Il ragionamento epidemiologico (1)
|
|
- Adelaide Giuliani
- 8 anni fa
- Visualizzazioni
Transcript
1 Farmacia Clinica FarmacoEpidemiologia Lettura e comprensione di uno studio clinico Università degli Studi di Firenze Dipartimento di Farmacologia Preclinica e Clinica Servizio di FarmacoVigilanza della Regione Toscana Area Vasta Centro (Firenze) Francesco Lapi, Alfredo Vannacci, Martina Moschini,, Enrica Cecchi, Marina Di Pirro, Grazia Banchelli, Alessandro Mugelli francesco.lapi@unifi.it Farmaco-Epidemiologia Il ragionamento epidemiologico (1) Concetti di base e definizioni 1
2 Alcune caratteristiche della scienza clinica 1] Nella maggior parte delle situazioni cliniche la diagnosi, la prognosi ed i risultati di un trattamento sono incerti per il singolo paziente e devono quindi essere espresse come probabilità. 2] La probabilità per il singolo paziente può essere stimata riferendosi alla passata esperienza con gruppi di pazienti simili. 3] Poiché le osservazioni cliniche riguardano persone che sono libere di fare ciò che vogliono condotte da clinici con differenti professionalità e pre-giudizi, queste possono essere affette da errori sistematici (bias). 4] Tutte le osservazioni, incluse quelle cliniche, sono anche influenzate dal caso. Ad evitare erronee conclusioni chi opera in ambito sanitario deve affidarsi ad osservazioni basate su principi scientifici solidi inclusi metodi per ridurre le distorsioni (bias) e stimare il ruolo giocato dal caso. Epidemiologia Terminologia Epidemiologia: lo studio dell occorrenza e dei determinanti delle malattie. Occorrenza : ricorrenza del manifestarsi di eventi, fenomeni. La scienza di fare predizioni relative a singoli pazienti quantificando gli eventi clinici in pazienti simili usando metodi scientifici solidi nello studiare gruppi di pazienti per assicurare che le predizioni siano accurate. 2
3 3
4 Farmaco obiettivi legame fra eventi sanitari ed esposizione a farmaci Epidemiologia metodi studi di popolazione Epidemiologia Lo studio della distribuzione e dei determinanti delle malattie nella popolazione. Farmaco-epidemiologia Lo studio delle modalità di impiego dei farmaci in una popolazione e degli effetti che ne conseguono. Epidemiologia pre-marketing Epidemiologia post-marketing Beneficio/Rischio Studiare la relazione tra efficacia terapeutica e tollerabilità e promuovere la razionalità di impiego dei farmaci nella popolazione. Nella pratica clinica il profilo beneficio/rischio è ancora favorevole? 4
5 STUDI EPIDEMIOLOGICI Eziologici Descrittivi (Non eziologici) Osservazionali Sperimentali (Trials Clinici Pre-marketing) Coorte Caso controllo DECRETO LEGISLATIVO n. 211, 24 GIUGNO 2003 IN VIGORE DAL 1 o GENNAIO 2004 ARTICOLO 2 a) SPERIMENTAZIONE CLINICA (TRIALS) Qualsiasi studio sull uomo finalizzato a scoprire o verificare gli effetti clinici, farmacologici e/o altri effetti farmacodinamici di uno o più medicinali sperimentali, e/o a individuare qualsiasi reazione avversa [ ] con l obiettivo di accertarne la sicurezza e/o l efficacia [ ] in Italia o anche in altri Stati membri dell Unione europea 5
6 DECRETO LEGISLATIVO n. 211, 24 GIUGNO 2003 ARTICOLO 2 h) PROTOCOLLO Il documento in cui vengono descritti l obiettivo o gli obiettivi, la progettazione, la metodologia, gli aspetti statistici e l organizzazione della sperimentazione [ ] DECRETO LEGISLATIVO n. 211, 24 GIUGNO 2003 ARTICOLO 3 f) RESPONSABILITA Il promotore della sperimentazione provvede alla copertura assicurativa relativa al risarcimento dei danni cagionati ai soggetti dall attività di sperimentazione, a copertura della responsabilità civile dello sperimentatore e dei promotori della sperimentazione 6
7 DECRETO LEGISLATIVO n. 211, 24 GIUGNO 2003 ARTICOLO 2 m) COMITATO ETICO Organismo indipendente, composto da personale sanitario e non, che ha la responsabilità di fornire pubblica garanzia di tutela, esprimendo, ad esempio*, un parere sul protocollo di sperimentazione, sull idoneità degli sperimentatori, sulla adeguatezza delle strutture e sui metodi e documenti che verranno impiegati per informare i soggetti e ottenerne il consenso informato ; *Art. 7, comma 1 La sperimentazione non può avere inizio in nessun sito prima dell espressione del parere del Comitato etico (giudizio motivato e vincolante). DECRETO LEGISLATIVO n. 211, 24 GIUGNO 2003 ARTICOLO 4 Sperimentazione clinica sui minori La sperimentazione clinica può essere intrapresa a condizione che: a) sia stato ottenuto il consenso informato dei genitori o del rappresentante legale. d) Il protocollo sia stato approvato da un Comitato etico con competenza anche pediatrica (o che si sia preventivamente avvalso di una consulenza). 7
8 DECRETO LEGISLATIVO n. 211, 24 GIUGNO 2003 Articolo 16 Notifica di eventi avversi Articolo 17 - Notifica delle reazioni avverse serie Lo sperimentatore notifica immediatamente al promotore qualsiasi evento avverso serio. I casi di decesso sono notificati anche al Comitato etico (Art. 16). Tutte le reazioni avverse serie inattese sono notificate dal promotore della sperimentazione al Ministero della Salute e ai Comitati etici interessati (Art. 17). Al Comitato etico sono notificati gli eventi avversi seri inattesi ma non quelli attesi. Sembra opportuno che il Comitato etico sia costantemente a conoscenza della qualità e quantità degli eventi avversi registrati negli studi internazionali, anziché avere un elenco una volta l anno. STUDI OSSERVAZIONALI - Il Decreto Legislativo n. 211/2003 riguarda esclusivamente la sperimentazione clinica dei farmaci, pertanto non si applica alla sperimentazione non interventistica (studi epidemiologici e osservazionali) per la quale restano in vigore le procedure previste dall attuale normativa (Circolare ministeriale n. 6 del 2 settembre 2002). - La Regione Toscana ha emanato, recentemente, una direttiva in materia di autorizzazione e procedure di valutazione degli studi osservazionali, allo scopo di frenare la proliferazione di studi osservazionali mascherati. 8
9 Epidemiologia pre-marketing Epidemiologia post-marketing Cosa hanno in comune? Aspetti Etici: presentazione del protocollo al CE con richiesta del consenso informato STUDI ESPLICATIVI STUDI DESCRITTIVI Esaminano l eziologia, le cause, l efficacia, utilizzando la strategia dei confronti Documentano e comunicano esperienze: idee, programmi, trattamenti, eventi inusuali, osservazioni, danno il via alla ricerca esplicativa Studi sperimentali Valutano l efficacia di interventi terapeutici, educativi, amministrativi Studi osservazionali Ricercano cause, eziologie, predittori, diagnosi migliori Esempi: Case report (singoli Casi clinici) Case series (Serie di Casi Clinici) Studi su popolazioni (di prevalenza) Esempi: Sperimentazioni Cliniche Controllate Randomizzate Esempi: Studi caso-controllo Studi di coorte Studi trasversali STUDI CLINICI 9
10 Il significato del protocollo Uno STUDIO CLINICO dovrebbe essere attivato solamente se sussiste: Razionale: background, introduzione preciso e definito che giustifichi la conduzione dello studio. Fattibilità: una ragionevole probabilità di poter portare a termine l esperimento secondo le condizioni prefissate. Obiettivi e Metodi: obiettivi chiari che indichino un utilità effettiva nell utilizzo di un farmaco; metodologie adeguate (disegno dello studio e statistica). Definizione chiara degli end-point (esiti) Relazione con l esposizione Giustificarne la plausibilità: perché può sussistere la relazione tra esposizione ed esito? Consentire un adeguata stima delle dimensioni del campione: ho un numero di casi sufficienti per mettere in luce una relazione tra esito ed esposizione? Valutare in modo non ambiguo i risultati dello studio: i risultati hanno una relazione chiara? Trarre adeguate conclusioni sulla loro rilevanza clinica: c è un senso clinico? 10
