{"id":588,"date":"2019-11-08T10:53:07","date_gmt":"2019-11-08T09:53:07","guid":{"rendered":"https:\/\/www.statsimprove.com\/it\/?p=588"},"modified":"2019-11-08T10:53:07","modified_gmt":"2019-11-08T09:53:07","slug":"covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi","status":"publish","type":"post","link":"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/","title":{"rendered":"Covariate, confondenti, eccetera: quali differenze (e la figura che migliora il tuo articolo o tesi)"},"content":{"rendered":"

Molti studenti e ricercatori quando devono mostrare i risultati delle loro analisi usano, per indicare le variabili indipendenti dei loro modelli statistici, i termini \u201ccovariata\u201d, \u201cconfondente\u201d, \u201cfattori di confondimento\u201d,<\/strong> eccetera, in modo inappropriato. Devo dire la verit\u00e0: quando ero dottorando ero il primo a commettere queste leggerezze e questo mi ha causato non pochi problemi quando cercavo di pubblicare.<\/p>\n

Vediamo come comportarci per mettere dalla nostra parte editor e reviewer delle riviste, usando i termini corretti e soprattutto in modo da dare valore aggiunto ai nostri articoli.<\/strong><\/p>\n

Partiamo.<\/p>\n

Nella stragrande maggioranza dei casi, nei tuoi articoli ci saranno una o pi\u00f9 variabili indipendenti che indichiamo come \u201cesposizione\u201d<\/strong> (se hai a che fare con uno studio epidemiologico) o \u201ctrattamento\u201d<\/strong> (nel caso si stia parlando di un trial clinico). Ad esempio un esposizione pu\u00f2 essere l\u2019esperienza di essere ricoverato in un certo tipo di reparto di chirurgia: chirurgia pediatrica, generale, oncologica, geriatrica e via dicendo.<\/p>\n

Poi c\u2019\u00e8 il tuo \u201coutcome\u201d o \u201cendpoint\u201d<\/strong>, che \u00e8 la \u201cY\u201d dell\u2019equazione, il valore cio\u00e8 che vuoi andare a predire, a modellizzare.<\/p>\n

Infine ci sono tutte le altre variabili indipendenti<\/strong> come et\u00e0, sesso, comorbidit\u00e0, abitudini di vita, eccetera, che usiamo per correggere e rendere pi\u00f9 precise le stime che vogliamo effettuare.<\/p>\n

In un articolo scientifico, nelle sezioni dei risultati e della loro discussione, la maggior parte dei ricercatori, dottorandi, tesisti e company, si limita a mostrare tutte queste variabili di cui abbiamo appena parlato sottoforma di modello strettamente matematico del fenomeno studiato.<\/strong>
\nCosa intendo per \u201cstrettamente matematico\u201d? Intendo dire che si limitano a produrre una tabella in cui vengono riportati coefficienti, p-value e gli intervalli di confidenza dei coefficienti.<\/p>\n

E non c\u2019\u00e8 niente di male.<\/strong><\/p>\n

Ma per avere una marcia in pi\u00f9 ed essere pi\u00f9 convincente e solido, un lavoro scientifico dovrebbe proporre, quando possibile, un modello meccanicistico<\/strong>, classificando correttamente tutte le variabili in gioco e attribuendo loro un ruolo<\/em> nel pathway studiato (se stai studiando una patologia) o pi\u00f9 in generale quello che viene chiamato \u201cData Generation Mechanism\u201d, meccanismo attraverso il quale si genera il dato.<\/p>\n

Come facciamo?<\/strong><\/p>\n

Usiamo i termini corretti<\/h1>\n

In linea generale, nelle scienze biomediche, le variabili che presentiamo in un modello multivariato possono essere classificate a seconda della loro presenza o meno sul pathway causale:<\/p>\n

le variabili che NON stanno sul pathway<\/strong> causale sono le \u201ccovariate\u201d, i \u201cconfondenti\u201d e i \u201ccollider\u201d;<\/p>\n

le variabili che invece entrano nel pathway causale<\/strong> sono i \u201cmediatori\u201d e i \u201cmodificatori di effetto\u201d.<\/p>\n

