RICERCA - Altervista
Transcript of RICERCA - Altervista
1
INTRODUZIONE ALLA METODOLOGIA DELLA
RICERCA 4 – Studi diagnostici
Prof. Paolo ChiariDipartimento di Scienze Mediche e Chirurgiche
Università di Bologna
I punti che tratteremo
• Studi diagnostici• Accuratezza e validità degli strumenti di
misurazione• I calcolatori• Valutazione critica degli studi diagnostici
2
Copyright ©1997 BMJ Publishing Group Ltd.
Greenhalgh, T. BMJ 1997;315:540-543
Quali sono gli studi che esaminano gli strumenti diagnostici
Per ogni domanda un disegno
3
Studio Trasversale
• È uno studio osservazionale. • I pazienti arruolati vengono sottoposti al test
sotto indagine e quindi al migliore test riconosciuto in quel momento (gold standard), in grado di rivelare la presenza o meno della patologia.
• Si verifica quindi la coerenza dei risultati ottenuti con i due strumenti e si verifica la opportunità di utilizzare il nuovo strumento.
Quali caratteristiche deve possedere uno strumento diagnostico?
4
Affidabilità
• Cosa si intende?• È la capacità di un test di offrire sempre lo stesso
risultato, nel corso di misurazioni ripetute.• È una caratteristica intrinseca dello strumento e
dipende dalla bontà dello strumento e/o dell’operatore.
Validità
• È la capacità di un test di distinguere in una popolazione i soggetti sani da quelli malati.
5
Test ideale
negativi al test positivi al test
sani
malati
Da Lopalco PL, Tozzi AE. Epidemiologia facile. Roma:
Pensiero Scientifico Editore, 2003
Il test ideale
sani
malati
valore di cut-off
Valore della variabile , discriminante per assegnare un
soggetto al gruppo dei sani o dei malati. Es. 110 mg/ml
6
Test reale...
negativi al test positivi al test
sani
malati
Da Lopalco PL, Tozzi AE. Epidemiologia facile. Roma:
Pensiero Scientifico Editore, 2003
Il test reale...
valore di cut-off
VPmalati
VNsani
FP: saniFN: malati
7
Distribuzione della popolazione in relazione al testMalati Sani
Test +
Test -
VP FP
FN VN
Totale malati Totale sani
Totale positivi
Totale negativi
Totale soggetti
Tanto più basse saranno le quote di falsi positivi e falsi negativi, tanto più il test sarà valido.
Definizione della validità dello strumento: SENSIBILITA’
• Per sensibilità si intende la capacità di un test di individuare in una popolazione i soggetti malati.
• Essa è data dalla proporzione dei soggetti realmente malati e positivi al test (veri positivi) rispetto all ’intera popolazione dei malati.
8
Sensibilità
capacità del test di individuare in una popolazione i soggetti malati
VP
Totalemalati
VP
VP + FN=
Malati Sani
Test +
Test -
VP FP
FN VN
TM+ TM-
Totale positivi
Totale negativi
Sensibilità
negativi al test
positivi al test
malati25/29= 86,2%
VP
FN
Da Lopalco PL, Tozzi AE. Epidemiologia facile. Roma:
Pensiero Scientifico Editore, 2003
Un test molto sensibile avrà pochi falsi negativi
9
Definizione della validità dello strumento: SPECIFICITA’
• Per specificità si intende la capacità di un test di identificare come negativi i soggetti sani.
• Essa è data dalla proporzione dei soggetti realmente sani e negativi al test (veri negativi) rispetto all’intera popolazione dei malati.
