TIPI DI INDAGINIesaminare tutta la popolazione ---> censimento

esaminare un campione ---> indagine campionaria o sondaggio o inchiesta (survey)

• Campionamento è una procedura attraverso la quale solo alcune unità della popolazione in studio vengono selezionate per far parte di un campione rappresentativo dell’intera popolazione di riferimento

• La finalità è quella di eseguire osservazioni, rilevare misure e ottenere risultati dal campione selezionato per trarre conclusioni valide per l’intera popolazione di riferimento

VANTAGGI e SVANTAGGI della raccolta di informazioni attraverso campioni

VANTAGGI

• riduzione dei costi• maggiore rapidità • maggiore accuratezza• assenza di alternative

SVANTAGGI

• errore campionario• discriminazioni all’interno della popolazione• eccessiva dimensione del campione in caso di eventi rari

Caratteri del campione

esaminando i dati forniti dal campione al fine di trarne delle conclusioni, si pongono due domande fondamentali:

1) le conclusioni sono corrette per i soggetti che compongono il campione?

2) se sì, il campione rappresenta bene la popolazione da cui è stato estratto?

La risposta a queste due domande deriva dai concetti di validità interna e di validità esterna di uno studio epidemiologico.

La validità interna misura quanto i risultati di uno studio sono corretti per il campione di individui che sono stati studiati. Essa viene detta «interna» perché si applica alle condizioni del particolare gruppo di individui studiati, e non necessariamente agli altri. Negli studi clinici, la validità interna dipende dalla correttezza di impostazione dello studio stesso, dalla scelta di buone tecniche diagnostiche e da un loro corretto utilizzo, da una buona elaborazione dei dati ecc. La validità interna viene diminuita sia dalla variazione casuale che da ogni elemento di bias. La validità interna è condizione necessaria ma non sufficiente perché uno studio sia utile.

La validità esterna è il grado di «generalizzabilità» delle conclusioni tratte da uno studio. Ad esempio, nel caso di uno studio epidemiologico clinico, essa risponde alla domanda "Supponendo che i risultati dello studio siano veri, essi si applicano anche ai miei pazienti?". In altre parole, la validità esterna misura il grado di verità dell'assunto secondo cui i soggetti studiati sono "uguali" ad altri soggetti affetti dalla stessa condizione.

La validità interna misura quanto i risultati di uno studio sono corretti per il campione di individui che sono stati studiati. Essa viene detta «interna» perché si applica alle condizioni del particolare gruppo di individui studiati, e non necessariamente agli altri. Negli studi clinici, la validità interna dipende dalla correttezza di impostazione dello studio stesso, dalla scelta di buone tecniche diagnostiche e da un loro corretto utilizzo, da una buona elaborazione dei dati ecc. La validità interna viene diminuita sia dalla variazione casuale che da ogni elemento di bias. La validità interna è condizione necessaria ma non sufficiente perché uno studio sia utile.

La validità esterna è il grado di «generalizzabilità» delle conclusioni tratte da uno studio. Ad esempio, nel caso di uno studio epidemiologico clinico, essa risponde alla domanda "Supponendo che i risultati dello studio siano veri, essi si applicano anche ai miei pazienti?". In altre parole, la validità esterna misura il grado di verità dell'assunto secondo cui i soggetti studiati sono "uguali" ad altri soggetti affetti dalla stessa condizione.

Per ora bastano due considerazioni intuitive:

1. attraverso lo studio di un campione, si può soltanto stimare (cioè determinare con un certo margine di errore) il carattere della popolazione

da cui il campione deriva; tuttavia, tale carattere non potrà mai essere determinato con esattezza;

2. la accuratezza della stima è direttamente correlata al numero di osservazioni che si compiono del fenomeno in studio.

In sostanza, con qualunque metodo si effettui il campionamento, si otterranno dal campione dei risultati che quasi certamente si discostano (poco o tanto) dalla «vera» misura della

popolazione. Ciò avviene perché non possiamo mai essere sicuri che il campione rappresenti una copia perfetta della popolazione da cui esso è stato estratto.

Infatti, posto [n = numero di individui che compongono una popolazione], supponiamo di analizzare il più ampio campione possibile costituito da [n-1] individui. Ebbene, è intuitivo

che, anche in questo caso, il campione non sarà perfettamente rappresentativo della popolazione, in quanto l'unico individuo non esaminato potrebbe possedere caratteri molto

diversi da quelli di tutti gli altri [n-1] individui.