Prendiamo questi diversi tipi di variabile una ad una e facciamolo prima tramite questa immagine che troverai su tanti libri di epidemiologia.<\/p>\n

\"\"<\/p>\n

Bene, ora possiamo entrare nel dettaglio.<\/p>\n

Confondente<\/h2>\n

Questo termine \u00e8 quello pi\u00f9 sovrautilizzato (assieme a covariata)<\/strong> ma un \u201cconfondente\u201d \u00e8 una variabile che ha una precisa caratteristica: \u00e8 associata sia all\u2019esposizione (o al \u201ctrattamento\u201d, se parliamo di un trial), sia alla tua variabile dipendente (o \u201coutcome\u201d se preferisci).<\/p>\n

Il classico esempio di confondente negli studi clinici \u00e8 la gravit\u00e0 di un paziente<\/strong>. Se stai ad esempio confrontando la mortalit\u00e0 (variabile dipendente o \u201coutcome\u201d) tra diversi reparti ospedalieri (esposizione), capisci bene che la gravit\u00e0 \u00e8 associata sia a determinati reparti (gli oncologici sono pi\u00f9 gravi rispetto a chi deve operarsi a un\u2019appendicite, per esempio) e non ad altri, sia alla mortalit\u00e0 stessa (i pi\u00f9 gravi hanno una probabilit\u00e0 di morte pi\u00f9 alta). Questo \u00e8 un fattore che non \u00e8 direttamente presente nel meccanismo causale che porta all\u2019outcome (morte) ma \u00e8 una variabile che se non opportunamente randomizzata in fase di disegno o se non considerata nello sviluppo del modello predittivo pu\u00f2 distorcere (e anche non di poco) i tuoi coefficienti.<\/strong><\/p>\n

Covariata<\/h2>\n

Le covariate sono variabili che non sono presenti sul meccanismo causale ma che spiegano parte della variabilit\u00e0 del tuo outcome e per questo motivo vanno introdotte nell\u2019analisi.<\/strong> Nell\u2019esempio sopra, una variabile che potrebbe spiegare parte della mortalit\u00e0 per un effetto tutto suo e indipendente dall\u2019esposizione o da altre variabili, potrebbe essere un determinato pattern genetico (\u00e8 il primo esempio che mi viene in mente, ma forse ce ne sono di migliori). Sono chiamate covariate anche altre variabili misurate che non hanno relazioni con le altre variabili e che non sono nemmeno legate all\u2019outcome e perci\u00f2 quasi sempre non vengono usate nell\u2019analisi perch\u00e9 non aggiungono niente alla spiegazione del fenomeno osservato. Ad esempio nel contesto di uno studio oncologico, il colore dei pantaloni di un paziente potrebbe essere un buon esempio, sempre che qualche sperimentatore si prenda la briga di misurarlo.<\/p>\n

Mediatore<\/h2>\n

I mediatori somigliano ai confondenti con i quali vengono spesso confusi (perdona il brutto gioco di parole).<\/strong> Anch\u2019essi sono variabili infatti associate sia all\u2019esposizione che all\u2019effetto ma in modo \u201csequenziale\u201d: hanno cio\u00e8 un \u201cruolo\u201d nel pathway che stai studiando e questo ruolo lo si pu\u00f2 quantificare attraverso un\u2019analisi ad hoc (mediation analysis)<\/strong> di cui per\u00f2 non parliamo in questo post altrimenti diventa tutto troppo lungo. Ad ogni modo, nella figura allegata a fine post capirai meglio la loro notevole differenza tra i concetti di mediatore e di confondente.<\/p>\n