Specificità
capacità del test di individuare come negativi i soggetti sani
VN
Totalesani
VN
VN + FP=
Malati Sani
Test +
Test -
VP FP
FN VN
TM+ TM-
Totale positivi
Totale negativi
10
Specificità
negativi al test
Uno strumento specifico determina
l’individuazione di pochi falsi positivi.
sani
55/57= 96,5%
FP
VN
Da Lopalco PL, Tozzi AE. Epidemiologia facile. Roma:
Pensiero Scientifico Editore, 2003
Diagnosi
• Sensibilità = a/(a+c) = 23/25 = 92%• Specificità = d/(b+d) = 75/75 = 100%• Sensibilità e specificità dovrebbero essere
entrambi maggiori del 80% per essere clinicamente utili in ambito diagnostico, nello screening devono tendere al 100%.
Centro studi EBN - Bologna
11
Scale di valutazione: accertamento standardizzato
STRUMENTI PER LA VALUTAZIONE DEL
RISCHIO DI CADUTA
• Conley scale• STRATIFY • MORSE fall scale
12
Conley Scale - Conley D, Shultz AA, Selvin R.The challenge of predicting patients at risk of falling; development of the
Conley Scale. MEDSURG Nurs 1999; 8: 348-54.
Strumento per la valutazione all’ingresso del rischio di caduta del paziente ricoverato in reparti per acuti (medico-chirurgici). Variabili considerate: • Precedenti cadute• Presenza di vertigine o capogiri• Incontinenza• Deterioramento cognitivo • Compromissione della marcia• Agitazione
Punteggio 0 (nessun rischio) – 8 (massimo rischio)Punteggio di cut off : 2
Scala di ConleyIstruzioni: le prime tre domande devono essere rivolte solo al paziente: possono essere rivolte ad un familiare od al caregiver o all'infermiere, solo se il paziente ha severi deficit cognitivi o fisici che gli impediscono di rispondere. Barrare il valore corrispondente alla risposta fornita. Sommare i valori positivi.La risposta "Non so" è da considerare come risposta negativa.
02C6 - Deterioramento della capacità di giudizio / mancanza del senso del pericolo.
TOTALE
01C5 - Agitato (Definizione: eccessiva attività motoria, solitamente non finalizzata ed associato ad agitazione interiore. Es: incapacità a stare seduto fermo, si muove con irrequietezza, si tira i vestiti, ecc.).
01Deterioramento cognitivo (osservazione infermieristica)C4 - Compromissione della marcia, passo strisciante, ampia base
d’appoggio, marcia instabile.
01C3 - Le è mai capitato di perdere urine o feci mentre si recava in bagno? (negli ultimi 3 mesi)
01C2 - Ha mai avuto vertigini o capogiri? (negli ultimi 3 mesi)
02Precedenti cadute (domande al paziente/caregiver/infermiere) C1 - E’ caduto nel corso degli ultimi tre mesi?
NoSì
13
Che risultati ha dato questo strumento?
Conley scale• Conley D, Shultz AA, Selvin R.The
challenge of predicting patients at risk of falling; development of the Conley Scale. MEDSURG Nurs 1999; 8: 348-54.
• SENSIBILITA’: 71%• SPECIFICITA’: 59%
Dati studio sulle cadute – scala di Conley
Caduto Non caduto
Test +
Test -
47 911
21 641
68 1552
958
662
Totale 1620Sensibilità = a/a+c
Specificità = d/b+d
14
STRATIFY- Oliver D, Britton M, Seed P, Martin FC, Hopper AH. Development and eveluation of evidence based risk
assessment tool (STRATIFY) to predict which elderly impatients will fall: case-control and cohort studies. BMJ 1997; 315: 1049-53.
Strumento per la valutazione del rischio di cadute negli anziani ricoverati.Variabili considerate:• Precedenti cadute • Punteggio di mobilità e trasferimento • Necessità di andare frequentemente in bagno • Agitazione• Riduzione della vista.• Punteggio 0 (nessun rischio) – 5 (massimo rischio)• Punteggio di cut off >2
STRATIFY strumento di valutazione del rischio di caduta del pazienteIstruzioni: tutte le domande, ad eccezione della prima, devono essere rivolte all'infermiere responsabile. Barrare il valore corrispondente alla risposta fornita. Sommare i valori positivi.
