Comuni trabocchetti nell’interpretrazione degli studi clinici: esempi da studi su ezetimibe.

Ai tempi di Semmelweis le cose apparivano molto chiare: questo illustre medico intuì che la febbre puerperale, che nel suo ospedale colpiva molte donne dopo il parto, poteva essere provocata dagli stessi medici e dagli studenti di medicina che visitavano le pazienti dopo aver fatto pratica di dissezione dei cadaveri. Per verificare questa ipotesi Semmelweiss ordinò che chiunque dovesse visitare le puerpere si lavasse bene le mani con una soluzione disinfettante di cloruro di calcio. Questa nuova prassi portò ad una drastica riduzione dei decessi da febbre puerperale. Non c’era bisogno in questo caso di approfondite conoscenze biostatistiche: la differenza tra lavarsi o non lavarsi era abissale, sia in termini di frequenza che di rilevanza dell’outcome.

Le cose sono, nel tempo, cambiate, da un lato per la dominanza della cultura medico scientifica anglosassone che ha come fondamento etico la necessita’ di fornire evidenze ; dall’altro per le stesse esigenze dei produttori di presidi farmaceutici, che hanno reso necessario analizzare differenze tra i due bracci sempre più piccole. I clinici per molto tempo sono stati invece abituati ad analizzare differenze piuttosto grandi e spesso non è comune tra i ricercatori clinici, che il piu’ delle volte non hanno ricevuto una specifica formazione nel corso dei loro studi, un bagaglio formativo adeguato ad affrontare con senso critico le insidie interpretative dei risultati della ricerca.

Le differenze da analizzare tra i bracci a confronto sono divenute sempre più marginali quando nella metodologia degli studi clinici si è affermata per motivi etici l’esigenza di assicurare al gruppo di controllo un trattamento comunque efficace. In queste circostanze l’intervento oggetto di studio deve essere confrontato con una terapia attiva in grado comunque di fornire benefici. E’ evidente cosi’ che le differenze da studiare tra braccio di intervento e braccio di controllo diventano sempre piu’ piccole e per ragioni statistiche cio’ implica dover utilizzare nelle ricerche dimensioni campionarie sempre piu’ grandi.

Il tipo di risposte che oggi vengono richieste all’ organizzazione di uno studio riguardano non solo end-point surrogati ( quali ad esempio la variazione di un parametro bioumorale) ma anche eventi clinicamente rilevanti come ictus, infarti e mortalità specifica o generale. Studi del genere (ossia con eventi clinici come endpoint) abbisognano di ampie casistiche, che devono essere analizzate per anni in quanto, oltre alla necessita’ di dimostrare piccole differenze tra i bracci a confronto, la frequenza degli eventi e’ di per se piuttosto scarsa. In molti casi la bassa frequenza degli endpoint maggiori richiederebbe l’ organizzazioni di dimensioni campionarie enormi. Costruendo un endpoint complesso (endpoint composito) viene cosi’ artificialmente aumentata sia la frequenza dell’ evento che il suo rischio basale e la dimensione campionaria viene ridotta in questo modo a limiti accettabili: ma allo stesso tempo con questi artifizi si paga lo scotto di ulteriori problemi interpretativi.
Tali esigenze hanno stimolato la messa a punto di analisi biostatistiche sempre più sofisticate che per poter essere applicate ed interpretate in modo corretto necessitano tuttavia conoscenze adeguate.

Nel presente articolo verranno analizzati alcuni trabocchetti da evitare nell’interpretazione dei risultati dei trial.

End point primario

Quando si progetta uno studio è necessario stimare in via preliminare la frequenza dell’evento studiato sia nel gruppo di controllo che in quello di intervento ed è assolutamente necessario definire a priori quale è l’obiettivo primario che si vuole affrontare. La dimensione campionaria e’ infatti tarata solo sui risultati che ci si aspetta di ottenere per l’ endpoint primario. E’ possibile definire anche obiettivi secondari (che devono essere parimenti sempre pre-definiti). Tuttavia non e’ su questi endpoint che e’ stato tarato il campione e l’ interpretazione della significativita’ statistica dei loro risultati deve essere rivista alla luce di importanti questioni di metodo che verranno di seguito affrontate.

