Bias protopatico: Spiegazione semplice + esempi

Bias protopatico si verifica quando un’esposizione è iniziata (o interrotta) in risposta a un sintomo della malattia (esito) che non è ancora diagnosticata. Ciò porta a una falsa conclusione sulla relazione causale tra esposizione e risultato.

Questo pregiudizio è particolarmente noto negli studi farmacoepidemiologici in cui:

  • L’esposizione è la prescrizione di un farmaco
  • Il risultato è una malattia

Protopathic bias può verificarsi in 1 dei 2 modi, ecco un passo-passo la spiegazione di come questo può accadere:

1 – l’esposizione è attivata in risposta a un sintomo della malattia non diagnosticata, quindi:

  • Dopo qualche tempo che la malattia venga diagnosticata
  • L’esposizione sembra precedere la malattia
  • Noi erroneamente concludere che l’esposizione ha causato la malattia

2- O un’esposizione è INTERROTTO in risposta a un sintomo della malattia non diagnosticata, quindi:

  • Dopo qualche tempo che la malattia venga diagnosticata
  • Evitare l’esposizione sembra precedere la malattia
  • Noi erroneamente concludere che l’esposizione è protettivo contro la malattia

Protopathic bias colpisce studi osservazionali in cui la scelta di chi ottiene l’esposizione e che non è non randomizzati.

Funziona invertendo falsamente causa ed effetto-un fenomeno chiamato causalità inversa.

Esempi di bias protopatico

In questa sezione viaggeremo indietro al 1980 per studiare 2 esempi:

  1. Quando un farmaco viene prescritto in risposta ai primi sintomi di una malattia.
  2. Quando un farmaco viene interrotto in risposta ai primi sintomi di una malattia

Iniziamo!

Gli esempi seguenti sono stati discussi in The Problem of “Protopathic Bias” in Case-Control Studies, 1980.

Prescrizione di estrogeni influenzata dai sintomi del cancro endometriale

Questo è stato uno studio caso-controllo che comprendeva:

  • Un gruppo di casi: donne con cancro endometriale
  • Un gruppo di controllo: le donne con diagnosi diverse dal cancro uterino

I controlli sono stati abbinati all’età e alla razza con ciascun membro del gruppo di casi.

Sono stati raccolti dati sull’esposizione agli estrogeni E il motivo di tale indicazione.

I risultati mostrano che molte di queste donne sono stati prescritti gli estrogeni e alcuni erano in risposta a sanguinamento uterino, che è un sintomo di cancro:

In questo caso, protopathic bias può verificarsi come l’uso di estrogeni precede la diagnosi di tumore all’utero e, quindi, appare per causare il cancro uterino:

Per studiare l’effetto di protopathic bias, gli investigatori hanno deciso di calcolare 2 odds ratio il rapporto tra estrogeni prescrizione e il cancro uterino:

  1. Il primo tra casi e controlli per i quali l’estrogeno è stato prescritto per il trattamento di sanguinamento uterino
  2. La seconda esclusione di questo gruppo

escludendo il gruppo al quale l’estrogeno è stato prescritto per il trattamento di sanguinamento uterino dalla loro analisi, gli autori sono stati in grado di rimuovere l’influenza di protopathic bias.

In effetti, i loro risultati mostrano un calo del 10% del rapporto di probabilità quando l’influenza del bias protopatico è stata rimossa.

Questa analisi stratificata che abbiamo appena descritto è importante per 2 motivi:

  1. verifica la presenza di protopathic bias: mostrando che gli estrogeni ricetta può essere influenzata dai sintomi del cancro dell’endometrio
  2. quantifica l’effetto di protopathic bias: in questo caso si è trattato di un aumento del 10% nell’odds ratio

Interruzione dei contraccettivi orali in risposta ai primi sintomi di malattia mammaria benigna

I primi sintomi di malattia mammaria benigna possono includere dolore e dolorabilità al seno.