01
______
S5 – Il paziente ha un punteggio di mobilità corrispondente a 3 o a 4 ?(vedi schema di calcolo sottostante)
TOTALE
01
1
S3- Abbia un calo della vista tale da compromettere tutte le altre funzioni quotidiane?
S4 - Necessiti di andare in bagno con particolare frequenza? (< 3 or e)
01Ritieni che il paziente:S2 – Sia agitato? (Definizione: eccessiva attività motoria, solitamente non finalizzata ed
associato ad agitazione interiore. Es: incapacità a stare seduto fermo, si muove con irrequietezza, si tira i vestiti, ecc.).
01S1 - Il paziente è stato ricoverato in seguito ad una caduta, oppure è caduto durante la degenza? (esame della documentazione)
________
3
3
2
2
1
1
0
0
Il paziente è in grado di:1) Spostarsi dalla sedia al letto e ritornare ( include il sedersi sul letto) 2) Camminare sul piano (spingere la sedia a rotelle se non deambula)
TOTALE
PunteggioIndip.Con aiuto
minore
Con aiutomaggiore
NoSchema per il calcolo del punteggio di mobilità
15
Che risultati hanno dato questi strumenti?
Stratify: Oliver D, Britton M, Seed P, Martin FC, Hopper AH. Development and eveluation of evidence based risk assessment tool (STRATIFY) to predict which elderly impatients will fall: case-control and cohort studies. BMJ 1997; 315: 1049-53.
SENSIBILITA’: 93% SPECIFICITA’: 87%
Coker E, Oliver D. Evaluation of the STRATIFY FallsPredictor Tool on a Geriatric Unit. Outcome management 2003. Vol 7(1): 8-14.
SENSIBILITA’:73%SPECIFICITA’: 45%
Dati studio sulle cadute – scala di Stratify
Caduto Non caduto
Test +
Test -
10 143
41 987
51 1130
153
1028
Totale 1181Sensibilità = a/a+c
Specificità = d/b+d
16
Come possono essere modificate la sensibilità e la specificità?
Modificare la sensibilitModificare la sensibilitààSe volessimo aumentare la sensibilità, cogliendo tutti i soggetti malati ed aumentando così i veri positivi, dovremmo abbassare la quota del valore di cut-off.Ad esempio potremmo abbassare il valore soglia della glicemia da 110 mg/ml a 90 mg/ml (o il valore di cut-off della scala di valutazione).
Modificare la specificitModificare la specificitààSe volessimo aumentare la specificità, escludendo dalla diagnosi tutti i soggetti sani ed aumentando così i veri negativi, dovremmo alzare la quota del valore di cut-off.Ad esempio potremmo aumentare il valore soglia della glicemia da 110 mg/ml a 120 mg/ml.
Abbassando il cut-off:
Aumentano i veri positivi (aumenta la
sensibilità)
Aumentano i falsi positivi (diminuisce la
specificità)
17
Aumentando il cut-off:
Aumentano i veri negativi (aumenta la
specificità)
Aumentano i falsi negativi (diminuisce la
sensibilità)
Roc curve
• Al fine di valutare come un test si comporta in una popolazione (in termini di sensibilità e specificità) in funzione di determinati valori di cut-off, sono state realizzate le cosiddette curve ROC.
• Esse sono la rappresentazione su di un grafico, che riporta in ascisse la percentuale di errore falso positivo (ovvero 1 meno la specificità) e in ordinate la sensibilità, dei diversi valori misurati in una popolazione a differenti livelli di cut-off.
18
Curve ROC(receiver operating characteristics)
0 20 40 60 80 100
80
60
40
20
0
100
sens
ibili
tà
tasso d’errore falso positivo (1-specificità)
nessun beneficio
curva accettabile
curva buona
curva ottima
ES: PAS 40 mm/Hg
ES: PAS 400 mm/Hg
Roc curve
0 20 40 60 80 100
80
60
40
20
0
100
sens
ibili
tà
tasso d’errore falso positivo (1-specificità)
nessun beneficio
curva accettabile
curva buona
curva ottima
• Un test povero ha linee accostate alla diagonale mediana, mentre le linee per un test perfetto devono salire rapidamente e oltrepassare avvicinandosi all’angolo in alto a sinistra dove sia la sensibilità che la specificità sono pari a 1.
