Il 27 marzo scorso, presso la sede dell’ARS Toscana (Firenze), si è svolto il workshop dal titolo “Validate study variables to reduce misclassification bias: recent tools and research needs”, che ha visto la partecipazione di ricercatori nazionali e internazionali e professionisti di varie discipline che, insieme, hanno affrontato e discusso diversi aspetti relativi al bias di misclassificazione negli studi di farmacoepidemiologia e, più in generale, negli studi basati sui real world data (RWD), ovvero dati provenienti dall’assistenza sanitaria routinaria raccolti al di fuori di studi clinici tradizionali.1

Sono stati discussi strumenti già consolidati utilizzati nell’ambito di studi di validazione (ovvero, studi che hanno lo scopo di quantificare quanto e se una misura cattura la caratteristica che si vuole misurare) e strumenti emergenti, come l’uso di algoritmi di screening e la strategia degli algoritmi componenti per la stima della sensibilità degli algoritmi di identificazione degli eventi. Parallelamente, sono stati identificati i problemi metodologici non ancora risolti al fine di pianificare un’agenda della ricerca futura verso la generazione di soluzioni e strumenti adeguati ad affrontarli.

Durante il workshop, i diversi relatori hanno messo in luce come riconoscere, misurare e cercare di ridurre o eliminare questo bias rappresenti non solo una sfida metodologica, ma soprattutto un’opportunità per migliorare la qualità degli studi basati su RWD.

Un tema centrale per la validità delle evidenze generate dagli studi real-world

Negli studi basati su RWD, le variabili di studio vengono ricavate dalle osservazioni contenute in banche dati esistenti, originariamente raccolte per fini diversi dalla ricerca scientifica. Questo approccio può introdurre un bias di misclassificazione, cioè un errore sistematico dovuto alla misurazione imperfetta delle variabili. Il workshop si è focalizzato, in particolare, sulle variabili che indicano uno stato di malattia per le quali la misclassificazione si manifesta quando alcuni soggetti nella popolazione di studio che hanno la malattia d’interesse sono classificati come sani o, viceversa, alcuni soggetti sani sono classificati come malati... Accedi per continuare la lettura

 

       Visite