![](/public/aspnuke/imgs/space.gif) |
![](/public/aspnuke/imgs/space.gif) |
![](/public/aspnuke/imgs/space.gif) |
![](/public/aspnuke/imgs/space.gif) |
![](/public/aspnuke/imgs/space.gif) |
|
|
|
![](/public/aspnuke/imgs/space.gif) |
Sopravvivenza e mortalità: come interpretare correttamente i dati degli studi |
![](/public/aspnuke/imgs/space.gif) |
![](/public/aspnuke/imgs/space.gif) |
pag 6
Analisi del follow-up
Esprimere mortalità e sopravvivenza attraverso i dati crudi non fornisce alcuna informazione di come si siano distribuiti gli eventi durante il follow-up. Per esempio in uno studio di prognosi che riguardi pazienti critici che hanno subito un intervento chirurgico la mortalità è sicuramente più alta nell' immediato postoperatorio, ma con l' analisi dei dati crudi questo fenomeno non viene rilevato.
Pensiamo come esempio più dettagliato ad uno studio controllato in cui siano stati arruolati 100 pazienti per braccio e che, dopo 3 anni, registri 15 decessi per braccio. Ovviamente si può concludere che la mortalità è del 15% in entrambi i casi e che l'intervento studiato (sia esso un farmaco oppure un intervento di screening o altro) non ha portato beneficio rispetto al controllo. Però supponiamo che nel braccio intervento si siano registrati 2 decessi in tutto nel primo anno, altri 5 decessi nel secondo anno, 8 decessi nel terzo. Invece nel braccio controllo si siano registrati: 6 decessi nel primo anno, 6 decessi nel secondo anno e 3 decessi nel terzo anno. Pur essendo vero che il numero di decessi totali alla fine del terzo anno è identico nei due gruppi il rischio di morte è diverso nei tre diversi periodi: è minore per il primo gruppo nel primo e secondo anno mentre nel terzo anno risulta avvantaggiato il secondo gruppo. Affidarsi, allora, solo alla mortalità alla fine dello studio fa correre il rischio di non tener conto dei benefici dell'intervento nei primi due anni. Probabilmente ognuno di noi preferirebbe affidarsi all'intervento perché, almeno per i primi due anni, avrebbe una mortalità minore rispetto al controllo, anche se poi, alla fine del terzo anno, il vantaggio scompare.
Per ovviare a queste difficoltà vengono costruite delle curve di sopravvivenza (dette curve di Kaplan-Meier). Si costruisce un sistema cartesiano in cui l'asse delle ordinate rappresenta la sopravvivenza (parte ovviamente dal valore 100% all' inizio dello studio) e l'asse delle ascisse il tempo. La costruzione della curva dipende dal timing nel quale si verificano gli eventi. In altre parole non si stabilisce un intervallo fisso a priori (per esempio contare gli eventi ogni 2 settimane oppure ogni 2 mesi, ecc.) ma è la comparsa di ciascun evento che determina la durata degli intervalli (per esempio potrebbe essere che il primo decesso compaia dopo 5 giorni dall'inizio dello studio e allora l'intervallo avrà durata 5 giorni, il secondo dopo 7 giorni dall'inizio e allora questo intervallo durerà 2 giorni, e così via). In questa maniera viene costruita una curva che ha un andamento a scalini. Un esempio è la figura 2 in cui vengono rappresentate due curve di sopravvivenza, una verde ed una rossa. Anche se alla fine dello studio la sopravvivenza è la stessa per entrambe le curve si nota chiaramente che ai tempi intermedi essa è superiore per la curva verde rispetto alla curva rossa. Se la prima rappresenta la curva ottenibile con uno screening e la seconda quella nel gruppo senza screening, anche se al termine dello studio non c'è differenza, è evidente che nei tempi intermedi lo screening otterrebbe dei benefici, purché il tempo guadagnato sia ovviamente degno di essere vissuto e la qualità di vita decente.
![](http://www.pillole.org/public/aspnuke/downloads/immagini/fig2mortalita.gif)
|
![](/public/aspnuke/imgs/space.gif) |
![](/public/aspnuke/imgs/space.gif) |
![](/public/aspnuke/imgs/space.gif) |
![](/public/aspnuke/imgs/space.gif) |
|
|
|
© Pillole.org 2004-2024 | Disclaimer | Reg. T. Roma n. 2/06 del 25/01/06 | Dir. resp. D. Zamperini
ore 17:22 | 934044 accessi| utenti in linea:
70615
|
|