Modificatori di effetto<\/strong><\/p>\n

Ci sono poi i modificatori di effetto. Essi altro non sono che variabili che amplificano o riducono l\u2019effetto dell\u2019esposizione sull\u2019outcome<\/strong>. In altre parole i modificatori di effetto sono variabili che creano un\u2019interazione<\/strong> con l\u2019esposizione cambiando l\u2019effetto di quest\u2019ultima sull\u2019outcome. In generale i termini \u201cmodificazione d\u2019effetto\u201d e \u201cinterazione\u201d sono utilizzati come sinonimi, anche se esiste comunque una differenza tra i due concetti sulla quale per\u00f2 non \u00e8 il caso di dilungarsi in questo post.<\/p>\n

Collider<\/h2>\n

Esistono infine delle variabili il cui valore \u00e8 determinato causalmente dall\u2019esposizione e dall\u2019effetto e che devono essere eliminate dall\u2019analisi. Sono chiamate \u201ccolliders\u201d (in italiano sarebbe qualcosa tipo \u201cscontratori\u201d o \u201cvariabili che causano attrito\u201d) e, come detto, vanno eliminate dall\u2019analisi perch\u00e9 il loro uso genera bias nelle stime che ci interessano.<\/p>\n

Termina il tuo articolo o la tua tesi con una figura come questa<\/h1>\n

Ora che hai capito la differenza tra termini come \u201ccovariata\u201d, \u201cconfondente\u201d eccetera, per dare valore aggiunto alla tua tesi o al tuo articolo, \u201criempi le caselline\u201d della figura che ti ho mostrato prima.<\/strong><\/p>\n

Precisazione: sempre che tu ne abbia la possibilit\u00e0.<\/strong> Molte riviste pongono un tetto al numero di figure presentabili in un paper, ma se ne hai la possibilit\u00e0 perch\u00e8 non hai un limite o perch\u00e8 semplicemente stai scrivendo una tesi\u2026.beh, fallo!<\/p>\n

Vediamo un esempio pratico.<\/strong><\/p>\n

Riprendiamo l\u2019esempio anticipato prima e consideriamo uno studio in cui si vuole valutare l\u2019andamento di un outcome generico in pazienti sottoposti a chirurgia nei diversi reparti chirurgici di un ospedale.<\/strong>
\nCome outcome diciamo, ad esempio, la qualit\u00e0 della vita (misurata via questionario) dopo un anno dall\u2019intervento nei pazienti della chirurgia generale, della chirurgia pancreatica, chirurgia pediatrica eccetera.<\/strong><\/p>\n

Ora: fornire una tabella con dei numeri \u00e8 assolutamente utile ma una figura in cui \u00e8 rappresentato il meccanismo generante l\u2019aumento o il decremento della qualit\u00e0 della vita di questi pazienti pu\u00f2 fare molto di pi\u00f9.<\/p>\n

\"\"<\/p>\n

Partiamo dall\u2019alto.<\/strong><\/p>\n

Nel tuo dataset potresti avere una variabile categorica \u201cmorto\/vivo\u201d. Di questa variabile non te ne fai niente<\/strong>. Essa \u00e8 \u201ccausata\u201d dal tipo di reparto in cui si trova il paziente e dal livello di qualit\u00e0 della vita dopo un anno dall\u2019operazione. Inserirla nell\u2019analisi oltre ad essere un\u2019operazione priva di senso \u00e8 anche pericolosa perch\u00e8 potrebbe inficiare pesantemente le stime.<\/p>\n

Subito sotto abbiamo l\u2019et\u00e0 che \u00e8 il confondente per eccellenza.<\/strong> In questo caso \u00e8 evidente che i pazienti pi\u00f9 anziani saranno in un certo tipo di reparto e che l\u2019et\u00e0 \u00e8 anche pi\u00f9 correlata alla misura della qualit\u00e0 della vita.<\/p>\n