Nel corso del tempo, si può notare un nodulo distinguibile che porta alla diagnosi di malattia mammaria benigna:

Questi sintomi benigni precoci della malattia del seno (quali dolore e tenerezza del seno) possono essere considerati dai medici come controindicazioni potenziali per:

  • Iniziare l’uso di contraccettivi orali
  • Continuare l’uso di contraccettivi orali

Janerich et al. trovato che significativamente più donne con la malattia benigna del seno sono state consigliate dai loro medici di interrompere i contraccettivi orali per le ragioni relative ai reclami del seno:

E poiché l’uso di contraccettivi orali meno precederà la diagnosi di malattia benigna del seno, l’uso di contraccettivi orali sembrerà essere meno associato a malattie benigne del seno:

Ciò porterà a pregiudizi protopatici in quanto potremmo credere falsamente che i contraccettivi orali siano protettivi contro le malattie benigne del seno.

Come evitare il bias protopatico

Se abbiamo qualche ragione di credere che i sintomi di una malattia ancora non diagnosticata possano influenzare l’esposizione, allora dobbiamo prendere alcune misure protettive per evitare il bias protopatico.

Il bias protopatico può essere affrontato in 2 modi:

escludendo il gruppo di individui che sono stati esposti in risposta ai sintomi della sicurezza non diagnosticata risultato

Questo può essere fatto eseguendo le analisi due volte (cioè il calcolo di 2 odds ratio, come abbiamo visto nell’esempio #1 sopra):

  • Tra i casi che sono stati prescritto il farmaco in risposta ai sintomi della malattia non diagnosticata
  • E una escludendo questo gruppo

E poi confrontare i risultati ottenuti da entrambe le analisi per identificare e quantificare protopathic bias.

Questo approccio è limitato dalla nostra capacità di identificare il gruppo di partecipanti che hanno ricevuto l’esposizione in risposta ai sintomi del risultato non ancora diagnosticato, che non è sempre possibile.

Applicando un lag-time nella definizione di esposizione

Questo approccio comporta l’esclusione dalla valutazione dell’esposizione di un determinato periodo di tempo prima della data di diagnosi.

In termini semplici, ignoreremo tutte le esposizioni che si verificano durante il lag-time:

Qual è il miglior tempo di ritardo da applicare?

Sfortunatamente, non esiste una risposta unica a questa domanda in quanto ciò dipende molto dalla malattia studiata.

In particolare, si può stimare il periodo di tempo durante il quale la malattia/esito può passare inosservato pur presentando alcuni sintomi che possono influenzare l’esposizione?

Se non puoi, ti rimangono fondamentalmente 2 opzioni:

  1. O applicare lo stesso tempo di ritardo utilizzato in precedenti studi simili (se esistono tali studi)
  2. O determinare il tempo di ritardo analiticamente utilizzando i dati del proprio studio

Qual è il grosso problema nella scelta del giusto tempo di ritardo?

La scelta di un tempo di ritardo quasi ottimale è importante in quanto:

  • Un lag-time più breve di quello ottimale porterà ad un controllo incompleto del bias protopatico
  • E un lag-time più lungo porterà ad escludere esposizioni che possono essere causalmente associate al risultato

Un metodo per determinare il lag-time utilizzando i propri dati di studio comporta metodi statistici leggermente complessi ed è spiegato in dettaglio in Tamim et al.

Tuttavia, fornirò una breve panoramica di questo metodo:

Per prima cosa calcoliamo i rapporti di probabilità dell’associazione tra esposizione e risultato per diversi valori del tempo di ritardo.

Poi ci trama di loro, come mostrato di seguito:

Da questo grafico possiamo vedere che:

  • Il rapporto di probabilità del primo diminuisce il tempo di ritardo diventa più grande: questo è normale quando l’esposizione è associata con i primi sintomi del risultato, è protopathic bias
  • Quindi la pendenza della curva si stabilizza come aumentare il tempo di ritardo periodo: da qui la curva si avvicina il vero imparziale valore dell’odds ratio

Il punto in cui la curva inizia a stabilizzarsi è il miglior tempo di ritardo per essere utilizzato nello studio. E il rapporto di probabilità calcolato utilizzando questo valore del tempo di ritardo è considerato inalterato dal bias protopatico.

Ulteriori letture

  • Lead Time Bias
  • Length Time Bias
  • Performance Bias
  • Temporal Bias
  • Exposure Suspicion Bias
  • Proxy Bias
  • Prevalenza-Incidenza Bias

Lascia un commento

Il tuo indirizzo email non sarà pubblicato.