Per ora bastano due considerazioni intuitive:

1. attraverso lo studio di un campione, si può soltanto stimare (cioè determinare con un certo margine di errore) il carattere della popolazione

da cui il campione deriva; tuttavia, tale carattere non potrà mai essere determinato con esattezza;

2. la accuratezza della stima è direttamente correlata al numero di osservazioni che si compiono del fenomeno in studio.

In sostanza, con qualunque metodo si effettui il campionamento, si otterranno dal campione dei risultati che quasi certamente si discostano (poco o tanto) dalla «vera» misura della

popolazione. Ciò avviene perché non possiamo mai essere sicuri che il campione rappresenti una copia perfetta della popolazione da cui esso è stato estratto.

Infatti, posto [n = numero di individui che compongono una popolazione], supponiamo di analizzare il più ampio campione possibile costituito da [n-1] individui. Ebbene, è intuitivo

che, anche in questo caso, il campione non sarà perfettamente rappresentativo della popolazione, in quanto l'unico individuo non esaminato potrebbe possedere caratteri molto

diversi da quelli di tutti gli altri [n-1] individui.

L'errore di campionamento è rappresentato dalla differenza tra i risultati ottenuti dal campione e la vera caratteristica della popolazione che vogliamo stimare.L'errore di campionamento non può mai essere determinato con esattezza, in quanto la «vera» caratteristica della popolazione è (e resterà!) ignota. Esso tuttavia può essere contenuto entro limiti più o meno ristretti adottando appropriati metodi di campionamento. Inoltre, esso può essere stimato; ciò significa che, con adatti metodi statistici,si possono determinare i limiti probabili della sua entità

Errore di campionamentoErrore di campionamento

In sostanza, i fattori responsabili della generazione di un errore di campionamento sono riconducibili a variazione casuale e selezione viziata La variazione casuale è dovuta al caso, cioè a quell'«insieme di fattori o cause, piccole o grandi, che agiscono su un fenomeno senza che noi possiamo o vogliamo controllarli esattamente e prevederne quindi l'azione» L'EFFETTO DEL CASO.

Tutti noi ricorriamo al "caso" per giustificare, ad esempio, il motivo per cui su 100 lanci di una stessa moneta non sempre esce per 50 volte 'testa' e per le restanti 50 'croce'. Questo stesso motivo (la variazione casuale) vale a giustificare il seguente esempio

ESEMPIO 1 .Supponiamo di avere a disposizione due farmaci, A e B, ugualmente efficaci, nel senso che guariscono la stessa % dei pazienti trattati. Supponiamo di fare una sperimentazione per studiare l'effetto dei due farmaci; supponiamo che, in questo studio, non sia presente alcun bias, e quindi che i dati ottenuti siano assolutamente affidabili. Tuttavia, se lo studio prevede di esaminare un numero limitato di soggetti per ciascuno dei due trattamenti, facilmente osserveremo che il farmaco A induce guarigione con maggior frequenza rispetto al farmaco B (o viceversa). Questo effetto è dovuto, appunto, alla variazione casuale. Ovviamente, l'errore di campionamento è condizionato dall'esistenza di variabilità tra gli individui che compongono la popolazione di partenza; se tutti - per assurdo - avessero lo stesso carattere in eguale misura, l'esame di qualsiasi numero di individui fornirebbe lo stesso valore, e quindi l'errore di campionamento sarebbe nullo.

ESEMPIO 1 .Supponiamo di avere a disposizione due farmaci, A e B, ugualmente efficaci, nel senso che guariscono la stessa % dei pazienti trattati. Supponiamo di fare una sperimentazione per studiare l'effetto dei due farmaci; supponiamo che, in questo studio, non sia presente alcun bias, e quindi che i dati ottenuti siano assolutamente affidabili. Tuttavia, se lo studio prevede di esaminare un numero limitato di soggetti per ciascuno dei due trattamenti, facilmente osserveremo che il farmaco A induce guarigione con maggior frequenza rispetto al farmaco B (o viceversa). Questo effetto è dovuto, appunto, alla variazione casuale. Ovviamente, l'errore di campionamento è condizionato dall'esistenza di variabilità tra gli individui che compongono la popolazione di partenza; se tutti - per assurdo - avessero lo stesso carattere in eguale misura, l'esame di qualsiasi numero di individui fornirebbe lo stesso valore, e quindi l'errore di campionamento sarebbe nullo.

