Metodologia epidemiologica

Transcript

1 Università Cattolica del Sacro Cuore Scuola di Specializzazione in Igiene e Medicina Preventiva e Medicina Legale Anno accademico 2010/2011 Metodologia epidemiologica Bruno Federico Cattedra di Igiene - Università degli Studi di Cassino b.federico@unicas.it

2 Organizzazione del corso Le lezioni sono parte del corso di Metodologia Epidemiologica e Igiene Il corso è articolato in lezioni frontali ed esercitazioni Alcune esercitazioni saranno svolte con carta e penna È consigliabile portare con sé una calcolatrice Altre esercitazioni saranno svolte al PC col software Episheet Il materiale del corso è disponibile su

3 Programma del corso L epidemiologia clinica Diagnosi Eziologia Prognosi Terapia Applicazioni dell epidemiologia Episheet Standardizzazione Life-table

4 Che cos è l epidemiologia?

5 Definizione di Epidemiologia E' lo studio della frequenza e della distribuzione dei fenomeni salute/malattia nelle popolazioni e dei fattori che le determinano

6 Qual è l oggetto di interesse dell epidemiologia?

7 Oggetto di interesse dell Epidemiologia È la relazione Frequenza malattia = f(x1, x2, x3, ) X è un determinante Ogni caratteristica associata con la malattia Può essere numerica, dicotomica, nominale, ordinale

8 Problemi nella pratica clinica 1. Spiegazione del profilo clinico Dato il profilo clinico di un paziente, quale malattia ha? 2. Spiegazione della malattia Perché questa malattia si è manifestata in questo paziente in questo momento? 3. Previsione del corso della malattia Data la malattia del paziente, la sua eziologia, il suo profilo, quale sarà il futuro corso della malattia considerando anche la terapia? 4. Decisione sulla terapia 5. Terapia

9 Problemi nella pratica clinica I punti 1-3 richiedono conoscenze su: Diagnosi Eziologia Prognosi Esse rappresentano l obiettivo dell epidemiologia clinica Il punto 4 richiede conoscenze sulla prognosi e giudizio clinico È l obiettivo dell epidemiologia clinica e dell analisi delle decisioni

10 Ricerca in campo diagnostico Diagnosi di cancro alla prostata (PC) in pazienti con disturbi sintomatici della prostata Esami: ispezione rettale (R), antigene prostatico specifico (PSA) Obiettivo della ricerca Prevalenza del PC come funzione dell ispezione rettale e del livello di antigene prostatico specifico P PC =f(r, PSA)

11 Ricerca in campo diagnostico La relazione può considerare ulteriori parametri, clinici e non clinici Prevalenza del PC come funzione dell età, dell ispezione rettale, del livello di antigene prostatico specifico e dell esame a ultrasuoni P PC =f(age, R, PSA, US) Nota bene: l obiettivo è descrittivo, si vuole cioè stimare la probabilità della malattia, non cercare spiegazioni alla malattia

12 Ricerca in campo eziologico Eziologia del malattia infiammatoria intestinale cronica (IBD) nei bambini in relazione ad un infezione virale (V) Obiettivo della ricerca Incidenza del colon irritabile come funzione dell infezione virale controllando per l effetto di altri fattori estranei (EF) I IBD =f(v EF)

13 Ricerca in campo eziologico Fattori estranei: fattori che non rappresentano l oggetto della ricerca ma possono diminuirne la validità Sono i fattori confondenti

14 Confondimento ESPOSIZIONE MALATTIA CONFONDENTE

15 Confondimento Un confondente È associato con la malattia tra i non esposti È associato con l esposizione nella popolazione che dà origine ai casi Non è una causa intermedia

16 Esempio di confondimento Dati grezzi Esposti Non esposti Casi Tempo-persona RR=0.4 Giovani Anziani Esposti Non esposti Esposti Non esposti Casi 20 1 Casi Tempopersonpersona Tempo RR=2.0 RR=2.0