19
Predittività
• La sensibilità e la specificità sono parametri intrinseci al test, che non si modificano con il modificarsi della frequenza con cui si presenta la patologia.
• Essi ci dicono quindi qual è la probabilità, data una popolazione di sani e di malati, di individuarli come tali.
• Niente ci dicono, invece, di qual è la probabilità di un soggetto trovato positivo, di esserlo veramente.
Valore predittivo positivo
la probabilità che un soggetto positivo al test sia effettivamente malato
VP
TP
VP
VP + FP=
Malati Sani
Test +
Test -
VP FP
FN VN
Totale malati Totale sani
Totale positivi
Totale negativi
Totale soggetti
20
Valore predittivopositivo
positivi al test
sani
malati
FP
VP
25/27 = 92,6%
Da Lopalco PL, Tozzi AE. Epidemiologia facile. Roma:
Pensiero Scientifico Editore, 2003
Il valore risultato (92,6%) indica la probabilità per un soggetto con un test positivo di essere realmente malato.
Il valore risultato (92,6%) indica la probabilità per un soggetto con un test positivo di essere realmente malato.
Valore predittivo negativo
la probabilità che un soggetto negativo al test sia effettivamente sano
Malati Sani
Test +
Test -
VP FP
FN VN
Totale malati Totale sani
Totale positivi
Totale negativi
Totale soggetti
VN
TN
VN
VN + FN=
21
Valore predittivonegativo
sani
malati
FN
VN
55/59 = 93,2% negativi al test
Il 93,2% indicheràla probabilità che ha un soggetto risultato negativo al test di essere effettivamente sano.
Il 93,2% indicheràla probabilità che ha un soggetto risultato negativo al test di essere effettivamente sano.
Dati studio sulle cadute – scala di Conley
Totale 1620Valore predittivo positivo = a/a+b
Valore predittivo negativo = d/c+d
Caduto Non caduto
Test +
Test -
47 911
21 641
68 1552
958
662
a b
c d
22
Dati studio sulle cadute – scala di Stratify
Caduto Non caduto
Test +
Test -
10 143
41 987
51 1130
153
1028
Totale 1181
a b
c d
Valore predittivo positivo = a/a+b
Valore predittivo negativo = d/c+d
Predittività del test e prevalenza
• La predittività di un test, al contrario di specificità e sensibilità, non è una caratteristica intrinseca del test, ma può dipendere dalla frequenza della malattia nella popolazione.
23
Prevalenza e valore predittivo
Prevalenza = 20/400 = 5%
Prevalenza e valore predittivo
Valore predittivo = 18/56 = 32,1%
Prevalenza = 5%Test: sensibilità 90%, specificità 90%
positivi al test
negativi al test
3443422Negativi
380
38
Sani
40020
5618Positivi
Malati
Probabilità che il soggetto sia davvero malato
24
Prevalenza e valore predittivo
Prevalenza = 80/400 = 20%
Prevalenza e valore predittivoPrevalenza = 20%test: sensibilità 90%, specificità 90%
positivi al test
negativi al test
2962888Negativi
320
32
Sani
40080
10472Positivi
Malati
Valore predittivo = 72/104 = 69,2%Probabilità che il soggetto sia
davvero malato
25
Prevalenza e valore predittivo
• A parità di sensibilità, la probabilità che a un allarme corrisponda effettivamente un tentativo di furto (e che non si tratti di un falso allarme!) dipende dal contesto; se ci troviamo in una città dove i furti sono rari, è più probabile che si tratti di un falso allarme, se ci troviamo in una città ad alto tasso di furti, allora è il caso di preoccuparsi...