Poi ci sono le complicazioni chirurgiche.<\/strong> In questo caso, una complicanza chirurgica \u00e8 strettamente legata alla qualit\u00e0 della prognosi dei pazienti e, anche se pi\u00f9 frequente in determinati reparti di chirurgia, ad essa pu\u00f2 essere attribuito un ruolo causale ed essere classificata come mediatore. Come ti dicevo, il ruolo di \u201cmediatore\u201d dovrebbe sempre essere verificato tramite un test ad hoc.<\/p>\n

Nella parte in basso della figura abbiamo un modificatore d\u2019effetto: ad esempio l\u2019abitudine al fumo.<\/strong> Partendo dal presupposto che un test di interazione lo confermi, nell\u2019ambito dello stesso reparto, i fumatori hanno una qualit\u00e0 della vita a un anno dalla chirurgia migliore rispetto ai non fumatori.<\/p>\n

Infine abbiamo condizioni di comorbidit\u00e0<\/strong> (altre patologie che affliggono il paziente) che intaccano la qualit\u00e0 della vita in modo indipendente dal tipo di reparto in cui esso \u00e8 ricoverato.<\/p>\n

Evidentemente ogni variabile, sulla base di quelle che sono le conoscenze dello sperimentatore, possono assumere un ruolo diverso.<\/strong> Ad esempio quella che \u00e8 una covariata pu\u00f2 essere in alcuni casi considerato un mediatore. Oppure un modificatore d\u2019effetto, oltre ad interagire con l\u2019esposizione, pu\u00f2 avere anche un effetto principale tutto suo (vedi la freccia tratteggiata nella figura) e che va interpretato (vedi questo post sull\u2019interpretazione degli effetti principali in caso di interazione).<\/p>\n

L\u2019importante, come dicevo, \u00e8 che quando hai i risultati alla mano tu dia una spiegazione meccanicistica dei risultati, se non altro per incentivare la discussione scientifica attorno al tuo lavoro e per avere una maggiore possibilit\u00e0 di pubblicazione.<\/p>\n

Ciao!<\/strong>
\nGianfranco<\/strong><\/p>\n","protected":false},"excerpt":{"rendered":"