17 Ricerca in campo prognostico La prognosi di pazienti con linfoma allo stadio I dipende dal livello sierico di beta-2 microglobuline? Obiettivo della ricerca Il futuro corso della malattia, ovvero il fallimento della terapia (TF) in relazione ai livelli di beta-2 microglobuline(β-2m) in pazienti con linfoma allo stadio I I TF =f(β-2m)

18 Studi relativi alla diagnosi Le proprietà dei test

19 Malattia Presente Assente Positivo Veri positivi Falsi positivi Test Negativo Falso negativi Veri negativi

20 Misure di validità del test Sensibilita : la percentuale di soggetti malati che il test classifica come positivi = Malati positivi / Tutti i malati P(T+ D+) Specificita : la percentuale di soggetti sani che il test identifica come negativi = Sani negativi / Tutti i sani P(T- D-)

21 Present Disease Absent Positive Test Negative True positive a c False negative False positive b d True negative La sensibilità, che riguarda la capacità di un test di individuare una malattia quando essa sia presente, è calcolata come a/(a+c)

22 Present Disease Absent Positive Test Negative True positive a c False negative False positive b d True negative Se un test non è sensibile, mancherà di individuare la malattia in qualche soggetto malato, e questi individui appariranno nella cella c

23 Present Disease Absent Positive Test Negative True positive a c False negative False positive b d True negative La specificità, che si riferisce alla capacità di individuare l'assenza di malattia quando la malattia non è presente, è calcolata come d/(b+d)

24 Present Disease Absent Positive Test Negative True positive a c False negative False positive b d True negative Se un test non è specifico indicherà falsamente la malattia in soggetti non malati, e questi appariranno nella cella b

25 Valore predittivo Parametro chiave: probabilità della malattia dato il risultato del test valore predittivo del test Valore predittivo di un test positivo Valore predittivo di un test negativo

26 Misure di validità del test Valore predittivo del test positivo: la probabilità di essere malati dei soggetti risultati positivi al test = Malati positivi / Tutti i positivi P(D+ T+) Valore predittivo del test negativo: la probabilità di essere sani dei soggetti risultati negativi al test = Sani negativi / Tutti i negativi P(D- T-)

27 Misure di validità del test Il likelihoodratio (rapporto di verosimiglianza) associato al risultato di un test è il rapporto tra la probabilità di avere quel risultato se la malattia è presente diviso per la probabilità di avere quello stesso risultato nel caso la malattia sia assente

28 Misure di validità del test Il likelihoodratio di un test positivo è il rapporto tra la probabilità di avere un risultato positivo tra chi ha la malattia diviso per la probabilità di avere un risultato positivo tra chi non ha la malattia LR+=P(T+ D+)/P(T+ D-) Il likelihoodratio di un test negativo è il rapporto tra la probabilità di avere un risultato negativo tra chi ha la malattia diviso per la probabilità di avere un risultato negativo tra chi non ha la malattia LR-=P(T- D+)/P(T- D-)

29 Probabilità pree post-test Probabilità a priori (pre-test): è la probabilità che la malattia sia presente sulla base dell informazione disponibile prima di eseguire il test Probabilità a posteriori (post-test): è la probabilità che la malattia sia presente data l informazione disponibile prima del test ed il risultato del test

30 Teorema di Bayes A è il risultato del test B è la malattia Il teorema di Bayespuò anche essere scritto sotto forma di odds Post-test odds=pre-test odds*likelihoodratio

31 Drugtesting An example of the use of Bayes' theorem is the evaluation of drug test results. Suppose a certain drug test is 99% sensitive and 99% specific, that is, the test will correctly identify a drug user as testing positive 99% of the time, and will correctly identify a non-user as testing negative 99% of the time. This would seem to be a relatively accurate test, but Bayes' theorem can be used to demonstrate the relatively high probability of misclassifying non-users as users. Let's assume a corporation decides to test its employees for drug use, and that only 0.5% of the employees actually use the drug. What is the probability that, given a positive drug test, an employee is actually a drug user? Let "D" stand for being a drug user and "N" indicate being a non-user. Let "+" be the event of a positive drug test.

