Metodi per il controllo del confondimento non misurato e dell'errore di misura

Nonostante gli studi clinici randomizzati forniscano importanti informazioni sull'efficacia e sulla sicurezza dei farmaci, i risultati provenienti da tali studi non possono essere generalizzati a tutta la popolazione. Questi studi, infatti, sono basati su campioni altamente selezionati, costituiti da un numero limitato di individui, che spesso sotto-rappresentano i pazienti più vulnerabili. La maggior parte degli studi clinici, inoltre, viene condotta in strutture ospedaliere, spesso molto prestigiose, nelle quali i pazienti sono sottoposti a regimi dietetici e comportamentali strettamente controllati e non sono liberi di gestire le proprie abitudini secondo una propria scelta, una caratteristica che rende tali studi lontani dalla reale pratica clinica. Di conseguenza, malgrado i risultati provenienti dagli studi clinici randomizzati siano sufficienti per approvare l'immissione in commercio di un farmaco, non lo sono per rispondere ai quesiti più rilevanti che devono affrontare quotidianamente medico e pazienti. Per questi motivi, è necessario che l'osservazione degli individui in trattamento continui anche dopo la commercializzazione del farmaco. A tale proposito, nell'ultimo decennio si è assistito all'ampio utilizzo di database (DB) di pertinenza sanitaria, per la conduzione di studi di farmacoepidemiologia. Tali database possono essere classificati in due grandi categorie: quelli che raccolgono informazioni a fini amministrativi (DB amministrativi) e quelli che vengono utilizzati dai medici per registrare informazioni cliniche sulla salute dei propri pazienti (DB clinici). Attraverso le informazioni reperibili dai DB amministrativi, sono stati condotti diversi studi che hanno fornito importanti risultati circa il profilo di sicurezza ed efficacia dei farmaci. Una delle principali caratteristiche di tali DB, che li rende molto apprezzati, riguarda la possibilità di riflettere la reale pratica clinica per popolazioni ampie e non selezionate, un aspetto che sicuramente supera uno dei principali limiti degli studi clinici randomizzati. Nonostante i numerosi vantaggi che i DB amministrativi hanno apportato nella conduzione degli studi farmacoepidemiologici, sono emerse alcune criticità legate soprattutto all'incompletezza di importanti informazioni di tipo clinico. La mancanza di tali informazioni costituisce una delle principali barriere da superare in quanto, da un lato può essere causa di un'incorretta misura delle variabili di interesse (errore di misura) che può portare ad un'errata classificazione degli individui in base all'esposizione al farmaco di interesse o allo stato di malattia (misclassificazione), dall'altro può rendere problematica la fase relativa al controllo del confondimento (con particolare riferimento al confondimento non misurato). Al contrario, malgrado i DB clinici siano più ricchi di informazioni circa il profilo clinico e lo stile di vita dei pazienti, spesso sono poveri di informazioni riguardo a visite specialistiche e ricoveri ospedalieri. Alla luce di ciò, per poter rispondere in modo esaustivo ai diversi quesiti della farmacoepidemiologia, sarebbe opportuno utilizzare un'integrazione delle informazioni provenienti da ciascun DB e correggere le distorsioni derivanti dalle limitazioni sopracitate attraverso strategie adeguate. L'obiettivo di questa Tesi di Dottorato è, dunque, quello di approfondire le diverse tecniche per il controllo del confondimento non misurato e dell'errore di misura, e di applicare tali metodologie a diversi contesti della farmacoepidemiologia.