Prevalenza e valore predittivo
• La predittività del test è proporzionale alla prevalenza della malattia in quella popolazione.
• Tanto più è bassa, tanto maggiore è il rischio di falsi positivi( prevalenza 5% T+ 56, di cui FP 38; Prevalenza 20% T+ 104, di cui solo 32 FP).
• Per aumentarla, pertanto, sarà bene scegliere accuratamente la popolazione su cui avviare lo screening, per evitare di dover fare i conti con una quota troppo elevata di falsi positivi.
26
Likelihood ratio(rapporto di verosimiglianza)
LR+ proporzione di veri positivi rispetto alla proporzione di falsi
positivi
LR- proporzione di falsi negativi rispetto alla proporzione di veri negativi
M+ M-
T+
T-
VP FP
FN VN
TM+ TM-
TP
TN
N
a b
c d
%VP%FP
sensibilità1-specificità
=
%FN%VN
1-sensibilitàspecificità=
=
=c/(a+c)d/(b+d)
a/(a+c)b/(b+d)
Rapporto di verosimiglianza di un test positivo (Likelihood ratio)
• L’LR+ esprime quante probabilità in più ha un risultato del test positivo di essere riscontrato in un soggetto con malattia, piuttosto che in un soggetto che non ha la patologia target, ma che presenta un valore rientrante nel range patologico per altri motivi.
• L’LR- esprime quante probabilità ha un soggetto il cui risultato del test è negativo, di essere in realtàmalato (misura quindi con quale probabilità il test può indurre un errore diagnostico).
27
Esempio: l’efficacia dello stick sulle urine per la diagnosi di diabete
98796621Negativi
973
7
Sani
100027
136Positivi
Malati
Andersson DKG, Lundblad E, Svardssudd K. Amodel for ealry diagnosis of type 2 diabetes
mellitus in primary health care. Diabet Med 1993; 10:167-73.
Sensibilità = 6/27 = 22,2%
Specificità = 966/973 = 99,3%
Percentuale di errore falso positivo = 1- specificità = 1 – 99,3% = 0,7%
LR+ = sensibilità /(1- specificità) = 22,2%/ 0,7% = 32
Se ho ottenuto un risultato dello stik positivo, qual è la probabilitàche il soggetto abbia il diabete?
In presenza di un test positivo la probabilità che la persona abbia realmente il diabete è di 32 volte superiore rispetto ad una persona sana.
Esempio: l’efficacia dello stick sulle urine per la diagnosi di diabete
98796621Negativi
973
7
Sani
100027
136Positivi
Malati
Andersson DKG, Lundblad E, Svardssudd K. Amodel for ealry diagnosis of type 2 diabetes
mellitus in primary health care. Diabet Med 1993; 10:167-73.
Sensibilità = 6/27 = 22,2%
Specificità = 966/973 = 99,3%
Percentuale di errore falso negativo = 1- sensibilità = 1 – 22,2% = 77,8%
LR- = (1 - sensibilità) / specificità = 77,8%/ 99,3% = 0,78
Se ho ottenuto un risultato dello stik negativo, qual è la probabilitàche il soggetto non abbia il diabete?
In presenza di un test negativo la probabilità che la persona sia malata è solo di 0,78 volte rispetto ad una persona sana.
28
Il rapporto di verosimiglianza
• Un test di verosimiglianza di 1 significa che la probabilitàposttest è esattamente la stessa della probabilitàpretest.
• Rapporti di verosimiglianza superiori a 1.0 aumentano la probabilità che la patologia oggetto di indagine sia presente, e maggiore è il rapporto di verosimiglianza, maggiore è questo incremento.
• Al contrario, rapporti di verosimiglianza inferiori di 1 riducono la probabilità di patologia target, e più piccolo èil rapporto di verosimiglianza, maggiore è la riduzione della probabilità e più piccolo è il suo valore finale.