11 End points surrogati Un end-point surrogato è una misura di laboratorio o un segno obiettivo usato come sostituto di un end-point clinicamente significativo, che misura direttamente le misure soggettive, le funzioni, o la sopravvivenza di un paziente Food and Drug Administration (FDA) Un effetto su un end point surrogato non è di per sé di nessun valore per il paziente. Lo diventa solo se esso causa o predice un miglioramento nei risultati (es.: minori infarti, ictus, o decessi). End points surrogati (esempi) statine riduzione del colesterolo ematico FANS e/o farmaci movimento delle antiepilettici MORTALITA? transaminasi OSPEDALIZZAZIONE? mezzi di contrasto cambiamento dei valori della creatinina 11
12 End Points DEBOLI=SURROGATI FORTI= DI RILEVANZA CLINICA End Points dicotomici o binari (molto frequenti) MORTALITA (negli studi osservazionali) Verificarsi di una ADR (negli studi osservazionali) Esito binario: SI vs. NO Esito binario: SI vs. NO Efficacia di un farmaco (nei Trial) Esito binario: SI vs. NO 12
13 Esposizioni dicotomiche o binarie (molto frequenti) ASSUNZIONE DI UN FARMACO (nei Trial Clinici) ASSUNZIONE DI UN FARMACO (negli studi osservazionali) Esposizione binaria: SI vs. NO (placebo) Esposizione binaria: Farmaco A vs. Farmaco B Prima della commercializzazione Trials Clinici (studi preregistrativi) Sperimentazioni Randomizzate Controllate 13
14 LO STUDIO CONTROLLATO RANDOMIZZATO (TRIAL PREMARKETING) COME MODELLO IDEALE Controllato Randomizzato Singolo o doppio Cieco comparabilità degli effetti (criteri di inclusione ed esclusione) comparabilità delle popolazioni Comparabilità comparabilità delle osservazioni popolazioni STUDI OSSERVAZIONALI Studio caso-controllo retrospettivo si parte da Evento Presente (casi) Assente (controlli) Studio parte di coorte prospettico da Fattore in studio Presente (esposti) Assente (non esposti) a c b d ATTENZIONE: la terminologia non definisce sempre in modo univoco il DISEGNO dello studio. 14
15 Studi Trasversali (crosssectional) Studiano una possibile associazione senza informazioni sulla componente temporale esposizione-evento Validità limitata: in genere solo esplorativi Observational Epidemiological Studies Clinical problem definition Off-Label Use Treatment modalities Efficacy in RCTs Usefulness in clinical pratice Poor numerosity Promotional campaigns Concomitant pathologies treatments 15
16 Quali fonti e/o metodi di raccolta dati? Raccolta con questionari studiati ad hoc; database di prescrizioni farmaceutiche (amministrativi); schede di dimissione ospedaliera (SDO); database anagrafici. Misure in Farmacoepidemiologia Applicazione statistica agli studi epidemiologici Ogni tipo di studio deve affrontato con un analisi statistica adeguata 16
17 Inferenza statistica Metodi basati sulla teoria della probabilità che permettono di generalizzare i risultati ottenuti nel campione alla popolazione di base da cui proviene il campione. SI CALCOLANO DEGLI STIMATORI (statistica) DELLE MISURE REALI (parametri) Tenendo conto che il CASO ha fatto condurre lo studio su un campione invece che su un altro. Classificazione delle variabili (1) Qualitativa: se varia qualitativamente, cioè se si manifesta con un attributo. Nominale: carattere qualitativo con modalità non ordinate (sesso, reparto, residenza ecc ). Ordinale: carattere qualitativo con modalità ordinabili (es: grado di istruzione, di soddisfazione ecc ). 17
18 Classificazione delle variabili (2) Quantitativa: se varia quantitativamente, cioè se si manifesta con una grandezza espressa da un numero. Discreto: carattere quantitativo che può assumere un numero limitato di valori (es.: giorni di degenza, numero di posti letto, numero di parti ecc ). Continuo: carattere quantitativo che può assumere un numero illimitato di valori (es: pressione arteriosa, età ecc ). L Intervallo di Confidenza : IC (1) Come per tutte le misure anche nel caso delle misure di rischio (ad esempio il Rischio Relativo) è necessario quantificare la precisione della stima. Questo si attua attraverso il calcolo dell IC: (IC inf ; IC sup ) L IC rappresenta l intervallo di una distribuzione campionaria all interno del quale, con una probabilità P, si colloca il valore reale del fenomeno che si sta studiando. Un IC al 95% ad esempio è un range di valori costruiti per tener conto delle variazioni dovute al caso in modo tale che la probabilità che esso contenga il valore vero è 95%. I due valori IC inf ; IC sup sono detti limiti fiduciari. 18
19 Misure di tendenza centrale (1) Media aritmetica Somma dei valori osservati diviso il numero di osservazioni - Può essere calcolata solo per caratteri (variabili) quantitativi - Indica l ammontare globale corrispondente ad ogni unità statistica nell ipotesi di equidistribuzione del carattere Misure di variabilità Varianza: media del quadrato delle distanze delle singole osservazioni dalla media. Formula: [Σ(valore 1,2 n -media) 2 ]/n-1 DOMANDA: perché su usa il quadrato della distanza?!? Deviazione Standard (DS): radice quadrata della varianza. 19
20 Misure di tendenza centrale (2) Mediana Graduatoria: distribuzione per unità ordinata in senso, ad esempio, crescente. Esempio: Graduatoria: La mediana (o cinquantesimo percentile) è il termine che bipartisce la graduatoria in modo da lasciare alla sua sinistra lo stesso numero di termini che lascia alla sua destra - E più robusta della media. N dispari: termine della graduatoria che soddisfa la definizione di mediana è quella che occupa il posto (N+1)/2 N pari: viene implicitamente definito un intervallo mediano quello compreso tra i termini che nella graduatoria occupano rispettivamente i posti N/2 e N/2+1 N=numero di fattori presenti nella graduatoria Può essere calcolata per dati quantitativi e qualitativi ordinali 20
21 Misure di tendenza centrale (3) Moda Modalità che presenta la massima frequenza - Una distribuzione può avere più di una moda; può essere calcolata per caratteri di qualunque tipo di variabile; essendo definita come modalità prevalente, la moda individua la caratteristica tipica del collettivo; è l unica misura che può essere calcolata per i caratteri qualitativi nominali. Si vuole studiare l associazione tra esposizione ed esito CASUALITA, INCERTEZZA, PROBABILITA Nel confronto tra gruppi quale è la probabilità che la differenza osservata tra due gruppi sia dovuta al CASO? -I Test di significatività aiutano a rispondere a questa domanda 21
22 Il significato di P value Formuliamo l ipotesi nulla: H0: i trattamenti sono equivalenti. Un test di significatività ci dice qual è la probabilità di ottenere una differenza simile a quella osservata se è vera H0 (ovvero se i trattamenti sono equivalenti). Se questa probabilità è sufficientemente bassa si respinge H0, si ammette, cioè, che i trattamenti sono diversi. Per la probabilità bassa si intende con valori < 5% o dello 1% (p<0.05 o p<0.01). La differenza osservata viene definita come statisticamente significativa. Test di significatività (determinazione di P- value) più opportuno a seconda del tipo di dato ottenuto - Chi-quadro o Test esatto di Fisher: per dati qualitativi o quantitativi categorizzati. - T di Student, analisi della varianza (ANOVA), proporzionale di Cox (sopravvivenza): per dati quantitativi. Questi test utilizzano delle specifiche distribuzioni statistiche con cui è possibile stabilire il livello di probabilità per cui l associazione tra due osservazioni possa essere o meno dovuta al caso. 22
