Significatività statistica

Dopo che si è trovata una differenza tra i due gruppi negli endpoint di un trial clinico randomizzato bisogna essere sicuri che tale differenza sia reale e non dovuta semplicemente al caso. Affermare che una differenza è vera mentre è solo un capriccio del caso realizza in statistica il cosiddetto errore alfa. Per convenzione si è deciso di accettare una probabilità di errore alfa inferiore al 5% (= 0,05). Questa probabilità viene espressa con “P”. In altri termini si può affermare che la differenza trovata per un determinato endpoint tra i due gruppi studiati è statisticamente significativa se la “P” è inferiore al 5% (P <0,05). In questo caso, infatti, si ritiene che la probabilità di una differenza puramente casuale sia bassa e che possa essere accettata.

Per esempio nello studio Ascend [1] sono stati reclutati 15.480 soggetti (età ≥40 anni) con diabete tipo 2, randomizzati a supplementi di omega-3 (1 g/die) oppure placebo. L’endpoint primario era di tipo composto: infarto non fatale, ictus, TIA, decesso da causa cardiovascolare. Il follow-up è stato in media di 7,4 anni. L’endpoint primario si è verificato nell’8,9% del gruppo omega-3 e nel 9,2% del gruppo placebo (P = 0,5). Gli autori correttamente affermano che la differenza trovata per l’endpoint primario tra gruppo trattato e gruppo di controllo non era statisticamente significativa. La P, infatti, non era inferiore a 0,05 quindi la probabilità che il risultato fosse del tutto casuale era troppo elevata.

Non è detto che un risultato statisticamente significativo sia anche clinicamente rilevante.

Il box che segue riassume i risultati e la relativa significatività statistica per vari endpoint di una metanalisi che ha confrontato terapia invasiva precoce e approccio standard nelle sindromi coronariche acute.

Importante è considerare sempre attentamente il valore della P perché non è detto che un risultato statisticamente significativo sia anche clinicamente rilevante. Per esempio in un trial su pazienti diabetici si trova che il trattamento riduce il ricorso alla dialisi del 25% (RR = 0,75) e che il risultato è statisticamente significativo perché il valore della P è uguale a 0,049. Formalmente la conclusione è corretta. Però supponiamo che un farmaco concorrente ottenga una riduzione del ricorso alla dialisi ma che il risultato non sia statisticamente significativo perché la P è di 0,051.

Nel primo caso la probabilità di errore alfa è del 4,9% e nel secondo caso del 5,1%. Si può affermare che la differenza tra i due farmaci abbia importanza dal punto di vista clinico e cioè che col primo farmaco si ottenga un beneficio che non si ha con il secondo? In realtà, tanto più basso è il valore della P tanto più si può dire che la differenza trovata è reale. Per esempio se si trova una P <0,0001 si può essere ragionevolmente sicuri che il caso non abbia influito sul risultato in quanto la probabilità di errore alfa è davvero bassa (0,01%).

In conclusione, bisognerebbe sempre ricordare che la definizione di significatività statistica è una invenzione umana, una convenzione: per valori di P troppo vicini al cut-off (0,05) l’importanza clinica del risultato probabilmente è trascurabile.

Esiste anche l’errore beta: considerare statisticamente non significativo un risultato che invece lo è.

Per inciso si ricorda che esiste anche l’errore beta: considerare statisticamente non significativo un risultato che invece lo è. Si è deciso di accettare una probabilità di errore beta inferiore a 0,1 (= 10%). Un tipico esempio di errore beta si può avere negli studi con un numero limitato di partecipanti: si potrebbe trovare per l’outcome considerato una differenza tra gruppo trattato e gruppo di controllo non significativa dal punto di vista statistico mentre in realtà lo è.

Renato Luigi Rossi
Medico di famiglia

Bibliografia

1. The Ascend Study Collaborative Group. Effects of n-3 fatty acid supplements in diabetes mellitus. N Engl J Med 2018; 379: 1540-50.
2. Mehta SR, Cannon CP, Fox KA, et al. Routine vs selective invasive strategies in patients with acute coronary syndrome. A collaborative meta-analysis of randomized trials. JAMA 2005; 293: 2908-17.

Questo testo è tratto dal libro “Come leggere uno studio clinico” di Renato Luigi Rossi (Roma: Il Pensiero Scientifico Editore, 2021). Per gentile concessione dell’editore.