Le regole della caviglia di Ottawa sono il classico esempio di come una semplice regola di previsione clinica possa migliorare la pratica clinica. Tuttavia, ci sono molte sfide e barriere che spiegano perché si debba fare attenzione all'uso delle regole di predizione clinica nella pratica. In questo articolo del blog discuteremo quali sono i problemi che le RCP devono affrontare:
Le regole di previsione clinica (RCP) sono strumenti matematici che hanno lo scopo di guidare i medici nel loro processo decisionale quotidiano. Le RCP sono create utilizzando metodi statistici multivariati e sono progettate per esaminare la capacità predittiva di raggruppamenti selezionati di variabili cliniche. Le regole di predizione clinica possono essere meglio classificate in tre gruppi distinti: diagnostiche, prognostiche e prescrittive. Gli studi che si concentrano sui fattori predittivi relativi a una diagnosi specifica sono noti come RCP diagnostici. Le regole di predizione clinica che sono progettate per prevedere un esito, come il successo o il fallimento, sono considerate prognostiche. Le regole di previsione clinica progettate per indirizzare gli interventi più efficaci sono identificate come prescrittive. Il loro vantaggio è che possono aiutare i medici a prendere decisioni rapide che normalmente possono essere soggette a pregiudizi sottostanti.
Un esempio di RCP predittiva, a cui faremo riferimento in questo video, è la RCP di Flynn et al. (2002) per il successo della manipolazione lombare: Se sono presenti 3 o più dei seguenti 5 elementi, la probabilità di successo con la manipolazione aumenta di un fattore di 2,6, con 4 o più con un fattore di 24. Questi fattori sono: assenza di sintomi distali al ginocchio, insorgenza dei sintomi da meno di 30 giorni, punteggio FABQ <19, ipomobilità della colonna lombare e rotazione interna dell'anca superiore a 35 gradi in almeno un'anca.
Le RCP devono essere sottoposte a 3 fasi prima di essere pienamente applicate in ambito clinico:
- Derivazione: In questa fase le RCP vengono ricavate utilizzando metodi statistici multivariati per esaminare la capacità predittiva di raggruppamenti selezionati di variabili cliniche.
- Convalida: La RCP viene testata in un contesto clinico simile (che si chiama validazione interna), poi la RCP viene testata in un contesto clinico diverso (che si chiama validazione esterna).
- Impatto: Misurazione dell'utilità della regola nel contesto clinico in termini di costi-benefici, soddisfazione del paziente, allocazione di tempo/risorse, ecc. solitamente testata in studi controllati randomizzati.
L'ultimo passo è la fase di implementazione, in cui si raggiunge un'accettazione e un'adozione diffusa della regola nella pratica clinica.
Delle 434 regole di predizione clinica solo il 54,8% è stato validato e solo il 2,8% è stato sottoposto ad analisi di impatto.
Keogh et al. (2014) hanno trovato 434 regole individuali fino all'anno 2014. Solo il 54,8% di essi è stato validato e solo il 2,8% è stato sottoposto ad analisi d'impatto. La maggior parte degli studi è stata condotta nell'ambito delle malattie cardiovascolari e respiratorie, seguite da quelle muscoloscheletriche.
La prima avvertenza è che, sebbene esistano molte RCP, molte di esse non sono state convalidate, né tantomeno sottoposte a studi di impatto e non possiamo quindi dire se il loro utilizzo migliorerà la pratica clinica. La RCP di Flynn è una delle poche RCP predittive che conosciamo e che è stata validata con successo due anni dopo da Childs et al. (2004) in uno studio randomizzato controllato. I ricercatori hanno riscontrato che le probabilità di un esito positivo dei pazienti positivi alla RCP con 4 voci su 5 rispetto ai pazienti negativi alla regola e che hanno ricevuto l'esercizio fisico erano pari a 60,8.