23 Metodi parametrici e non parametrici Metodi parametrici: necessitano di assunzioni sulle popolazioni originarie da cui vengono selezionati i dati. La forma della distribuzione deve essere normale o approssimativamente tale. Metodi non parametrici: si basano su un minor numero di assunzioni sulla natura delle distribuzioni originarie. Alternativa ai metodi parametrici. Potenza del Test - Si possono commettere errori di I (alfa) o di II tipo (beta) - ALFA: probabilità di non rifiutare H0 quando questa è falsa o di affermare che non c è differenza quando in realtà c è. - BETA: probabilità di rifutare H0 quando in realtà è vera, ossia sostenere che esiste una differenza quando in relatà non c è. - POTENZA (1-BETA) è la probabilità di mettere in evidenza una differenza quando in realtà c è. I due errori sono legati tra loro; se si riduce alfa ossia si aumenta beta si riduce la potenza 1-beta. L unico modo per diminuire beta (aumentare la potenza) senza aumentare alfa è quello di incrementare le dimensioni dello campione. 23
24 Uso della DDD negli studi di farmacoutilizzazione Studi Descrittivi (prevalenza d uso di un farmaco) i dati di prescrizione della medicina generale (territorio) si esprimono in DDD/1000 abitanti/die i dati di consumo ospedalieri si esprimono in DDD/100 giornate di degenza UNITÀ DI MISURA DEL CONSUMO DI FARMACI Defined Daily Dose (dose definita giornaliera) WHO International Working Group on Drug Statistics Methodology. Utile a: confronti tra gruppi terapeutici, tra realtà territoriali diversi, tra intervalli temporali. Definizione: dose di mantenimento per giorno di terapia, in soggetti adulti, relativamente all indicazione terapeutica principale delle sostanza; non rappresenta la dose raccomandata per il singolo paziente 24
25 Esempio di calcolo (stima) delle DDD/1000 ab./die In una popolazione di abitanti sono state prescritte, in un anno, compresse da 0,5 mg del farmaco X. La dose giornaliera (DDD) è 2 mg die. DDD totali prescritte=(52.000x0.5)/2= DDD/1000 ab./anno=(13.000/ )x1000=65 Numero complessivo delle giornate di terapia DDD/1000 ab./die=65/365=0,18 Su abitanti 18 persone mediamente potrebbero aver ricevuto una dose del farmaco in un giorno. Le Misure di frequenza dell evento Fenomeno o Evento Prevalenza Incidenza Cumulativa Densità di Incidenza Durata Odds 25
26 Prevalenza (P) La PREVALENZA di una caratteristica in una popolazione è la frazione di individui nella popolazione che possiede la caratteristica in un certo istante od in un certo intervallo di tempo. La prevalenza misura la frequenza di uno stato ed ogni riferimento ad essa deve essere accompagnata da una specificazione di tempo. P = N soggetti con la caratteristica popolazione di riferimento Prevalenza di periodo: per un determinato intervallo di tempo (t0 - t1) Prevalenza puntuale: riferita ad un determinato istante (t1) Prevalenza annuale: riferita ad un anno E un numero puro compreso tra 0 ed 1 Si utilizza per DESCRIVERE la popolazione in studio. Incidenza Cumulativa (IC) L incidenza cumulativa rappresenta la probabilità di contrarre la malattia in un definito intervallo di tempo. Si calcola come la proporzione di individui, inizialmente sani, che si ammalano durante il periodo di osservazione. IC(t 0, t 1 ) = N di nuovi casi (t 0, t 1 ) popolazione priva di casi al tempo t 0 E un numero puro compreso tra 0 ed 1. 26
27 Tempo Persona La definizione di incidenza cumulativa assume la possibilità di osservare un gruppo di persone dall inizio alla fine di un intervallo di tempo. Più di frequente possiedono le caratteristiche in studio per periodi variabili di tempo. Questi intervalli di tempo sono, nel loro insieme, chiamati Tempo- Persona di osservazione di una popolazione. Il TEMPO-PERSONA è il tempo durante il quale un singolo individuo soddisfa tutte le definizioni per la inclusione in uno studio e durante il quale qualsiasi evento di malattia che occorre nell individuo può essere conosciuto. Il tempo persona di osservazione in una popolazione è la somma dei tempi-persona forniti da tutti i membri della popolazione. MAGGIORE ACCURATEZZA NEL CALCOLO DI UNO STIMATORE Densità di incidenza (Tasso di Incidenza) La DENSITA DI INCIDENZA di un evento è il numero di casi che si verificano nel corso del periodo di osservazione diviso il tempo-persona complessivo (la massa a rischio costituita dalla somma dei tempi di osservazione di ciascun individuo). Una Densità di Incidenza può essere pensata come la frazione di popolazione che si ammala aggiustata per la durata della osservazione (follow-up). Le dimensioni sono : casi x t -1 giorno) I valori variano tra 0 ed (persone-anno, mese, 27
28 Durata di malattia La DURATA di una malattia è l intervallo di tempo compreso tra la prima manifestazione di malattia e la sua completa risoluzione. Nel caso di patologie irreversibili la durata è l intervallo di tempo compreso tra la prima manifestazione e il decesso. Gli Odds Odds è un modo di rappresentare la probabilità familiare nel mondo delle scommesse. L Odds è il rapporto tra la probabilità che l evento di interesse avvenga e la probabilità che questo evento non avvenga: p/(1-p) Ad esempio l Odds che un singolo lancio di un dado produca un 6 è 1 a 5, o 1/5. Nel caso in cui tra 10 pazienti vi siano 4 femmine e 6 maschi l odds delle femmine è 4:6, cioè 4/6=0,67. L odds può assumere valori compresi tra 0 ed. 28
29 Misure di Associazione (di rischio) Per misurare l associazione tra un evento ed un presunto fattore di rischio si usano misure che confrontano (rapporti e differenze) le misure di frequenza dei diversi gruppi Differenze: Differenze di incidenza, mortalità, dei tempi di sopravvivenza. Rapporti: Rischio Relativo (RR); Odds Ratio (OR). Organizzazione dei dati per il calcolo del RR Si Esposti No Si a b Evento No c d Anche esposti ad un altro farmaco o ad un placebo (Trial) a+c b+d 29
30 Calcolo RR Incidenza tra gli esposti I E+ = a/(a+c) Incidenza tra i non esposti I E- = b/(b+d) Rischio Relativo (RR)= I E+ / I E- = = [a/(a+c)] / [b/(b+d)] RR=1 mancanza di associazione RR>1 presenza di associazione positiva RR<1 presenza di associazione negativa Un esempio lo studio SVEVA : vaccino antiinfluenzale e reazioni avverse (Vaccine, 1997) Intero Esposti Subunità Eventi Si No I int = 1.006/2.671= 37,7% I sub = 1.605/6.624= 24,2% RR = 37,7/24,2= 1,5 30
31 Organizzazione dei dati per il calcolo dell OR Casi Esposti Si a Esposti No b a+b Controlli c d c+d Negli studi caso-controllo posso calcolare solo l OR, non il RR: i controlli non presentano l evento (l esito) Il confronto tra gli Odds : il rapporto (Odds Ratio) Odds tra i casi = a/b Odds tra i controlli = c/d Odds Ratio (OR)= (a/b) / (c/d) OR=1 mancanza di associazione OR>1 presenza di associazione positiva OR<1 presenza di associazione negativa 31
