Istituto di Ricerche Farmacologiche Mario Negri – Milano Simona Barlera Dipartimento di Ricerca cardiovascolare 5 febbraio 2009 Ricerca traslazionale II La dimensione del campione è solo un problema di clinical trial?

Key points for a good design in clinical trials… and also in animal experiments?  Study design (objectives, endpoints)  Sample size calculation  Use of randomisation  Concealed allocation  Blinded outcome assessment

Study design  OBIETTIVO: valutare l’effetto di un nuovo intervento (farmaco) rispetto ad una terapia standard Stabilire quale è differenza clinicamente rilevante (>) o non rilevante (=) che intendiamo valutare in una sperimentazione  ENDPOINT: identificare la variabile primaria di efficacia (pertinenza/accuratezza/precisione)

 … non è misurabile direttamente  … può essere definito solo rispetto a una qualche alternativa  … va definito operativamente: va definita cioè a quale delle possibili risposte si fa riferimento quando si valuta l’efficacia L’effetto del trattamento

Approccio statistico per stabilire le dimensioni di una ricerca 1. Qual’ è l’obiettivo principale della ricerca? 2. Qual è l’indicatore (endpoint) principale dello stato del paziente? 3. Quali risultati si prevedono con il trattamento standard? 4. Quanto piccola può essere una differenza tra trattamenti perché abbia un reale significato clinico? (ref. Clinical Trials, S. Pocock, Wiley)

Calcolo della numerosità campionaria  Variabili qualitative categoriche: proporzioni, incidenze (%)  Variabili continue: valori medi, differenze assolute

Esempio Studio GISSI-1(12000 pazienti con IMA) Terapia Trombolitica (SK) vs Placebo 1. Verificare l’efficacia della trombolisi nel ridurre la mortalità intraospedaliera 2. Mortalità intraospedaliera 3. Mortalità stimata pari al 12% nel gruppo placebo 4. Individuare il 20% di riduzione di mortalità, cioè il 2.4% in termini assoluti (ref. Lancet 1986; i: )

Calcolo della numerosità per outcome qualitativo Definizione dei parametri p 1 = mortalità (%) nel trattamento standard (placebo) p 2 = mortalità (%) prevista nel nuovo trattamento α = errore di I^ tipo. Probabilità di scoprire una differenza significativa tra i trattamenti quando non esiste (5%), falsi positivi 1-β = Potenza. Grado di sicurezza che la differenza p 1 - p 2, se presente, venga scoperta (ottimale 90%) β = errore di II^ tipo. Probabilità di non scoprire una differenza significativa tra i trattamenti quando esiste, falsi negativi

Formula per il calcolo della numerosità per outcome qualitativo Valori di ƒ( ,  ) da usare nella formula per il calcolo del numero necessario di pazienti  (errore di II tipo) 0,050,10,20,5 0,110,88,66,22,7  (errore di 0,0513,010,57,93,8 I tipo)0,0215,813,010,05,4 0,0117,814,911,76,6

Studio GISSI-1 p 1 = 12 % mortalità intraospedaliera nel gruppo placebo p 2 = 9.6 % mortalità intraospedaliera attesa nel gruppo trattato α = 0.01 (errore di I^ tipo ) β = 0.05 (errore di II^ tipo - 95% potenza) n= numerosità necessaria per braccio di trattamento Soluzione = pazienti da randomizzare

Calcolo della numerosità campionaria  Variabili qualitative categoriche: proporzioni, incidenze (%)  Variabili continue: valori medi, differenze assolute

Calcolo della numerosità per outcome quantitativo μ 1 = risposta media prevista dal trattamento standard (placebo) μ 2 = risposta media prevista dal trattamento in studio σ = deviazione standard della risposta α = errore di I^ tipo β = errore di II^ tipo N.B. Variazione della risposta media è molto problematica valore realistico della variazione

Formula per il calcolo della numerosità per outcome quantitativo Dove μ 2 - μ 1 rappresenta la differenza minima che si intende individuare, ovvero il Δ

Esempio x outcome continuo  Disegno: gruppi paralleli, farmaco A (standard) vs B  Endpoint: differenza di PAS a 12 settimane tra A e B Dati A: delta PAS=18mmHg, DS=7.5 Dati B: delta PAS=20mmHg, DS=8 Alfa=0,05, potenza 80%, 2 code (bidirezionale) N=252 per braccio, complessivamente 504 totali

On the WEB…

Considerazioni sul sample size  Compromesso tra fini scientifici e reale fattibilità  Fondamentale la scelta della Differenza Attesa tra i gruppi sperimentali p 1 -p 2 o μ 1 -μ 2  Campioni sottodimensionati rischio elevato di non individuare una differenza tra i trattamenti quando esiste (risultati falsi negativi) con la conseguenza di scartare ipotesi rilevanti

Randomisation Assegnazione dei trattamenti con una sequenza  Casuale  Imprevedibile  Non sistematica  Ignota sia al medico che al paziente (doppio cieco

Randomisation: Perché?  Ripartisce casualmente fra i gruppi i fattori prognostici (noti e ignoti)  Elimina errori sistematici (selection bias)nell’assegnazione dei trattamenti ai malati  Garantisce la validità dei test statistici  E’ il metodo eticamente corretto per assegnare ai malati i trattamenti confrontati.

Randomisation: Come? Metodi utilizzati:  Tavola dei numeri casuali  Programmi computerizzati ad hoc Tecniche  Semplice  Stratificata con bilanciamenti a blocchi  Minimizzazione  Altre

Concealed allocation: Perché? Allocazione in cieco dei trattamenti elimina errori di valutazione:  In cieco (simple blind): non nota al paziente  Doppio cieco (double blind): non nota al paziente e al medico  Triplo cieco (triple blind): non nota al paziente, al medico e allo sperimentatore

Oppure…Blind outcome assessment Valutazione dell’outcome dello studio in cieco:  La valutazione viene fatta a cura di un operatore differente dalla persona che ha assegnato il trattamento, che è all’oscuro rispetto al trattamento

What next…?  Istituire un sistema per la registrazione delle sperimentazioni animali simile a quello esistente per i trial clinici  Promuovere rigorose revisioni sistematiche sugli esperimenti animali  Uniformare i criteri di pubblicazione dei risultati per la ricerca animale, come per i clinical trial (e.g.CONSORT Statement)