Come la RCP di Flynn e colleghi, la maggior parte delle regole di previsione clinica utilizzate nella pratica muscoloscheletrica sono RCP predittive. Queste RCP utilizzano criteri di base chiamati modificatori dell'effetto del trattamento, raccolti da un esame fisico per informare il tipo di trattamento che un paziente dovrebbe ricevere in via preferenziale. Purtroppo, esistono altre potenziali insidie delle regole di previsione clinica, che Haskins e Cook (2016) hanno evidenziato in un editoriale per il BJSM:
- Molti metodi di modellazione semplici e derivati utilizzati da molti studi catturano fattori prognostici, piuttosto che fattori prescrittivi. In altre parole, le regole identificavano i pazienti che sarebbero migliorati comunque, indipendentemente dal trattamento ricevuto. Se riprendiamo la RCP di Flynn, una durata dei sintomi inferiore a 30 giorni o l'assenza di sintomi distali al ginocchio e un basso livello di evitamento della paura sono fattori prognostici generali positivi che favoriscono il recupero indipendentemente dal trattamento. In realtà, la storia naturale associata a questi segni e sintomi è molto favorevole, il che significa che il miglioramento non sarà associato alle cure ricevute, ma al tempo.
- Molte RCP prescritte contengono fattori non modificabili come l'età, il sesso o la durata dei sintomi che non possono essere modificati dal trattamento. Per massimizzare il potenziale del modello, i predittori dovrebbero essere fattori di mediazione che possono essere influenzati dal trattamento, come la paura, la catastrofizzazione, la perdita di forza o la flessibilità.
- Un altro punto importante è che i fattori inclusi nel modello devono avere un'elevata affidabilità. Nel caso della RCP di Flynn, un fattore del modello è l'"ipomobilità della colonna lombare". Una revisione sistematica di van Trijffel et al. (2005) ha tuttavia dimostrato che l'affidabilità inter-rater nella colonna lombare è da scarsa a discreta. Questo renderà difficile per i diversi valutatori che utilizzano la RCP utilizzare la stessa conclusione su questo item.
- La maggior parte delle RCP è sottopotenziata a causa delle dimensioni insufficienti del campione, che portano a intervalli di confidenza estremamente ampi, indicando una mancanza di precisione dell'accuratezza predittiva di una RCP. Nello studio di Flynn abbiamo un intervallo di confidenza del 95% che va da 4,63 a 139,41 in caso di 4 o più elementi positivi. Quindi l'effetto della manipolazione nei pazienti che ottengono un punteggio positivo alla RCP può essere moderato, ma può anche essere enorme, con un odds ratio di 139 in 95 casi su 100.
Bene, riassumiamo i motivi per cui non dovremmo affidarci ciecamente alle RCP per la pratica clinica: La maggior parte delle RCP è stata solo derivata, ma mai validata (con successo), né tantomeno ha raggiunto la fase di impatto clinico. I risultati di uno studio e di un particolare contesto non possono essere semplicemente trasferiti al vostro contesto clinico. Molti fattori in una RCP sono fattori prognostici positivi, associati a un decorso naturale favorevole. Quindi quei pazienti sarebbero migliorati comunque. Infine, è importante che in un modello siano inclusi fattori affidabili e modificabili per massimizzarne il potenziale, mentre gli studi dovrebbero aumentare le dimensioni del campione per descrivere l'effetto della RCP con maggiore precisione.
L'App Terapia Manuale (iOS e Android)
L'App Terapia Manuale di Physiotutors contiene oltre 150 tecniche di mobilizzazione e manipolazione per l'apparato muscolo-scheletrico. Inoltre, troverete informazioni sui test di screening per il sistema vascolare e l'integrità dei legamenti.
Se volete rimanere aggiornati e ricevere una notifica non appena pubblichiamo un nuovo articolo del blog, assicuratevi di iscrivervi al nostro feed RSS che vi invierà la notifica del nuovo articolo direttamente nella vostra casella di posta.
Riferimenti:
Adams ST, Leveson SH. Regole di previsione clinica. Bmj. 2012 Jan 16;344:d8312.
Cook C. Potenziali insidie delle regole di predizione clinica.
Articolo del blog di Chad Cook: https://relief.news/2016/09/05/rip-prescriptive-clinical-prediction-rules/
Wallace E, Johansen ME. Regole di predizione clinica: sfide, barriere e promesse.