32 Tipo di studio Cosa posso calcolare? Trials Clinici (premarketing) Osservazionale di coorte o trasversale Osservazionale di caso-controllo RR, OR, Hazard Ratio -HR- (in relazione alla frequenza dell evento) RR, OR, HR* OR Analogamente all analisi dei segnale per i database di ADRs, ROR equivale all OR, l RR equivale al PRR: sono calcolati e si leggono allo stesso modo. *non nei TRASVERSALI perché manca la componente tempo. Altre misure Ic=Incidenza tra i controlli; It=Incidenza tra i trattati Riduzione assoluta del rischio Riduzione relativa del rischio Numero di soggetti da trattare per evitare un evento ARR=Ic-It RRR=[(Ic-It)/It]x100 NNT=1/ARR NNT: Number Needed to Treat; Ic: Incidenza tra i controlli; It: Incidenza tra i trattati 32
33 Le misure di rischio possono tuttavia essere viziate da bias e/o fattori di confondimento! Fattori di confondimento 33
34 Bias (errori sistematici) Fattori confondenti Corretti con il disegno dello studio Corretti tramite il disegno o metodologie statistiche Corretta interpretazione dei risultati Confondimento Esposizione Esito FC - Quando si studia la relazione tra una esposizione ed una patologia una variabile può essere considerata confondente se è associata alla esposizione in studio ed è allo stesso tempo un fattore di rischio per la patologia. Alcuni esempi: Uso di contraccetivi orali e patologie cardiovascolari. La relazione può essere confusa dall età: all aumentare dell età aumenta la probabilità di patologie cardiovascolari mentre diminuisce l uso di contraccettivi. Esposizione lavorativa in una fabbrica e tumore del polmone studiata confrontando operai ed impiegati. La relazione può essere confusa dall abitudine al fumo. 34
35 Studi osservazionali cosa controllare? Selection Bias (errore sistematico di selezione) - I soggetti dei diversi gruppi sono simili in tutti gli aspetti importanti? Information Bias (errore sistematico di informazione) - L informazione sugli esiti è raccolta nello stesso modo nei diversi gruppi? Counfounding (confondimento) - I risultati possono essere spiegati dalla presenza di un fattore associato alla esposizione e all esito ma non coinvolto nel processo causale? Se i risultati non sono spiegati da questi ed altri fattori, possono essere dovuti al caso? Studi osservazionali cosa controllare? Studi caso-controllo retrospettivi : selection, information bias and counfounders Studi di coorte prospettici : response rate 35
36 Trattamento dei confounders (come?) Neutralizzare la distorsione presente, dovuta al confondente, con diverse procedure così da ricavare dallo studio una stima dell effetto vero dell esposizione sull evento Si può agire: In fase di disegno dello studio: - Randomizzazione (Trial Clinico) - Appaiamento - Restrizione Trattamento dei confounders (come?) Appaiamento (matching): Selezione di soggetti esposti e non esposti (o con altra esposizione) in modo tale da rendere sovrapponibile la loro distribuzione dei valori di una variabile confondente. Esempio: appaiamento 1:1 per età Restrizione (attenzione alla generalizzabilità dei risultati): Includere nello studio solo i soggetti che presentano, per una o più variabili confondenti, valori che cadono entro un ambito relativamente ristretto. Esempio: studio che recluta solo soggetti maschi 36
37 Analisi statistica dei confounders Il problema generale di uno studio epidemiologico di tipo eziologico è studiare l associazione tra un evento ed una esposizione tenendo conto di (o controllato per ) altre variabili X1,X2 Xn Esistono delle strategie per il controllo del confondimento Analisi statistica dei confounders Analisi Stratificata: Misurare la frequenza dell evento nel gruppo degli esposti e dei non esposti, suddivisi in STRATI (classi) in base ai diversi valori del confondente. Analisi di Mantel-Haenszel. Analisi Multivariata: Costruzione di modelli matematici che permettono di descrivere contemporaneamente l effetto dell esposizione e dei fattori confondenti (analisi logistica, proporzionale -di Cox-, ecc ). 37
38 Aggiustamento per i potenziali confondenti: quali modelli multivariati? Esempi: Tipologia Modello Regressione Multipla Regressione Logistica Analisi della Covarianza (ANCOVA) Regressione di Cox (analisi della sopravvivenza) Tipologia Esito Continua Dicotomica Continua Dicotomica Quali valori di rischio (RR, OR, HR si otterranno)? Esempi: OR crudo o univariato OR aggiustato o multivariato log (odds) = β0 + β1x1 + β2x2 + βx1x2+βn-xcn-x p/1-p OR Interazione: variazione dell associazione esposizione (variabile) - evento (esito) a livello di un altra variabile 38
39 Quali variabili si inseriscono nel modello? Come si individuano i confondenti? log (odds) = β0 + β1x1 + β2x2 + βx1x2+βn-xcn-x Statisticamente significative nell analisi monovariata Clinicamente significative Utilizzando algoritmi computazionali Backword selection Forward elimination COSTRUIRE IL MODELLO NON BASANDOSI SOLO SULLA STATISTICA I modelli multivariati: Anche per definire la multifattorialità di rischio. I fattori di rischio che, indipendentemente, sono associati ad un esito. 39
40 Gli osservazionali non sono randomizzati Propensity Score Propensione a trattare Analisi statistica che mima la randomizzazione NON esiste solo la statistica. Il risultato statistico NON basta. 40
41 Associazione NON vuol dire Causalità Criteri di B. Hill (1) Forza dell associazione. Consistenza: associazione confermata in posti e luoghi diversi; attenzione alla possibilità di effettuare gli stessi errori. Specificità: relazione specidica tra esposizione ed esito. Relazione temporale: la causa precede l effetto? Relazione dose-risposta: esiste una correlazione con la dose? Plausibilità: esiste un razionale biologico? Associazione NON vuol dire Causalità Criteri di B. Hill (2) Coerenza: non seriamente in conflitto con le conoscenze già presenti. Evidenza sperimentale: la rimozione di un fattore causale riduce l incidenza della malattia. Analogia: congruità con condizioni di studio (esposizione ed esiti simili). 41
42 Le Revisioni Sistematiche & Meta-analisi Definizioni Una revisione sistematica è stata preparata utilizzando un approccio sistematico, al fine di minimizzare i bias e gli errori casuali, e la cui metodologia è documentata nella sezione dei metodi (Chalmers & Altman, 1995) 42
43 Definizioni: Meta-analisi Metodo sistematico di selezione, valutazione e combinazione di informazioni relative ad un particolare argomento di ricerca che utilizza procedure statistiche per combinare dati che derivano da studi indipendenti in modo da ottenere una stima numerica dell effetto complessivo di una particolare procedura/variabile rispetto ad un esito preciso. Step fondamentali nella conduzione di una Revisione Sistematica Definire lo scopo. Effettuare la ricerca bibliografica. Definire i criteri di inclusione ed esclusione. Raccogliere i dati. Effettuare le analisi statistiche. Interpretare i risultati e formulare le conclusioni. 43
44 Le Revisioni Sistematiche nelle sperimentazioni cliniche Il recupero di tutti gli studi condotti pubblicati e non. sull argomento La definizione dei criteri di qualità degli studi: - Randomizzazione; - cecità/modalità accertamento esito; - completezza follow up. Revisioni Sistematiche degli studi non sperimentali - A differenza degli studi sperimentali, il problema principale non è rappresentato dalla limitata precisione delle stime, ma dalla presenza di: Bias Confondimento residuo - L aumento di dimensione degli studi non è, in sé, sinonimo di qualità. 44
45 Valutazione dell omogeneità degli studi Modello ad effetto fisso: Valutare il livello di probabilità per cui le differenze delle stime sono dovute al caso. Considerando k studi indipendenti che stimano lo stesso effetto θ. Testando l ipotesi nulla H0 θ=θ1=θ2. =θk contro H1 per cui almeno θi è diverso Test di omogenità (inverse variance method) Media pesata degli effetti θ=σ wiθi/ Σwi Dove wi=1/se(θi) 2 La statistica Q=Σ wi(θi- θ) 2 Considerando k studi indipendenti che stimano lo stesso effetto θ Testando l ipotesi nulla H0 θ=θ1= θ2. =θk contro H1 per cui almeno θi è diverso - Q si distribuisce come Chi-quadro con k-1 g.l. 45