Utilità del rapporto di verosimiglianza
• E’ molto utile tutte le volte in cui l ’esito del test non è solo POSITIVO/NEGATIVO, ma quando è rappresentato da una gradualitàdi valori (test di laboratorio).
29
Rapporto di verosimiglianza: è la probabilità che un livello specifico di ferritina sierica sia individuato in un paziente con anemia sideropenica (rispetto ad un paziente senza). Per esempio per livelli di ferritina <=18 il rapporto di verosimiglianza sarà:n = (47/85)/(2/150) = 0.553/0.013 = 42.5più probabile di 42.d volte che un livello sierico di ferro inferiore o uguale a 18 mcg/L si verifichi in un paziente con anemia sideropenica (rispetto ad uno senza).
15085Totale
0.13108/150 = 0.721088/82 = 0.0948> 100
0.4627/150 = 0.18277/85 = 0.0827> 45 < 100
3.1113/150 = 0.0871323/85 = 0.27123>18 < 45
42.52/150 = 0.013247/85=0.55347<= 18
Rapporto di verosimiglianza
ProporzioneNumero ProporzioneNumeroFerritina sierica(mcg/L)
AssentePresente
Proprietà del test della ferritina sierica nella diagnosi dell’anemia sideropenica
Utilità del rapporto di verosimiglianza
• Il rapporto di verosimiglianza, mediante alcuni calcoli o consultando il normogramma di Fargan, consente di calcolare come si modifica la probabilità pre-test, data dalla prevalenza della patologia nella popolazione con caratteristiche simili al soggetto in esame , in probabilità post-test, ossia di definire la proporzione dei soggetti malati della patologia target che presentano quel valore del test.
30
Cos’è la probabilità pretest?
• E’ la prevalenza della patologia. • Può variare secondo la prevalenza nella
popolazione generale, gruppo di età, sesso, presenza di sintomi clinici, scenario nel quale il paziente viene osservato.
• Le fonti da cui trarre la prevalenza sono:– l’esperienza clinica (fallibile), – statistiche di prevalenza regionali o nazionali, – banche dati e studi, – la probabilità osservata nello studio, ricavandola in
questo modo: (a+c)/(a+b+c+d)
Cos’è la probabilità posttest?
• È la proporzione di persone con un particolare risultato del test che hanno la patologia in esame.
31
Alla luce di ciò, come si interpreta LR?
Indipendentementedalla
probabilità pretest.
Può essere valido con
una probabilitàpretest alta (33%).
Copyright ©1997 BMJ Publishing Group Ltd.
Greenhalgh, T. BMJ 1997;315:540-543
Fig 1 Use of likelihood ratios to calculate post-test probability of someone being a smoker6
32
Esempio
• Se due soggetti vengono sottoposti allo stesso esame diagnostico, la probabilitàche il test riveli la presenza della patologia dipende dalle loro caratteristiche.
3 (1-5)>100(0.13)20 (10-30)
10 (5-17)45-100 (0.46)20 (10-30)
44 (25-57)18-45 (3.11)20 (10-30)
91 (82-95)<=18 (42.5)20 (10-30)
Uomo di 73 anni con artrite reumatoide attiva
23 (16-34)>100(0.13)70 (60-80)
52 (41-65)45-100 (0.46)70 (60-80)
88 (82-93)18-45 (3.11)70 (60-80)
99 (98-99)<=18 (42.5)70 (60-80)**
Uomo di 73 anni che assume FANS
Probabilità posttest % (range)Ferritina (rapporto di verosimiglianza)
Probabilità pretest % (range)*
Probabilità pretest, rapporti di verosimiglianza dei risultati della ferritina sierica e probabilitàpost-test in due pazienti con sospetta anemia sideropenica.
** Esempio di calcoloProbabilità pretest 70%Odds = 70%/100-70% = 0.70/0.30 = 2.33LR+ 42.5Probabilità post test = Odds x LR+ / 1 + (OddsX LR+) = 2.33 x 42.5 / 1 + (2.33 x 42.5) = 99%
33
A. I risultati dello studio sono validi?
• Il test diagnostico era valutato in un appropriato gruppo di pazienti?
