Dimensione del campione e potenza dello studio
Come leggere la forza dell’evidenza

“Il sample size è uno dei punti in cui la metodologia mostra con maggiore chiarezza il suo legame con la clinica, con l’etica e con la credibilità delle conclusioni.”

Dopo aver incontrato Sua Maestà il p-value, conviene fermarsi davanti a un altro protagonista della ricerca clinica: il sample size, la dimensione del campione. Apparentemente è un dettaglio tecnico, confinato nella sezione “Methods”. In realtà, è uno dei punti in cui la metodologia mostra con maggiore chiarezza il suo legame con la clinica, con l’etica e con la credibilità delle conclusioni.

Ogni trial nasce da una domanda. Ma perché quella domanda possa ricevere una risposta affidabile, occorre decidere quanti pazienti devono essere arruolati. Troppo pochi, e lo studio rischia di non riconoscere un effetto reale. Troppi, e si espongono inutilmente pazienti, risorse e tempo a una sperimentazione sovradimensionata. Il sample size non è quindi un numero amministrativo: è il punto di equilibrio tra incertezza scientifica, rilevanza clinica e responsabilità verso i pazienti.

La logica è semplice, ma spesso fraintesa. Prima di iniziare uno studio, bisogna stabilire quale differenza tra i trattamenti sarebbe abbastanza importante da meritare attenzione: la più piccola differenza clinicamente rilevante. In oncologia questo passaggio è cruciale. Un guadagno di poche settimane in progression-free survival può avere significati molto diversi a seconda del contesto: controllo dei sintomi, tossicità, qualità di vita, alternative disponibili, valore attribuito dal paziente al tempo guadagnato.

“La power è la capacità dello studio di non lasciarsi sfuggire un effetto reale. Più vogliamo ridurre questo rischio, più il campione deve essere ampio.”

Qui entra in gioco la power, o potenza statistica: la probabilità che uno studio riesca a osservare quella differenza clinicamente rilevante, se tale differenza esiste davvero nella popolazione. Non è la probabilità che il trattamento funzioni. È, piuttosto, la capacità dello studio di non lasciarsi sfuggire un effetto reale. Più vogliamo ridurre questo rischio, più il campione deve essere ampio.

Per questo uno studio “negativo” va letto con cautela. Non trovare una differenza non significa necessariamente che quella differenza non esista. Può voler dire che non c’è; ma può anche voler dire che lo studio non aveva abbastanza forza per vederla. È il senso profondo della frase: assenza di evidenza non significa evidenza di assenza.

Le analisi di sottogruppo

In oncologia il problema emerge spesso nelle analisi di sottogruppo. Un trial può essere adeguatamente dimensionato per valutare l’effetto complessivo di un trattamento, ma non per stabilire con precisione cosa accada in popolazioni più piccole: pazienti con mutazioni rare, diverso carico di malattia, biomarcatori specifici, espressione variabile dei recettori ormonali, HER2 o PD-L1. Quando il campione si frammenta, l’incertezza aumenta. Un hazard ratio favorevole con intervalli di confidenza ampi non è una verità nascosta, ma una stima fragile.

“Perché nella ricerca, come nella clinica, non contano solo le risposte. Conta la qualità delle domande.”

Il sample size ci ricorda quindi che la ricerca clinica non è solo calcolo, ma giudizio. Uno studio molto grande può rendere statisticamente significativa una differenza minima; uno studio piccolo può non dimostrare un beneficio potenzialmente importante. Andare oltre l’evidenza significa chiedersi non solo se uno studio sia positivo o negativo, ma se fosse davvero attrezzato per rispondere alla domanda posta. Perché nella ricerca, come nella clinica, non contano solo le risposte. Conta la qualità delle domande.

Scarica il PDF