Variazione casuale deriva da un elemento naturale ineliminabile: il CASO

Variazione casuale deriva da un elemento naturale ineliminabile: il CASO

Selezione viziata è quella effettuata su un campione non

rappresentativo

Selezione viziata è quella effettuata su un campione non

rappresentativo

ESEMPIO 2. Il frammento prelevato con una biopsia epatica rappresentacirca 1/50000 dell'organo. Essendo il campione così piccolorispetto all'intero organo, esiste la possibilità di ampie variazioni da un campione all'altro. Inoltre, poiché ilframmento viene esaminato, in genere, allo scopo didiagnosticare una malattia dell'intero fegato, esiste lapossibilità che il processo di inferenza sia viziato. Adesempio, si preleva un campione di tessutosano in un organo malato.

ESEMPIO 2. Il frammento prelevato con una biopsia epatica rappresentacirca 1/50000 dell'organo. Essendo il campione così piccolorispetto all'intero organo, esiste la possibilità di ampie variazioni da un campione all'altro. Inoltre, poiché ilframmento viene esaminato, in genere, allo scopo didiagnosticare una malattia dell'intero fegato, esiste lapossibilità che il processo di inferenza sia viziato. Adesempio, si preleva un campione di tessutosano in un organo malato.

BASE DI CAMPIONAMENTO

la lista di tutte le unità da cui viene selezionato il campione

L’accuratezza esterna dello studio è determinata dalla corrispondenza tra la base di campionamento scelta e la

popolazione in studio

FRAZIONE DI CAMPIONAMENTO

il numero di unità del campione (n) diviso per il numero di unità della base di campionamento (N) moltiplicato 100

L’accuratezza esterna del campione è determinata anche dal tasso di rispondenza. L’accuratezza interna dipende invece dalla completezza delle interviste

METODI DI CAMPIONAMENTO (1)

Campioni non probabilistici

Sono campioni in cui la probabilità di essere selezionati è sconosciuta o per alcuni elementi uguale a zero.

A) Campioni convenientiSi intervista un numero definito di persone scelte per convenienza. Difficilmente sarà un campione rappresentativo della popolazione di riferimento (bias di selezione)

B) Campioni soggettiviUn campione analogo al precedente, in cui la composizione del campione rispetto ad alcune caratteristiche (es. età, sesso) viene decisa in anticipo. Il campionamento a quota rappresenta una di queste tecniche: le quote, o i numeri richiesti sono determinati per specifiche caratteristiche (es. uomini e donne di differenti età e classe sociale) e vengono cercate persone che possano riempire queste quote.

METODI DI CAMPIONAMENTO (2)

Campioni probabilistici

Ogni individuo della popolazione in studio (definito unità

campionaria) ha una probabilità conosciuta di essere selezionato.

Questa probabilità deve essere maggiore di zero.

E’ possibile generalizzare i risultati ottenuti dal campione all’intera popolazione in studio con precisione e limiti di confidenza calcolabili.

• In un buon campionamento, ciascun membro della popolazione ha la stessa probabilità di essere scelto.

• I più comuni campionamenti si effettuano attraverso i seguenti metodi:

• non probabilistico • randomizzazione semplice • randomizzazione sistematica • randomizzazione stratificata• randomizzazione a cluster

Campionamento con metodo non probabilistico

Il campionamento non probabilistico non fornisce a ciascunaunità della popolazione la stessa possibilità di essere scelta a farparte del campione, ma alcuni gruppi o individui hanno maggioreprobabilità di essere scelti. Il campionamento non probabilistico èda considerare un cattivo metodo di campionamento

Campionamento per randomizzazione semplice

Il campionamento per randomizzazione semplice si effettua estraendo una certa

quota di unità dalla popolazione attraverso un metodo che garantisce la casualità delle

estrazioni. Questa viene ottenuta, ad esempio, con il classico sistema dall’estrazione di

un numero.

Campionamento per randomizzazione semplice (2)

VANTAGGI: • è facile da comprendere perchè ogni unità della popolazione in

studio ha la stessa probabilità di essere selezionato• è il termine di riferimento per confrontare la qualità dei diversi

disegni di campionamento

SVANTAGGI: • non è sempre possibile fare una lista e numerare tutte le unità

di una popolazione• se fossimo interessati in specifici sottogruppi della

popolazione potremmo rischiare di non ottenere alcuna informazione affidabile

VANTAGGI: • è facile da comprendere perchè ogni unità della popolazione in

studio ha la stessa probabilità di essere selezionato• è il termine di riferimento per confrontare la qualità dei diversi

disegni di campionamento

SVANTAGGI: • non è sempre possibile fare una lista e numerare tutte le unità

di una popolazione• se fossimo interessati in specifici sottogruppi della

popolazione potremmo rischiare di non ottenere alcuna informazione affidabile

Campionamento per randomizzazione semplice (3)

ESEMPIO: Selezioniamo un campione di 84 donne dalla popolazione

di 590 donne in età 15-44 anni residenti nel comune X.