Molti studenti e ricercatori quando devono mostrare i risultati delle loro analisi usano, per indicare le variabili indipendenti dei loro modelli statistici, i termini \u201ccovariata\u201d, \u201cconfondente\u201d, \u201cfattori di confondimento\u201d, eccetera, in modo inappropriato. Devo dire la verit\u00e0: quando ero dottorando ero il primo a commettere queste leggerezze e questo mi ha causato non pochi problemi… Leggi tutto »Covariate, confondenti, eccetera: quali differenze (e la figura che migliora il tuo articolo o tesi)<\/span><\/a><\/p>\n","protected":false},"author":5,"featured_media":0,"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":[6],"tags":[],"aioseo_notices":[],"yoast_head":"\nCovariate, confondenti, eccetera: quali differenze (e la figura che migliora il tuo articolo o tesi) - StatsImprove<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/\" \/>\n<meta property=\"og:locale\" content=\"it_IT\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Covariate, confondenti, eccetera: quali differenze (e la figura che migliora il tuo articolo o tesi) - StatsImprove\" \/>\n<meta property=\"og:description\" content=\"Molti studenti e ricercatori quando devono mostrare i risultati delle loro analisi usano, per indicare le variabili indipendenti dei loro modelli statistici, i termini \u201ccovariata\u201d, \u201cconfondente\u201d, \u201cfattori di confondimento\u201d, eccetera, in modo inappropriato. Devo dire la verit\u00e0: quando ero dottorando ero il primo a commettere queste leggerezze e questo mi ha causato non pochi problemi… Leggi tutto »Covariate, confondenti, eccetera: quali differenze (e la figura che migliora il tuo articolo o tesi)\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/\" \/>\n<meta property=\"og:site_name\" content=\"StatsImprove\" \/>\n<meta property=\"article:published_time\" content=\"2019-11-08T09:53:07+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.statsimprove.com\/it\/wp-content\/uploads\/sites\/4\/2019\/11\/variables1-1024x667.png\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Scritto da\" \/>\n\t<meta name=\"twitter:data1\" content=\"gianfranco\" \/>\n\t<meta name=\"twitter:label2\" content=\"Tempo di lettura stimato\" \/>\n\t<meta name=\"twitter:data2\" content=\"8 minuti\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebSite\",\"@id\":\"https:\/\/www.statsimprove.com\/it\/#website\",\"url\":\"https:\/\/www.statsimprove.com\/it\/\",\"name\":\"StatsImprove\",\"description\":\"Statistics Improve Your Projects\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/www.statsimprove.com\/it\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"it-IT\"},{\"@type\":\"ImageObject\",\"@id\":\"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/#primaryimage\",\"inLanguage\":\"it-IT\",\"url\":\"https:\/\/www.statsimprove.com\/it\/wp-content\/uploads\/sites\/4\/2019\/11\/variables1.png\",\"contentUrl\":\"https:\/\/www.statsimprove.com\/it\/wp-content\/uploads\/sites\/4\/2019\/11\/variables1.png\",\"width\":1352,\"height\":881},{\"@type\":\"WebPage\",\"@id\":\"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/#webpage\",\"url\":\"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/\",\"name\":\"Covariate, confondenti, eccetera: quali differenze (e la figura che migliora il tuo articolo o tesi) - StatsImprove\",\"isPartOf\":{\"@id\":\"https:\/\/www.statsimprove.com\/it\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/#primaryimage\"},\"datePublished\":\"2019-11-08T09:53:07+00:00\",\"dateModified\":\"2019-11-08T09:53:07+00:00\",\"author\":{\"@id\":\"https:\/\/www.statsimprove.com\/it\/#\/schema\/person\/914fc4bf93820662fc24f6ed5fe66da6\"},\"breadcrumb\":{\"@id\":\"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/#breadcrumb\"},\"inLanguage\":\"it-IT\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/www.statsimprove.com\/it\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Covariate, confondenti, eccetera: quali differenze (e la figura che migliora il tuo articolo o tesi)\"}]},{\"@type\":\"Person\",\"@id\":\"https:\/\/www.statsimprove.com\/it\/#\/schema\/person\/914fc4bf93820662fc24f6ed5fe66da6\",\"name\":\"gianfranco\",\"image\":{\"@type\":\"ImageObject\",\"@id\":\"https:\/\/www.statsimprove.com\/it\/#personlogo\",\"inLanguage\":\"it-IT\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/5e17e118aa99660d02d82ded19b4f3b5?