46 Valutazione dell omogeneità Qualora il Test indica eterogeneità - Si individuano delle caratteristiche per stratificare gli studi in popolazioni omogenee. Viene applicato un modello ad effetto random Si assume che gli effetti del trattamento misurati da ciascuno studio variano attorno ad un effetto medio complessivo. Rappresentazione grafica I risultati di ogni trial sono graficamente raffigurati insieme in forma di forest plot : - La linea verticale corrisponde alla mancanza di effetto del trattamento (RR o OR=1). - Ogni studio è rappresentato da un quadrato di grandezza proporzionale alla sua dimensione e da una linea orizzontale che corrisponde all intervallo di confidenza al 95%. - Un rombo per la stima pesata (i vertici sono l intervallo di confidenza). 46
47 Quali BIAS? - Bias da pubblicazione (publication bias). - Bias da pubblicazione rapida o ritardata (time lag). - Bias da pubblicazione multipla dei risultati. - Bias da citazione. - Bias dovuti alla lingua. - Bias da reporting selettivo dell esito. Funnel plot (teorici) e influenza del bias. a. simmetrico: assenza di bias (cerchi bianchi: piccoli studi che non indicano effetti significativi); b. asimmetrico per effetto di bias di pubblicazione (i piccoli studi senza effetto significativo non sono stati pubblicati); c. asimmetrico per bias metodologico (i piccoli studi di bassa qualità tendono a esagerare l'effetto atteso). adattata da: Egger M et al. Systematic Reviews in Health Care 2001, p
48 Forest plot Delaney et al. BMC Medical Imaging :2 48
Trials clinici. Disegni di studio
Trials Clinici Dott.ssa Pamela Di Giovanni Studi descrittivi Disegni di studio Popolazioni Individui Studi analitici Osservazionali Sperimentali Studi di correlazione o ecologici Case report - Case series
DettagliCorso di. Dott.ssa Donatella Cocca
Corso di Statistica medica e applicata Dott.ssa Donatella Cocca 1 a Lezione Cos'è la statistica? Come in tutta la ricerca scientifica sperimentale, anche nelle scienze mediche e biologiche è indispensabile
DettagliIgiene. Dott. Pamela Di Giovanni. Definizione
Igiene Dott. Pamela Di Giovanni Definizione Disciplina medica che ha come obiettivo la tutela e la promozione della salute umana, intendendo per salute umana un completo stato di benessere psichico, fisico
DettagliStatistica. Lezione 6
Università degli Studi del Piemonte Orientale Corso di Laurea in Infermieristica Corso integrato in Scienze della Prevenzione e dei Servizi sanitari Statistica Lezione 6 a.a 011-01 Dott.ssa Daniela Ferrante
DettagliGli studi epidemiologici
Gli studi epidemiologici STUDI OSSERVAZIONALI descrittivi STUDI OSSERVAZIONALI analitici: Ecologici Trasversali Caso-controllo Di coorte STUDI SPERIMENTALI : Trial controllati randomizzati Trial sul campo
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Elementi di Epidemiologia
Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Elementi di Epidemiologia Corsi di Laurea Triennale Corso di Statistica e Biometria: Elementi di epidemiologia
DettagliConcetto di potenza statistica
Calcolo della numerosità campionaria Prof. Giuseppe Verlato Sezione di Epidemiologia e Statistica Medica, Università di Verona Concetto di potenza statistica 1 Accetto H 0 Rifiuto H 0 Ipotesi Nulla (H
DettagliSTATISTICA IX lezione
Anno Accademico 013-014 STATISTICA IX lezione 1 Il problema della verifica di un ipotesi statistica In termini generali, si studia la distribuzione T(X) di un opportuna grandezza X legata ai parametri
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale di area tecnica. Corso di Statistica Medica
Università del Piemonte Orientale Corsi di Laurea Triennale di area tecnica Corso di Statistica Medica Campionamento e distribuzione campionaria della media Corsi di laurea triennale di area tecnica -
Dettagli1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario:
Esempi di domande risposta multipla (Modulo II) 1) Si consideri un esperimento che consiste nel lancio di 5 dadi. Lo spazio campionario: 1) ha un numero di elementi pari a 5; 2) ha un numero di elementi
DettagliA.A. 2014-2015. Obiettivi formativi del CI di Metodologia epidemiologica OBIETTIVO GENERALE
A.A. 2014-2015 Obiettivi formativi del CI di Metodologia epidemiologica OBIETTIVO GENERALE Utilizzare gli strumenti epidemiologici e statistici appropriati per ridurre l'area dell'incertezza nella rilevazione
DettagliUn po di statistica. Christian Ferrari. Laboratorio di Matematica
Un po di statistica Christian Ferrari Laboratorio di Matematica 1 Introduzione La statistica è una parte della matematica applicata che si occupa della raccolta, dell analisi e dell interpretazione di
DettagliSTATISTICA INFERENZIALE PER VARIABILI QUALITATIVE
STATISTICA INFERENZIALE PER VARIABILI QUALITATIVE La presentazione dei dati per molte ricerche mediche fa comunemente riferimento a frequenze, assolute o percentuali. Osservazioni cliniche conducono sovente
DettagliEpidemiologia generale
Epidemiologia Da un punto di vista etimologico, epidemiologia è una parola di origine greca, che letteralmente significa «discorso riguardo alla popolazione» Epidemiologia generale Disciplina che ha come
DettagliStatistiche campionarie
Statistiche campionarie Sul campione si possono calcolare le statistiche campionarie (come media campionaria, mediana campionaria, varianza campionaria,.) Le statistiche campionarie sono stimatori delle
DettagliIl concetto di valore medio in generale
Il concetto di valore medio in generale Nella statistica descrittiva si distinguono solitamente due tipi di medie: - le medie analitiche, che soddisfano ad una condizione di invarianza e si calcolano tenendo
DettagliPotenza dello studio e dimensione campionaria. Laurea in Medicina e Chirurgia - Statistica medica 1
Potenza dello studio e dimensione campionaria Laurea in Medicina e Chirurgia - Statistica medica 1 Introduzione Nella pianificazione di uno studio clinico randomizzato è fondamentale determinare in modo
DettagliComparabilità fra le somministrazioni successive effetto di trascinamento ( carry-over ) effetto di periodo
Metodo epidemiologici per la clinica _efficacia / 2 Gli studi crossover Periodo 1 Periodo 2 R A N D O M A B A B Valutazione Tempo 1 0 1 1 2 0 2 1 Gli studi crossover Metodo epidemiologici per la clinica
DettagliPROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO
PROGETTO INDAGINE DI OPINIONE SUL PROCESSO DI FUSIONE DEI COMUNI NEL PRIMIERO L indagine si è svolta nel periodo dal 26 agosto al 16 settembre 2014 con l obiettivo di conoscere l opinione dei residenti
DettagliCAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI
VERO FALSO CAPITOLO 8 LA VERIFICA D IPOTESI. I FONDAMENTI 1. V F Un ipotesi statistica è un assunzione sulle caratteristiche di una o più variabili in una o più popolazioni 2. V F L ipotesi nulla unita
DettagliCorso: Statistica e Metodologia Epidemiologica 1
Università degli Studi di Padova Scuola di Medicina e Chirurgia Corso di Laurea in Medicina e Chirurgia - A.A. 2014-15 Corso: Statistica e Metodologia Epidemiologica 1 Docenti: prof.ssa Anna Chiara Frigo
DettagliStatistica multivariata. Statistica multivariata. Analisi multivariata. Dati multivariati. x 11 x 21. x 12 x 22. x 1m x 2m. x nm. x n2.