Enfatizzare la “significativita statistica” di un endpoint secondario anche quando questa non non esiste e’ abbastanza facile: basta citare in modo acritico il mitico cut off “p<0.05” . Questo cut off esprime in realta’ la massima quantita’ accettata di errore alfa nei calcoli delle dimensioni campionarie, sempre tarate sui risultati attesi per un solo end-point: l’ end-point primario. Dire p < 0,05 significa che il rischio di definire erroneamente "reale" un risultato in realta’ dovuto al caso deve essere inferiore a 1 probabilita’ su 20: ma molte persone scommettono sui cavalli con questi margini di rischio! [Sleight 2000]

Un recente articolo sull’ efficacia dell’ ezetimibe [Uguccioni 2013] si presta in modo ottimale per chiarire come esempio emblematico i rischi associati all' interpretazione di analisi secondarie e, soprattutto, delle analisi post hoc. [Mills 1993}. Anche alcune linee guida e talune decisioni regolatorie [ATP III 2004, ESC 2011 , ACC/HAH 2013 , Nota 13 2013] non sono esenti da distorsioni interpretative legate a questi importanti aspetti di metodo.

I target

Da anni, per esempio, si propongono ai medici “soglie” ben definite di LDL-colesterolo come assoluta priorita’ da perseguire in prevenzione cardiovascolare. In realtà nessun trial ha mai specificamente testato se una determinata soglia di LDL-CL possa offrire vantaggi rispetto ad un’ altra nel ridurre il rischio di end-point maggiori , intendendo per tali non tanto i risultati sulle frazioni lipidiche quanto piuttosto gli esiti realmente importanti per la salute del paziente quali: morte da ogni causa, morte coronarica, morte cardiovascolare, infarto, ictus. Il dogma dei target di colesterolemia LDL si basa infatti sui risultati di quattro RCT in cui sono stati randomizzati farmaci (non soglie ) [HPS 2002, IDEAL 2005, TNT 2005, PROVE-IT 2004] ed e’ quindi fondato su un’ interpretazione distorta (perche’ post hoc e ‘osservazionale’ ) dei risultati di studi sperimentali [Hayward 2006]. Questa posizione, sostenuta anche dall’ AIFA [Nota 13 2012, Nota 13 2013] desta ancor piu’ perplessità quando si consideri che i livelli di LDL-CL suggeriti per gran parte dei pazienti diabetici e per tutti i pazienti in prevenzione secondaria (vale a dire il target di 70 mg/dl di LDL-CL) sono stati ottenuti molto raramente nei pazienti arruolati nelle ricerche su queste categorie di rischio e danno luogo a risultati contraddittori. Questi ‘target’ sono ancor più difficili da raggiungere nei pazienti del mondo reale: una recente esperienza di audit territoriale ha infatti dimostrato in Veneto che solo il 15% dei pazienti in prevenzione secondaria trattati con statine ha ottenuto livelli di colesterolemia LDL inferiori a 70 mg/dl [Battaggia 2013]. Nello studio 4S la mortalita’ e la morbilita’ dei coronaropatici sono state ridotte in presenza di livelli di colesterolo LDL ben piu’ alti (=122 mg/dl) rispetto a quelli raccomandati dai follower del dogma “lower is better” per le stesse categorie di rischio. Questo vale per la maggior parte degli studi che hanno dimostrato efficacia delle statine in pazienti in prevenzione secondaria e nei diabetici “candidati” alla soglia 70 mg/dl di LDL-CL dalla nota 13 [Battaggia 2013]. Non appare pertanto giustificato affermare che “ridurre i livelli di colesterolo totale e LDL sia uno degli interventi di maggiore efficacia in prevenzione cardiovascolare ” [Uguccioni 2013] . I pazienti candidati a questi trattamenti dovrebbero essere assegnati non tanto a farmaci “efficaci nel portare a target il colesterolo” quanto piuttosto a farmaci di provata efficacia nel ridurre il rischio di esiti cardiovascolari fatali e non fatali in quanto gia’ sperimentati su questi end-point in studi ben disegnati i cui risultati siano stati correttamente interpretati. Farmaci ipocolesterolemizzanti diversi dalle statine (quali, ad esempio, ezetimibe o fibrati) non hanno mai provato di poter ridurre il rischio di morte cardiovascolare, coronarica o da ogni causa , come sarebbe lecito attendersi se i vantaggi fossero vincolati al puro abbattimento della frazione LDL. La natura log-lineare del rapporto tra colesterolemia LDL ed eventi , cavallo di battaglia dei sostenitori della teoria “lower is better”[CTT 2005, CTT 2010, CTT 2012 ], e’ stata tra l’ altro e piu’ volte rimessa in discussione [Battaggia 2012, Ray 2012, Donzelli 2012, Newman 2012, Mascitelli 2012 ] ed appare ormai accertato che solo meta’ dell’ efficacia delle statine viene “spiegata” dalle variazioni della colesterolemia LDL [Boekholdt 2012].
Di fatto l’ ultima nota 13, definendo ad ‘altissimo rischio’ la maggior parte dei diabetici, i pazienti in prevenzione secondaria ed i pazienti affetti da insufficienza renale grave, candida al raggiungimento della soglia di LDL 70 mg/dl circa il 7% della popolazione generale [da Bastarolo 2005, dati non pubblicati].
Dato che questo livello di colesterolemia e’ assai difficile da raggiungere utilizzando le statine “meno potenti” e dato che la rosuvastatina e’ stata esclusa come seconda scelta dalle decisioni AIFA nelle condizioni definite “ad altissimo rischio”, di fatto la nota 13 puo’, in teoria, incoraggiare la prescrizione di ezetimibe/simvastatina ad una larga fascia della popolazione generale. Pertanto occorrono evidenze molto solide per sostenere tali raccomandazioni. Purtroppo sull’ effetto netto dell’ ezetimibe nei confronti di endpoint cardiovascolari maggiori non sono disponibili evidenze perche’ nei due unici trial in cui il farmaco e’ stato in tal senso sperimentato (SEAS e SHARP) l’ ezetimibe e’ stato sempre utilizzato in associazione a statine ed utilizzando placebo come comparator.


