Come leggere una metanalisi

La metanalisi entra in gioco quando, oltre a rivedere il disegno, la qualità e la consistenza degli studi identificati, si sommano i loro dati, mettendo insieme i risultati numerici di studi diversi.

In una metanalisi non si sommano semplicemente i pazienti dei vari studi. Si conserva l'effetto individuale di ciascuno studio e si usano metodi statistici che, preservando l'identità del singolo studio, forniscono una stima combinata dell'effetto dell'intervento dando maggior peso agli studi più grandi. Più è grande uno studio e più esso influenzerà il risultato globale della metanalisi.

La metanalisi può anche essere un esercizio relativamente semplice, come quando si usano i risultati aggregati e pubblicati dai singoli studi. A volte però è un esercizio molto complesso, se si deve fare un passo indietro e rianalizzare i dati grezzi dei singoli pazienti in tutti gli studi. Nel primo caso parliamo di metanalisi sui dati aggregati, nel secondo di metanalisi sui dati individuali.

Nel tipico grafico di sintesi di una metanalisi (chiamato dagli specialisti forrest plot) si vedono singole linee orizzontali, ciascuna delle quali mostra il risultato di un singolo studio.

La linea perpendicolare corrisponde a "nessun effetto". Per convenzione nel lato sinistro del grafico cadono le stime di effetto che favoriscono il trattamento sperimentale mentre in quello destro quelle a favore del trattamento standard. Conviene però sempre guardare la figura con attenzione perché a volte la situazione è capovolta.

Proviamo a vedere che cosa succede nel grafico sotto riportato quando inseriamo un primo studio:




Il quadratino in mezzo alla linea indica la stima di effetto che può essere riassunta con diversi tipi di misure (rischio relativo, odds ratio, differenza di rischio).

La misura più spesso usata è l'odds ratio.

La lunghezza della linea attorno alla stima puntuale è proporzionale all'incertezza che ha la stima puntuale di quello studio. Essa rappresenta l'intervallo di confidenza del risultato.

Quando uno studio ha solo pochi pazienti il risultato è molto incerto e ciò si può vedere dalla lunghezza della linea (che sarà lunga) e dalla dimensione della stima puntuale nel centro (che sarà piccola).

Quando la linea dello studio tocca o attraversa la linea perpendicolare del "nessun effetto" il risultato non è convenzionalmente "statisticamente significativo".

Possiamo poi procedere aggiungendo un secondo studio con molti più pazienti:




Se si confronta il primo studio che abbiamo sulla destra del forrest plot con lo studio più grande, si nota che il nuovo studio produce una stima molto meno incerta. Questo perché il nuovo studio include più pazienti e più eventi. Poiché l'incertezza del risultato di questo studio più grande è minore, la linea è proporzionalmente più breve.

La certezza che ci viene fornita dal risultato dello studio sulla sinistra è maggiore di quella che emergeva dal risultato del primo studio.

Il grado di certezza/incertezza derivante da ogni singolo studio non è comunque una misura di "verità" o "validità dei risultati". Infatti, entrambi gli studi possono essere completamente sbagliati. Una piccola dose di incertezza (come nello studio più grande) non significa assolutamente che il risultato sia "vero". Essa mostra semplicemente l'incertezza attorno alla stima puntuale per ogni studio.

E' difficile pensare che entrambi gli studi mostrino la verità su questo trattamento, perché essi puntano in direzioni opposte.

Il primo studio che abbiamo inserito sulla destra indica, in modo statisticamente significativo, che il trattamento non è utile poiché i soggetti nel gruppo di controllo, che non hanno preso il farmaco, hanno un esito migliore. E lo studio sulla sinistra dice l'opposto, cioè che i soggetti che hanno preso il farmaco stanno meglio. Proviamo ora a inserire un terzo ipotetico studio:




In questo caso anche esso dice che probabilmente il trattamento non funziona. Ma il risultato è compatibile sia con un piccolo effetto positivo, sia con un piccolo effetto negativo (con una prevalenza verso il negativo).

Si può procedere così, aggiungendo nel forrest plot uno studio dopo l'altro, prima ancora di procedere alla combinazione quantitativa dei risultati. Così facendo abbiamo una rappresentazione grafica del grado di dispersione e variabilità dei risultati.

Si possono aggiungere tutti gli studi disponibili. E' il tipico modo di procedere in cui si cerca di interpretare il senso dei singoli studi prima di tentare di combinare tra loro i risultati.

Se si sceglie di fare una metanalisi si fa una stima puntuale globale degli studi. Questa è rappresentata dal diamante ai piedi del grafico se combiniamo i risultati dei tre studi che avevamo sin qui inserito nel forrest plot.




In questo caso particolare, la combinazione è più o meno simile - come ci si poteva attendere - allo studio più grande poiché quando si hanno pochi studi a disposizione lo studio più ampio domina la metanalisi.

Questo è uno dei pericoli di fare una metanalisi quando si hanno troppo pochi studi.

Può darsi che l'unico studio che mostra un effetto positivo del trattamento abbia ragione, ma può anche essere in realtà che quello studio ci stia dando una risposta sbagliata.

Quindi, la decisione di combinare o meno quantitativamente i risultati quando gli studi sono pochi e i risultati variabili andrebbe presa con molta cautela.

- Il sito della Cochrane Collaboration offre ulteriori informazioni sui forrest plot.

Alessandro Liberati

Inserito da redazione il Gio, 10/02/2005 - 00:00