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/5e17e118aa99660d02d82ded19b4f3b5?s=96&d=mm&r=g\",\"caption\":\"gianfranco\"},\"description\":\"Specialista in Statistica Medica\",\"url\":\"https:\/\/www.statsimprove.com\/it\/author\/gianfranco\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Covariate, confondenti, eccetera: quali differenze (e la figura che migliora il tuo articolo o tesi) - StatsImprove","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/","og_locale":"it_IT","og_type":"article","og_title":"Covariate, confondenti, eccetera: quali differenze (e la figura che migliora il tuo articolo o tesi) - StatsImprove","og_description":"Molti studenti e ricercatori quando devono mostrare i risultati delle loro analisi usano, per indicare le variabili indipendenti dei loro modelli statistici, i termini \u201ccovariata\u201d, \u201cconfondente\u201d, \u201cfattori di confondimento\u201d, eccetera, in modo inappropriato. Devo dire la verit\u00e0: quando ero dottorando ero il primo a commettere queste leggerezze e questo mi ha causato non pochi problemi… Leggi tutto »Covariate, confondenti, eccetera: quali differenze (e la figura che migliora il tuo articolo o tesi)","og_url":"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/","og_site_name":"StatsImprove","article_published_time":"2019-11-08T09:53:07+00:00","og_image":[{"url":"https:\/\/www.statsimprove.com\/it\/wp-content\/uploads\/sites\/4\/2019\/11\/variables1-1024x667.png"}],"twitter_card":"summary_large_image","twitter_misc":{"Scritto da":"gianfranco","Tempo di lettura stimato":"8 minuti"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebSite","@id":"https:\/\/www.statsimprove.com\/it\/#website","url":"https:\/\/www.statsimprove.com\/it\/","name":"StatsImprove","description":"Statistics Improve Your Projects","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.statsimprove.com\/it\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"it-IT"},{"@type":"ImageObject","@id":"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/#primaryimage","inLanguage":"it-IT","url":"https:\/\/www.statsimprove.com\/it\/wp-content\/uploads\/sites\/4\/2019\/11\/variables1.png","contentUrl":"https:\/\/www.statsimprove.com\/it\/wp-content\/uploads\/sites\/4\/2019\/11\/variables1.png","width":1352,"height":881},{"@type":"WebPage","@id":"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/#webpage","url":"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/","name":"Covariate, confondenti, eccetera: quali differenze (e la figura che migliora il tuo articolo o tesi) - StatsImprove","isPartOf":{"@id":"https:\/\/www.statsimprove.com\/it\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/#primaryimage"},"datePublished":"2019-11-08T09:53:07+00:00","dateModified":"2019-11-08T09:53:07+00:00","author":{"@id":"https:\/\/www.statsimprove.com\/it\/#\/schema\/person\/914fc4bf93820662fc24f6ed5fe66da6"},"breadcrumb":{"@id":"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/#breadcrumb"},"inLanguage":"it-IT","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/www.statsimprove.com\/it\/2019\/11\/08\/covariate-confondenti-eccetera-quali-differenze-e-la-figura-che-migliora-il-tuo-articolo-o-tesi\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.statsimprove.com\/it\/"},{"@type":"ListItem","position":2,"name":"Covariate, confondenti, eccetera: quali differenze (e la figura che migliora il tuo articolo o tesi)"}]},{"@type":"Person","@id":"https:\/\/www.statsimprove.com\/it\/#\/schema\/person\/914fc4bf93820662fc24f6ed5fe66da6","name":"gianfranco","image":{"@type":"ImageObject","@id":"https:\/\/www.statsimprove.com\/it\/#personlogo","inLanguage":"it-IT","url":"https:\/\/secure.gravatar.com\/avatar\/5e17e118aa99660d02d82ded19b4f3b5?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/5e17e118aa99660d02d82ded19b4f3b5?s=96&d=mm&r=g","caption":"gianfranco"},"description":"Specialista in Statistica Medica","url":"https:\/\/www.statsimprove.com\/it\/author\/gianfranco\/"}]}},"_links":{"self":[{"href":"https:\/\/www.statsimprove.com\/it\/wp-json\/wp\/v2\/posts\/588"}],"collection":[{"href":"https:\/\/www.statsimprove.com\/it\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.statsimprove.com\/it\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.statsimprove.com\/it\/wp-json\/wp\/v2\/users\/5"}],"replies":[{"embeddable":true,"href":"https:\/\/www.statsimprove.com\/it\/wp-json\/wp\/v2\/comments?post=588"}],"version-history":[{"count":4,"href":"https:\/\/www.statsimprove.com\/it\/wp-json\/wp\/v2\/posts\/588\/revisions"}],"predecessor-version":[{"id":598,"href":"https:\/\/www.statsimprove.com\/it\/wp-json\/wp\/v2\/posts\/588\/revisions\/598"}],"wp:attachment":[{"href":"https:\/\/www.statsimprove.com\/it\/wp-json\/wp\/v2\/media?parent=588"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.statsimprove.com\/it\/wp-json\/wp\/v2\/categories?post=588"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.statsimprove.com\/it\/wp-json\/wp\/v2\/tags?post=588"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}