Le Analisi post-hoc

L’ interpretazione dei risultati dello studio SEAS [SEAS 2010] e dell’ analisi post hoc condotta dagli stessi autori [Holme 2010], citata dal lavoro sull’ ezetimibe prima menzionato [Uguccione 2013], rappresenta un esempio di come i risultati reali di un trial possano essere interpretati in modo ambiguo attraverso analisi formulate ex post (ossia ispirate dai risultati iniziali della ricerca) . Il campione dello studio SEAS era stato tarato per dimostrare se l’ associazione ezetimibe-simvastatina fosse in grado, rispetto al placebo, di ridurre l’ incidenza di un end-pont composito cardiovascolare (morte cardiovascolare o sostituzione aortica o scompenso cardiaco o infarto non fatale o by pass coronarico o interventi percutanei coronarici o stroke non emorragico o angina instabile ospedalizzata) [SEAS 2010]. Lo studio SEAS non ha potuto dimostrare in quella categoria di pazienti (tutti affetti da stenosi aortica) effetti superiori al placebo per questo end-point (HR=0.96, p=0.59) [SEAS 2010]. Questo risultato rappresenta l’ unica risposta certa al quesito per cui SEAS era stato organizzato, in quanto pertinente ai risultati primari. Nell’articolo citato [Uguccioni 2013] e nell’ analisi post hoc eseguita dagli stessi autori SEAS [Holme 2010] , e’ stata invece valorizzata la significativita’ statistica rilevata per un end-point secondario (“ischemic events HR=0.78 p=0.02”), che rappresenta un sotto-componente composito dell’ endpoint primario costituito, a propria volta, da diversi singoli sottocomponenti del medesimo endpoint.

Anche se il cut-off di p necessario a definire “significativo” un risultato corrisponde convenzionalmente al “mitico” valore 0.05 non si ribadira’ mai abbastanza che questo vale solo per i risultati su cui e’ stato costruito il campione, vale a dire quelli che riguardano l’ end-point primario della ricerca.

Da cio’ deriva che il cut off necessario a definire “significativo” un risultato non primario deve essere sempre abbassato sotto il livello 0.05.

E’ dunque importante , specie nelle raccomandazioni terapeutiche riguardanti ampi strati delle popolazione, fare riferimento a studi che abbiano obiettivi primari predefiniti costituiti da eventi clinicamente rilevanti poco suscettibili a distorsioni di conduzione .