32 Drugtesting We need to know the following: P(D), or the probability that the employee is a drug user, regardless of any other information. This is 0.005, since 0.5% of the employees are drug users. This is the prior probability of D. P(N), or the probability that the employee is not a drug user. This is 1 P(D), or P(+ D), or the probability that the test is positive, given that the employee is a drug user. This is 0.99, since the test is 99% accurate. P(+ N), or the probability that the test is positive, given that the employee is not a drug user. This is 0.01, since the test will produce a false positive for 1% of non-users. P(+), or the probability of a positive test event, regardless of other information. This is or 1.49%, which is found by adding the probability that a true positive result will appear (= 99% x 0.5% = 0.495%) plus the probability that a false positive will appear (= 1% x 99.5% = 0.995%). This is the prior probability of +.

33 Drugtesting Given this information, we can compute the posterior probability P(D +) of an employee who tested positive actually being a drug user:

34 Drugtesting Despite the specificity and sensitivity of the test, the low base-rate of use renders the accuracy of the test low: the probability that an employee who tests positive actually using drugs is only about 33%, so it is in fact more likely that the employee is not a drug user. The rarer the condition for which we are testing, the greater the percentage of positive tests that will be false positives.

35 Valore predittivo e prevalenza della malattia La prevalenza della malattia nella popolazione oggetto di studio può influenzare la capacità predittiva di un test Lo stesso test, se applicato in contesti diversi (i.e. a popolazioni con prevalenza differente della malattia) può fornire risultati diversi

36 Valore predittivo e prevalenza della malattia Immaginiamo di adoperare un test (PCR) per valutare la presenza o assenza di una malattia sessualmente trasmessa, l infezione da Clamydia Questo test possiede eccellenti valori di sensibilità (97%) e di specificità (97%) Applichiamo il test in due contesti differenti Una clinica per malattie sessualmente trasmesse, in cui la prevalenza della malattia è alta (30%) Gli assistiti di un medico di famiglia, in cui la prevalenza della malattia è bassa (3%) Calcoliamo il valore predittivo positivo del test nei due contesti

37 Predictive values and prevalence of the disease Positive PCR Test Negative Sexually trasmitted disease clinic (prevalence = 30%) Present Chlamydia infection Absent 1000 soggetti 300 soggetti con infezione da Clamydia 700 soggetti privi di infezione da Clamydia Calcolare il valore predittivo di un test positivo

38 Predictive values and prevalence of the disease Positive PCR Test Negative Sexually trasmitted disease clinic (prevalence = 30%) Present Chlamydia infection Absent soggetti 300 soggetti con infezione da Clamydia 700 soggetti privi di infezione da Clamydia VP+=291/(291+21)= 93%

39 Valore predittivo e prevalenza della malattia Ora applichiamo lo stesso test in un contesto in cui la prevalenza della malattia è molto più bassa rispetto a prima (3%) Calcoliamo di nuovo il valore predittivo positivo del test

40 Predictive values and prevalence of the disease Positive PCR Test Negative Private practice (prevalence = 3%) Positive Chlamydia infection Negative 1000 soggetti 30 soggetti con infezione da Clamydia 970 soggetti privi di infezione da Clamydia Calcolare il valore predittivo di un test positivo

41 Predictive values and prevalence of the disease Positive PCR Test Negative Private practice (prevalence = 3%) Positive Chlamydia infection Negative soggetti 30 soggetti con infezione da Clamydia 970 soggetti privi di infezione da Clamydia VP+=29/(29+29)= 50%

42 La curva ROC La curva ROC (receiver operating characteristic curve) è un grafico che rappresenta tutte le possibili combinazioni di sensibilità e specificità ottenibili con un test variando il criterio di positività È una rappresentazione grafica della sensibilità(o proporzionedi veripositivi) rispetto alla proporzione di falsi positivi(1- specificità)

43 La curva ROC

44

45

46

47 Esercitazione Sensibilità e specificità di una misura