Base di campionamento: registri dell’anagrafe• Prepariamo una lista numerica delle donne da 1 a 590 (N=590).

• La dimensione del campione è pari a 84 unità (n=84).

• Individuiamo a caso da una tavola di numeri random un qualunque punto (R) in una colonna a 3 cifre (perché 590 ha tre cifre).

• Scendendo lungo la colonna a partire da (R), selezioniamo i primi 84 numeri random inferiori a 590 e diversi tra loro

Campionamento per randomizzazione stratificata

Il campionamento per randomizzazione stratificata viene effettuato quando si studia un carattere che, presumibilmente o notoriamente, è influenzato da un certo fattore presente nella popolazione.In pratica, prima di effettuare l'estrazione del campione la popolazione viene suddivisa in strati basati sul fattore che influenza il livello del carattere da studiare. Quindi, all'interno di ciascuno strato si sceglie un campione con il metodo della randomizzazione semplice o sistematica

Il campionamento con randomizzazione stratificata è più flessibile di quello eseguito con randomizzazione semplice in quanto nei diversi strati può essere scelta una percentuale differente (es. 2% in uno strato, 5% in un altro ecc.). Lo svantaggio del campionamento stratificato è che lo stato di tutte le unità di campionamento, rispetto ai fattori su cui è basata la stratificazione, deve essere noto prima di scegliere il campione

Campionamento per randomizzazione sistematica

Nel campionamento per randomizzazione sistematica le n unità che costituiranno il campione sono scelte dalla popolazione ad intervalli regolari: per esempio, dei ricoverati in un reparto si potrà scegliere 1 paziente ogni 10 via via che essi si presentano in reparto. Oppure, nel caso l'unità di indagine sia rappresentata da reparti e non da singoli pazienti, si sceglierà, ad esempio, 1 reparto ogni sei esaminati

Nel campionamento per randomizzazione sistematica le n unità che costituiranno il campione sono scelte dalla popolazione ad intervalli regolari: per esempio, dei ricoverati in un reparto si potrà scegliere 1 paziente ogni 10 via via che essi si presentano in reparto. Oppure, nel caso l'unità di indagine sia rappresentata da reparti e non da singoli pazienti, si sceglierà, ad esempio, 1 reparto ogni sei esaminati

Campionamento a clusterIn questo tipo di campionamento invece di selezionare un campione casuale di individui, viene selezionato un campione casuale di gruppi di individui (aree geografiche, villaggi, scuole) chiamati “cluster”

Questo tipo di campionamento è indicato ed utilizzabile solo quando la variabilità è minima tra i cluster e massima al loro interno.

VANTAGGI:

Non occorre avere una lista di tutti gli individui della base di campionamento, ma basta enumerare tutti i cluster selezionati per far sì che tutti gli individui al loro interno entrino a far parte del campione.

Si elimina il rischio dei rifiuti legati ai meccanismi di inclusione/esclusione dal campione

E’ molto più facile raggiungere persone aggregate in un cluster piuttosto che disperse sul territorio.

SVANTAGGI

Spesso il campionamento a cluster non è utilizzabile perché la variabilità è maggiore tra i cluster piuttosto che al loro interno

In questo tipo di campionamento invece di selezionare un campione casuale di individui, viene selezionato un campione casuale di gruppi di individui (aree geografiche, villaggi, scuole) chiamati “cluster”

Questo tipo di campionamento è indicato ed utilizzabile solo quando la variabilità è minima tra i cluster e massima al loro interno.

VANTAGGI:

Non occorre avere una lista di tutti gli individui della base di campionamento, ma basta enumerare tutti i cluster selezionati per far sì che tutti gli individui al loro interno entrino a far parte del campione.

Si elimina il rischio dei rifiuti legati ai meccanismi di inclusione/esclusione dal campione

E’ molto più facile raggiungere persone aggregate in un cluster piuttosto che disperse sul territorio.

SVANTAGGI

Spesso il campionamento a cluster non è utilizzabile perché la variabilità è maggiore tra i cluster piuttosto che al loro interno