L’analisi di sensibilità è definita come “un metodo per determinare la robustezza di una valutazione esaminando quanta parte dei risultati può essere influenzata da cambiamenti nei metodi, modelli, valori di variabili non misurate o ipotesi” con l’obiettivo di identificare “i risultati che dipendono in gran parte da ipotesi discutibili o non supportate“[1].
L’Analisi di Sensibilità nell’esame di valutazione di uno studio
Un’analisi di sensibilità può valutare [2]:
– L’impatto dei valori anomali: un valore anomalo è un’osservazione distante dal resto dei dati, può essere interessante eseguire un’analisi di sensibilità analizzando i dati con e senza valori anomali.
– L’impatto delle deviazioni del protocollo negli studi clinici randomizzati: generalmente negli studi clinici alcuni partecipanti potrebbero non aderire all’intervento, buona pratica è condurre l’analisi principale sui pazienti intention-to-treat e quindi eseguire l’analisi di sensibilità sui pazienti per protocol in cui i pazienti che violano il protocollo vengono esclusi.
– L’impatto dei dati mancanti: i dati mancanti sono comuni in ogni studio di ricerca, una possibile strategia consiste nell’analizzare i dati escludendo i valori mancanti analizzando dunque solo i dati completi e quindi imputare i valori mancanti attraverso imputazione singola o multipla e ricondurre poi le analisi sui dati imputati.
– L’impatto delle diverse definizioni degli outcomes: consiste nell’effettuare analisi utilizzando diversi cut-off o definizioni dell’outcome principale.
– L’impatto delle ipotesi distributive: la maggior parte delle analisi statistiche si basa su ipotesi distributive per i dati osservati, può essere interessante utilizzare diverse distribuzioni o confrontare metodi parametrici vs non parametrici
Le analisi di sensibilità giocano un ruolo importante nel verificare la robustezza delle conclusioni di uno studio. Se i risultati rimangono robusti sotto diverse ipotesi, metodi o scenari, ciò può rafforzare la loro credibilità.
Bibliografia di riferimento
[1] Schneeweiss S: Sensitivity analysis and external adjustment for unmeasured confounders in epidemiologic database studies of therapeutics. Pharmacoepidemiol Drug Saf 2006, 15(5):291–303
[2] Thabane L, et al. A tutorial on sensitivity analyses in clinical trials: the what, why, when and how. BMC Med Res Methodol. 2013, 13:92.
No metadata found.