Analisi multivariata Statistica multivariata Quando il numero delle variabili rilevate sullo stesso soggetto aumentano, il problema diventa gestirle tutte e capirne le relazioni. Cercare di capire le relazioni
DettagliCapitolo 12 La regressione lineare semplice
Levine, Krehbiel, Berenson Statistica II ed. 2006 Apogeo Capitolo 12 La regressione lineare semplice Insegnamento: Statistica Corso di Laurea Triennale in Economia Facoltà di Economia, Università di Ferrara
DettagliMETODOLOGIA CLINICA Necessita di: Quantificazione Formalizzazione matematica
METODOLOGIA CLINICA Necessita di: Quantificazione Formalizzazione matematica EPIDEMIOLOGIA Ha come oggetto lo studio della distribuzione delle malattie in un popolazione e dei fattori che la influenzano
DettagliLA VALIDITÀ DEGLI STUDI E IL CONTROLLO DEL CONFONDIMENTO
LA VALIDITÀ DEGLI STUDI E IL CONTROLLO DEL CONFONDIMENTO Accuratezza degli studi Miettinen, nel 1985, afferma che : la accuratezza di uno studio epidemiologico consiste nel grado di - assenza di errori
DettagliStatistica inferenziale
Statistica inferenziale Popolazione e campione Molto spesso siamo interessati a trarre delle conclusioni su persone che hanno determinate caratteristiche (pazienti, atleti, bambini, gestanti, ) Osserveremo
DettagliCome descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva. Brugnaro Luca
Come descrivere un fenomeno in ambito sanitario fondamenti di statistica descrittiva Brugnaro Luca Progetto formativo complessivo Obiettivo: incrementare le competenze degli operatori sanitari nelle metodiche
DettagliIntroduzione alle relazioni multivariate. Introduzione alle relazioni multivariate
Introduzione alle relazioni multivariate Associazione e causalità Associazione e causalità Nell analisi dei dati notevole importanza è rivestita dalle relazioni causali tra variabili Date due variabili
DettagliRelazioni tra variabili
Università degli Studi di Padova Facoltà di Medicina e Chirurgia Corso di Laurea in Medicina e Chirurgia - A.A. 009-10 Scuole di specializzazione in: Medicina Legale, Medicina del Lavoro, Igiene e Medicina
DettagliEffetti sull opinione di pazienti riguardo all utilizzo di un computer in uno studio medico nell assistenza ordinaria
Effetti sull opinione di pazienti riguardo all utilizzo di un computer in uno studio medico nell assistenza ordinaria Christopher N. Sciamanna, Scott P. Novak, Bess H. Marcus. International Journal of
DettagliMetodologia per l analisi dei dati sperimentali L analisi di studi con variabili di risposta multiple: Regressione multipla
Il metodo della regressione può essere esteso dal caso in cui si considera la variabilità della risposta della y in relazione ad una sola variabile indipendente X ad una situazione più generale in cui
DettagliInferenza statistica. Statistica medica 1
Inferenza statistica L inferenza statistica è un insieme di metodi con cui si cerca di trarre una conclusione sulla popolazione sulla base di alcune informazioni ricavate da un campione estratto da quella
DettagliMetodi statistici per le ricerche di mercato
Metodi statistici per le ricerche di mercato Prof.ssa Isabella Mingo A.A. 2014-2015 Facoltà di Scienze Politiche, Sociologia, Comunicazione Corso di laurea Magistrale in «Organizzazione e marketing per
DettagliCalcolo delle probabilità
Calcolo delle probabilità Laboratorio di Bioinformatica Corso A aa 2005-2006 Statistica Dai risultati di un esperimento si determinano alcune caratteristiche della popolazione Calcolo delle probabilità
DettagliCORSO DI STATISTICA La Misurazione, Scale di Misura, Errori di Misura
CORSO DI STATISTICA La Misurazione, Scale di Misura, Errori di Misura Bruno Mario Cesana Bruno M. Cesana 1 MISURAZIONE La figura 1.1 è tratta da: Bossi A. et al.: Introduzione alla Statistica Medica A
DettagliMinistero della Salute Agenzia Italiana del Farmaco
Ministero della Salute Agenzia Italiana del Farmaco Linee guida per la classificazione e conduzione degli studi osservazionali sui farmaci IL DIRETTORE GENERALE VISTO il Decreto del Ministero della Salute
DettagliLEZIONE 3. Ing. Andrea Ghedi AA 2009/2010. Ing. Andrea Ghedi AA 2009/2010
LEZIONE 3 "Educare significa aiutare l'animo dell'uomo ad entrare nella totalità della realtà. Non si può però educare se non rivolgendosi alla libertà, la quale definisce il singolo, l'io. Quando uno
DettagliVerifica di ipotesi e intervalli di confidenza nella regressione multipla
Verifica di ipotesi e intervalli di confidenza nella regressione multipla Eduardo Rossi 2 2 Università di Pavia (Italy) Maggio 2014 Rossi MRLM Econometria - 2014 1 / 23 Sommario Variabili di controllo
DettagliUniversità del Piemonte Orientale. Corso di laurea in biotecnologia. Corso di Statistica Medica. Intervalli di confidenza
Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica Medica Intervalli di confidenza Università del Piemonte Orientale Corso di laurea in biotecnologia Corso di Statistica
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 12-Il t-test per campioni appaiati vers. 1.2 (7 novembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliARTICOLO SCIENTIFICO: ANALISI E VALUTAZIONE CRITICA DELLE INFORMAZIONI. critical appraisal BOSCARO GIANNI 1
ARTICOLO SCIENTIFICO: ANALISI E VALUTAZIONE CRITICA DELLE INFORMAZIONI critical appraisal BOSCARO GIANNI 1 BOSCARO GIANNI 2 Analisi Statistica analisi descrittiva: descrizione dei dati campionari con grafici,
DettagliMisure della relazione di occorrenza
Misure della relazione di occorrenza (associazione tra un determinante e l outcome) Misure di effetto (teoriche) Misure di associazione (stime empiriche delle precedenti) EFFETTO: quantità di cambiamento
DettagliUniversità di Camerino
In corso la procedura di attivazione da parte degli organi accademici di competenza, al termine della quale potrà essere pubblicato il bando nel sito di Ateneo nell ambito dell offerta formativa 2014-2015.
DettagliElementi di Psicometria con Laboratorio di SPSS 1
Elementi di Psicometria con Laboratorio di SPSS 1 29-Analisi della potenza statistica vers. 1.0 (12 dicembre 2014) Germano Rossi 1 germano.rossi@unimib.it 1 Dipartimento di Psicologia, Università di Milano-Bicocca
DettagliSTUDI CLINICI 1. Che cosa è uno studio clinico e a cosa serve? 2. Come nasce la sperimentazione clinica e che tipi di studi esistono?
STUDI CLINICI 1. Che cosa è uno studio clinico e a cosa serve? Si definisce sperimentazione clinica, o studio clinico controllato, (in inglese: clinical trial), un esperimento scientifico che genera dati
DettagliTest statistici di verifica di ipotesi
Test e verifica di ipotesi Test e verifica di ipotesi Il test delle ipotesi consente di verificare se, e quanto, una determinata ipotesi (di carattere biologico, medico, economico,...) è supportata dall
DettagliIgiene nelle Scienze motorie
Igiene nelle Scienze motorie Epidemiologia generale Epidemiologia Da un punto di vista etimologico, epidemiologia è una parola di origine greca, che letteralmente significa «discorso riguardo alla popolazione»
DettagliVERIFICA DELLE IPOTESI
VERIFICA DELLE IPOTESI Nella verifica delle ipotesi è necessario fissare alcune fasi prima di iniziare ad analizzare i dati. a) Si deve stabilire quale deve essere l'ipotesi nulla (H0) e quale l'ipotesi
DettagliMetodi e tecniche di analisi dei dati nella ricerca psico-educativa Parte I
Laboratorio Metodi e tecniche di analisi dei dati nella ricerca psico-educativa Parte I Laura Palmerio Università Tor Vergata A.A. 2005/2006 Testi di riferimento F. Celi, D. Fontana, Fare ricerca sperimentale
DettagliPROBABILITÀ - SCHEDA N. 2 LE VARIABILI ALEATORIE
Matematica e statistica: dai dati ai modelli alle scelte www.dima.unige/pls_statistica Responsabili scientifici M.P. Rogantin e E. Sasso (Dipartimento di Matematica Università di Genova) PROBABILITÀ -
DettagliPROGETTO EM.MA PRESIDIO
PROGETTO EM.MA PRESIDIO di PIACENZA Bentornati Il quadro di riferimento di matematica : INVALSI e TIMSS A CONFRONTO LE PROVE INVALSI Quadro di riferimento per la valutazione Quadro di riferimento per i
DettagliSeconda Parte Specifica di scuola - Statistica sanitaria e Biometria - 31/07/2015
Domande relative alla specializzazione in: Statistica sanitaria e Biometria Domanda #1 (codice domanda: n.641) : In epidemiologia, una variabile di confondimento è una variabile: A: associata sia alla
DettagliIl farmaco generico. Contenuti tecnico-scientifici del farmaco generico: comunicazione a corrente alternata
Il farmaco generico Contenuti tecnico-scientifici del farmaco generico: comunicazione a corrente alternata Il farmaco generico Cos è un farmaco generico? È un medicinale EQUIVALENZA terapeuticamente equivalente
DettagliESERCITAZIONE 2. TRATTO E MODIFICATO DA: Esercizi di epidemiologia - MORO, DAVOLI, PIRASTU Il pensiero scientifico editore
ESERCITAZIONE 2 TRATTO E MODIFICATO DA: Esercizi di epidemiologia - MORO, DAVOLI, PIRASTU Il pensiero scientifico editore Modalità di lettura della tabella di contingenza 2x2 sull associazione tra l esposizione
DettagliAutomazione Industriale (scheduling+mms) scheduling+mms. adacher@dia.uniroma3.it
Automazione Industriale (scheduling+mms) scheduling+mms adacher@dia.uniroma3.it Introduzione Sistemi e Modelli Lo studio e l analisi di sistemi tramite una rappresentazione astratta o una sua formalizzazione
Dettaglicome nasce una ricerca
PSICOLOGIA SOCIALE lez. 2 RICERCA SCIENTIFICA O SENSO COMUNE? Paola Magnano paola.magnano@unikore.it ricevimento: martedì ore 10-11 c/o Studio 16, piano -1 PSICOLOGIA SOCIALE COME SCIENZA EMPIRICA le sue
DettagliRoma 22 settembre 2004
RISOLUZIONE N. 123/E Roma 22 settembre 2004 Direzione Centrale Normativa e Contenzioso Oggetto: Istanza di interpello. Fondazione XY - Onlus - Attività di ricerca scientifica di particolare interesse sociale.
