La stragrande maggioranza dei ricercatori, nel momento in cui pianifica uno studio o un esperimento, chiede a noi statistici se sia meglio randomizzare i propri pazienti (o comunque le proprie unit\u00e0 statistiche) in proporzione 1 a 1, oppure 1 a 2, 1 a 3 e via dicendo, nei bracci dei loro studi.
\nAd esempio, quanti pazienti randomizzo nel braccio A? E quanti nel braccio B?<\/p>\n
La questione pu\u00f2 essere pi\u00f9 complessa di quello che si crede, e pi\u00f9 che rispettare rapporti “standard” (1:1, 1:2,\u2026) l\u2019allocazione dei pazienti dovrebbe tener conto di pi\u00f9 fattori.<\/p>\n
Ad esempio:
\n\u2022 se uno dei trattamenti ha costi molto alti, allora bisognerebbe allocare maggiormente nel braccio meno costoso;
\n\u2022 se la varianza di uno dei due bracci e diversa, bisognerebbe allocare maggiormente nel braccio con la varianza pi\u00f9 alta.
\n\u2022 se il tuo studio \u00e8 finalizzato a ottenere maggiori informazioni relativamente ad uno dei trattamenti (ad esempio dati sulla sicurezza del trattamento sperimentale rispetto al controllo) allora arruoler\u00f2 pi\u00f9 pazienti in quel braccio.<\/p>\n
Chiaramente in un solo post non \u00e8 possibile andare a descrivere tutti gli ipotetici scenari, ma facciamo un esempio, anche abbastanza banale.<\/p>\n
Mettiamo che tu voglia confrontare un protocollo chirurgico con un trattamento farmacologico rispetto agli esiti di una malattia.<\/p>\n
L’intervento chirurgico costa 6200 \u20ac per paziente;
\nil trattamento farmacologico costa 2400 \u20ac paziente.<\/p>\n
L’ipotesi sperimentale di una unit\u00e0 di endpoint (ad esempio il punteggio di un questionario), con 5% di significativit\u00e0 e ti serve una potenza dell\u201980%.
\nSe tu usi le solite formule per calcolare il Sample Size otterresti 283 pazienti: 141 nel gruppo A, 142 nel gruppo B.<\/p>\n
Lavorando in modo approfondito, invece, sull’analisi di potenza, usando qualche formuletta un po’ pi\u00f9 complessa, potresti arruolare 299 pazienti.<\/p>\n
Ma come: pi\u00f9 pazienti? Si: 299 pazienti, di cui 115 nel braccio della chirurgia, e 184 in quello del trattamento farmacologico, mantenendo significativit\u00e0 e potenza prestabiliti.<\/p>\n
Facciamo due conti e vedrai che avrai risparmiato diverse migliaia di euro.
\nNel primo caso verranno spesi 874mila+340mila=1.214.000 Euro.
\nNel secondo caso verranno spesi 713mila+441mila=1.164.000 Euro.<\/p>\n
Hai risparmiato 50 mila euro. Praticamente due assegni di ricerca di un anno.<\/p>\n
Ripeto: questo \u00e8 solo un esempio.<\/p>\n
Il messaggio \u00e8: attenzione, se stai progettando uno studio, non sempre le formulette prestabilite ti aiutano a portare a casa il risultato. Uno studio pi\u00f9 approfondito del progetto ti pu\u00f2 permettere di ottenere i risultati che stai cercando nel rispetto delle risorse che hai a disposizione.<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":" Calcolare un Sample Size in modo preciso può essere uno strumento utile a risparmiare notevoli cifre. In questo post vediamo come.<\/p>\n <\/p>\n","protected":false},"author":5,"featured_media":433,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"om_disable_all_campaigns":false,"_monsterinsights_skip_tracking":false,"neve_meta_sidebar":"","neve_meta_container":"","neve_meta_enable_content_width":"","neve_meta_content_width":0,"neve_meta_title_alignment":"","neve_meta_author_avatar":"","neve_post_elements_order":"","neve_meta_disable_header":"","neve_meta_disable_footer":"","neve_meta_disable_title":"","_themeisle_gutenberg_block_has_review":false,"_ti_tpc_template_sync":false,"_ti_tpc_template_id":""},"categories":[3],"tags":[],"aioseo_notices":[],"yoast_head":"\n