0% 100%Soglia dell’esame
Soglia del trattamento
Probabilitàinferiore alla soglia diagnostica nessuna indagine ègiustificata.
Probabilità oltre alla soglia di trattamento; i test sono stati completati ed inizia il trattamento
Probabilità tra la soglia diagnostica e quella di trattamento; sono necessari ulteriori test.
La popolazione di interesse comprende le persone comprese tra la soglia diagnostica e quella terapeutica.
Un grande aiuto: i calcolatori
• In Internet si trovano numerosi calcolatori in grado di agevolare il professionista nel calcolo dei valori di riferimento dei test.
• Nel sito www.evidencebasednursing.it i link ai calcolatori sono individuabili nella directory “Aiuti e link” e “Strumenti”.
• Il loro vantaggio è il calcolo automatico anche degli intervalli di confidenza.
34
Calcolatore del CS EBN
35
Calcolatori dell’Università della Columbia Britannica
Calcolatori dell’Università della Columbia Britannica
• Inserisco la prevalenza, la sensibilità e la specificità e compaiono i valori mancanti.
36
Calcolatori dell’Università della Columbia Britannica
• Inserisco la prevalenza, LR+, LR-e compaiono i valori mancanti.
Calcolatori dell’Università della Columbia Britannica
• Inserisco i dati della tabella a doppia entrata compaiono i valori mancanti.
37
Calcolatore dell’Universitàdell’Illinois di Chicago
• Include in un’unica videata tre diverse opzioni (dati della tabella; prevalenza, sensibilità, specificità; prevalenza LR+, LR-) e consente di visualizzare il normogramma di Fargan.
C. I risultati dello studio, validi e importanti, sono applicabili ai nostri
pazienti?
– Il test diagnostico è disponibile, affidabile, accurato e preciso per il nostro contesto (setting)?
– Il test deve essere:• Disponibile;• Economico;• Riproducibile;• Accurato;
38
Riproducibilità del test
• Può essere dovuta a:• alle caratteristiche dei test (ad esempio,
variazioni nei reagenti nei kit per radioimmunoanalisi per determinare i livelli degli ormoni);
• alla interpretazione data da clinici diversi o dallo stesso in momenti diversi (ad esempio, l’entità dell’elevazione del segmento ST in un elettrocardiogramma).
Riproducibilità dei test: Kappa di Cohen
• È una misura statistica utilizzata per misurare l’accordo non casuale tra i ricercatori.
• Si utilizza quando il paziente è posto in categorie.
50%
50%
Accordo potenziale 100%
Accordo osservato 75%
Accordo atteso dovuto al caso 50%
50% 50%
25%
Accordo osservato – Accordo casuale
Valore di Kappa = ---------------------------------------------------------- = 25% / 50% = 50%
Accordo potenziale – Accordo casuale
39
Interpretazione di Kappa
• K < 40 scarsa riproducibilità• 40 < K < 60 moderata riproducibilità• 60 < K < 80 notevole riproducibilità• K > 80 riproducibilità quasi perfetta
• NB: Se la riproducibilità di un test nel contesto dello studio èmediocre e il disaccordo tra gli osservatori è frequente, ed ancora il test discrimina bene tra coloro che hanno e che non hanno la patologia in oggetto, esso è molto utile. In queste circostanze, la probabilità che il test possa essere prontamente applicato nel vostro setting clinico è buona.
• Se la riproducibilità di un test diagnostico è molto alta e la variazione tra osservatori è bassa, significa che il test è semplice e non ambiguo o facile da interpretare od anche che coloro che lo interpretano sono ben addestrati. Se è quest’ultimo lo scenario descritto, interpreti meno abili nel vostro contesto potrebbero non avere le stesse performance.
Paolo ChiariCorso di Laurea Magistrale in Scienze Infermieristiche e Ostetriche
www.unibo.it