Dettagli3. Confronto tra medie di due campioni indipendenti o appaiati
BIOSTATISTICA 3. Confronto tra medie di due campioni indipendenti o appaiati Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk MARTA BLANGIARDO
DettagliStima per intervalli Nei metodi di stima puntuale è sempre presente un ^ errore θ θ dovuto al fatto che la stima di θ in genere non coincide con il parametro θ. Sorge quindi l esigenza di determinare una
DettagliRegressione Mario Guarracino Data Mining a.a. 2010/2011
Regressione Esempio Un azienda manifatturiera vuole analizzare il legame che intercorre tra il volume produttivo X per uno dei propri stabilimenti e il corrispondente costo mensile Y di produzione. Volume
DettagliPRINCìPI DI SPERIMENTAZIONE CLINICA
università degli studi di padova CICLO DI LEZIONI SCIENZE DI BASE PER I DOTTORATI DI RICERCA DELL AREA MEDICA anno accademico 2005/2006 PRINCìPI DI SPERIMENTAZIONE CLINICA Francesco Grigoletto Lo sviluppo
DettagliLaboratorio di Pedagogia Sperimentale. Indice
INSEGNAMENTO DI LABORATORIO DI PEDAGOGIA SPERIMENTALE LEZIONE III INTRODUZIONE ALLA RICERCA SPERIMENTALE (PARTE III) PROF. VINCENZO BONAZZA Indice 1 L ipotesi -----------------------------------------------------------
DettagliI metodi di analisi statistica per la valutazione degli effetti a breve termine dell inquinamento atmosferico nel progetto EpiAir
I metodi di analisi statistica per la valutazione degli effetti a breve termine dell inquinamento atmosferico nel progetto EpiAir Massimo Stafoggia, per il gruppo collaborativo EpiAir Obiettivi del progetto
DettagliPrincipi generali. Vercelli 9-10 dicembre 2005. G. Bartolozzi - Firenze. Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli
Il Pediatra di famiglia e gli esami di laboratorio ASL Vercelli Principi generali Carlo Federico Gauss Matematico tedesco 1777-1855 G. Bartolozzi - Firenze Vercelli 9-10 dicembre 2005 Oggi il nostro lavoro
DettagliGli studi caso. controlli. Obiettivi. Stime del rischio. Ne deriva la Tabella 2x2
Gli studi caso controllo Obiettivi Negli ultimi decenni questo modello di indagine è stato applicato soprattutto per lo studio delle malattie cronicodegenerative (le più frequenti cause di morte in tutti
DettagliFacciamo qualche precisazione
Abbiamo introdotto alcuni indici statistici (di posizione, di variabilità e di forma) ottenibili da Excel con la funzione Riepilogo Statistiche Facciamo qualche precisazione Al fine della partecipazione
DettagliProbabilità condizionata: p(a/b) che avvenga A, una volta accaduto B. Evento prodotto: Evento in cui si verifica sia A che B ; p(a&b) = p(a) x p(b/a)
Probabilità condizionata: p(a/b) che avvenga A, una volta accaduto B Eventi indipendenti: un evento non influenza l altro Eventi disgiunti: il verificarsi di un evento esclude l altro Evento prodotto:
DettagliINDICE PREFAZIONE VII
INDICE PREFAZIONE VII CAPITOLO 1. LA STATISTICA E I CONCETTI FONDAMENTALI 1 1.1. Un po di storia 3 1.2. Fenomeno collettivo, popolazione, unità statistica 4 1.3. Caratteri e modalità 6 1.4. Classificazione
DettagliCARTA INTESTATA DEL CENTRO CLINICO
CARTA INTESTATA DEL CENTRO CLINICO CERLiguria_Mod.10_Uso_Compassionevole RICHIESTA DI PARERE AL COMITATO ETICO PER USO TERAPEUTICO DI MEDICINALE SOTTOPOSTO A SPERIMENTAZIONE CLINICA Si applica solo se
DettagliEsposizione ed effetto
Esposizione ed effetto In epidemiologia, si è spesso interessati a conoscere quale sia l effetto di una determinata esposizione. - Es. 1. qual è l effetto di una dieta vegetariana sulla salute? La dieta
DettagliManca qualcosa: cosa c èc. di sbagliato nell usare l età alla diagnosi/decesso o la latenza nei casi. Farina OJC 15 maggio 2013
Manca qualcosa: cosa c èc di sbagliato nell usare l età alla diagnosi/decesso o la latenza nei casi Consonni, Epidemiol Prev,, 2013 Farina OJC 15 maggio 2013 Introduzione Negli ultimi decenni l epidemiologia
DettagliMisure di Associazione
Misure di Associazione Prof. Tommaso Staniscia Introduzione Esposizione e Malattia Esposizione (E) = variabile esplicativa Qualsiasi agente, ospite, o fattore ambientale che può avere un effetto sulla
DettagliIl confronto fra proporzioni
L. Boni Il rapporto Un rapporto (ratio), attribuendo un ampio significato al termine, è il risultato della divisione di una certa quantità a per un altra quantità b Il rapporto Spesso, in maniera più specifica,
DettagliANALISI DEI DATI EPIDEMIOLOGICI
ANALISI DEI DATI EPIDEMIOLOGICI Cenni di statistica Che cosa è la statistica Statistica descrittiva e statistica inferenziale Test statistici di ipotesi Intervalli di confidenza Analisi stratificata TEST
DettagliScelta del soggetto. Sviluppo del protocollo. Pretest e revisione del protocollo. Effettuazione dello studio. Analisi dei risultati
Ciclo della ricerca Scelta del soggetto Sviluppo del protocollo Pretest e revisione del protocollo Effettuazione dello studio Analisi dei risultati Conclusioni e loro pubblicazione ANATOMIA DELLA RICERCA:
DettagliANALISI DELLE FREQUENZE: IL TEST CHI 2
ANALISI DELLE FREQUENZE: IL TEST CHI 2 Quando si hanno scale nominali o ordinali, non è possibile calcolare il t, poiché non abbiamo medie, ma solo frequenze. In questi casi, per verificare se un evento
DettagliLE CARTE DI CONTROLLO (4)
LE CARTE DI CONTROLLO (4) Tipo di carta di controllo Frazione difettosa Carta p Numero di difettosi Carta np Dimensione campione Variabile, solitamente >= 50 costante, solitamente >= 50 Linea centrale
DettagliStatistica descrittiva
Corso di Laurea in Ingegneria per l Ambiente ed il Territorio Corso di Costruzioni Idrauliche A.A. 2004-05 www.dica.unict.it/users/costruzioni Statistica descrittiva Ing. Antonino Cancelliere Dipartimento
DettagliLA METANALISI. Franco Merletti Unità di Epidemiologia dei Tumori Università di Torino
LA METANALISI Franco Merletti Unità di Epidemiologia dei Tumori Università di Torino È causa di grande preoccupazione constatare come la professione medica non abbia saputo organizzare un sistema in grado
DettagliAND NON CAP WEIGHTED PORTFOLIO
SOCIALLY RESPONSIBLE INVESTMENT AND NON CAP WEIGHTED PORTFOLIO Forum per la Finanza Sostenibile Milano 30 giugno 2009 Giulio Casuccio Head of Quantitatives Strategies and Research Principi ed obiettivi:
DettagliRischio di ospedalizzazione successiva alla prima dialisi nel Lazio: differenze per titolo di studio, età e genere.
