calcolo delle probabilit\u00e0. La probabilit\u00e0 \u00e8 una misura del verificarsi o meno di un evento e si divide in probabilit\u00e0 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 mortalit\u00e0 e la letalit\u00e0 sono soggette al calcolo delle probabilit\u00e0. Ma il pensiero statistico vero e proprio non \u00e8 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’oscurit\u00e0 dei dati e di avvicinarsi un po’ di pi\u00f9 alla verit\u00e0.<\/p>\n

 <\/p>\n

Ulteriori letture:<\/p>\n