Rischio di ospedalizzazione successiva alla prima dialisi nel Lazio: differenze per titolo di studio, età e genere. Claudia Marino, Nera Agabiti, Anna Maria Bargagli, Laura Cacciani, Salvatore Di Giulio,
Dettagli11. Analisi statistica degli eventi idrologici estremi
. Analisi statistica degli eventi idrologici estremi I processi idrologici evolvono, nello spazio e nel tempo, secondo modalità che sono in parte predicibili (deterministiche) ed in parte casuali (stocastiche
DettagliUniversità del Piemonte Orientale. Corsi di Laurea Triennale. Corso di Statistica e Biometria. Introduzione e Statistica descrittiva
Università del Piemonte Orientale Corsi di Laurea Triennale Corso di Statistica e Biometria Introduzione e Statistica descrittiva Corsi di Laurea Triennale Corso di Statistica e Biometria: Introduzione
DettagliLineamenti di econometria 2
Lineamenti di econometria 2 Camilla Mastromarco Università di Lecce Master II Livello "Analisi dei Mercati e Sviluppo Locale" (PIT 9.4) Aspetti Statistici della Regressione Aspetti Statistici della Regressione
DettagliFarmacosorveglianza. Davide Poli Davide Poli Istituto di Ricerche Farmacologiche Mario Negri davide.poli@marionegri.it
Farmacosorveglianza Davide Poli Davide Poli Istituto di Ricerche Farmacologiche Mario Negri davide.poli@marionegri.it Good Clinical Practice La Buona Pratica Clinica è uno standard internazionale di etica
DettagliE naturale chiedersi alcune cose sulla media campionaria x n
Supponiamo che un fabbricante stia introducendo un nuovo tipo di batteria per un automobile elettrica. La durata osservata x i delle i-esima batteria è la realizzazione (valore assunto) di una variabile
DettagliISA 610 e ISA 620 L'utilizzo durante la revisione dei revisori interni e degli esperti. Corso di revisione legale dei conti progredito
ISA 610 e ISA 620 L'utilizzo durante la revisione dei revisori interni e degli esperti. Corso di revisione legale dei conti progredito 1 ISA 610 USING THE WORK OF INTERNAL AUDITORS Questo principio tratta
DettagliLA CORRELAZIONE LINEARE
LA CORRELAZIONE LINEARE La correlazione indica la tendenza che hanno due variabili (X e Y) a variare insieme, ovvero, a covariare. Ad esempio, si può supporre che vi sia una relazione tra l insoddisfazione
DettagliCorso di laurea in Scienze Motorie. Corso di Statistica. Docente: Dott.ssa Immacolata Scancarello Lezione 2: Misurazione, tabelle
Corso di laurea in Scienze Motorie Corso di Statistica Docente: Dott.ssa Immacolata Scancarello Lezione : Misurazione, tabelle 1 Misurazione Definizione: La misura è l attribuzione di un valore numerico
DettagliStatistica. Esercitazione 15. Alfonso Iodice D Enza iodicede@unicas.it. Università degli studi di Cassino. Statistica. A. Iodice
Esercitazione 15 Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () 1 / 18 L importanza del gruppo di controllo In tutti i casi in cui si voglia studiare l effetto di un certo
DettagliGESTIONE DEL RISCHIO NEI DISPOSITIVI MEDICI: DALLA CLASSIFICAZIONE ALLA COMMERCIALIZZAZIONE
1 GESTIONE DEL RISCHIO NEI DISPOSITIVI MEDICI: DALLA CLASSIFICAZIONE ALLA COMMERCIALIZZAZIONE Ing. Enrico Perfler Eudax s.r.l. Milano, 23 Gennaio 2014 Indice 2 Il concetto di rischio nei dispositivi medici
DettagliLezione 1. Concetti Fondamentali
Lezione 1 Concetti Fondamentali 1 Sonetto di Trilussa Sai ched è la statistica? E E na cosa che serve pe fa un conto in generale de la gente che nasce, che sta male, che more, che va in carcere e che sposa.
Dettagli2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale
BIOSTATISTICA 2. Un carattere misurato in un campione: elementi di statistica descrittiva e inferenziale Marta Blangiardo, Imperial College, London Department of Epidemiology and Public Health m.blangiardo@imperial.ac.uk
DettagliStrategie alternative ai metodi sperimentali
Strategie alternative ai metodi sperimentali 1. 2. I quasi-esperimenti (non sperimentali) prevedono la descrizione del fenomeno in esame. Il metodo descrive le variabili in esame, non prevede alcuna manipolazione
DettagliComitato Etico ASL Napoli 2 Nord (istituito con delibera n. 161 del 22/02/2010) STATUTO COMITATO ETICO ASL NAPOLI 2 NORD
STATUTO COMITATO ETICO ASL NAPOLI 2 NORD ART.1 Finalità del Comitato Etico ART.2 Funzioni ART.3 Composizione e durata ART.4 Regolamento ART.5 Presidente ART 6 Segretario ART.7 Segreteria ART.8 Disposizioni
DettagliLE META-ANALISI. Graziella D Arrigo, Fabio Provenzano, Claudia Torino, Carmine Zoccali, Giovanni Tripepi
G Ital Nefrol 2011; 28 (5): 531-536 MASTER IN EPIDEMIOLOGIA CLINICA LE META-ANALISI Graziella D Arrigo, Fabio Provenzano, Claudia Torino, Carmine Zoccali, Giovanni Tripepi CNR-IBIM, Unità di Ricerca di
DettagliTitolo. Background. Obiettivi. Metodi Tipo di studio (disegno) Centro/i partecipante/i Popolazione
La SIFC promuove la ricerca clini ca nel campo della Fibrosi Cistica in Italia mediante la valutazione di progetti scientifici multicentrici e m ultidisciplinari. La Commissione Permanente Ricerca e Sviluppo
DettagliSperimentazione Clinica: ruolo e responsabilità dell Infermiere
Sperimentazione Clinica: ruolo e responsabilità dell Infermiere Fasi dello studio Disegni di ricerca sperimentale Barbara Gorini, Investigator Site Development Lead, Development Operations- Pfizer ITALIA
DettagliLa categoria «ES» presenta (di solito) gli stessi comandi
Utilizzo delle calcolatrici FX 991 ES+ Parte II PARMA, 11 Marzo 2014 Prof. Francesco Bologna bolfra@gmail.com ARGOMENTI DELLA LEZIONE 1. Richiami lezione precedente 2.Calcolo delle statistiche di regressione:
DettagliRelazioni statistiche: regressione e correlazione
Relazioni statistiche: regressione e correlazione È detto studio della connessione lo studio si occupa della ricerca di relazioni fra due variabili statistiche o fra una mutabile e una variabile statistica
Dettagli