Blog di divulgazione scientifica, aggiornamento e formazione in psichiatria e psicoterapia
di Raffaele Avico
Qui sopra il programma. Il convegno sarà trasmesso in streaming sui canali social dei relatori, venerdì 21 maggio 2021 alle 19:00.
Buona visione!
Ps tutto il materiale su trauma e dissociazione presente su questo blog è consultabile cliccando sul bottone a inizio pagina (o dal menù a tendina) #TRAUMA. Qui invece l’area membri/Patreon per sostenere il blog, in cambio di contenuti dedicati (4€/mese)
di Raffaele Avico
PREMESSA
Questa intervista a Lorena Ferrero ha l’obiettivo di sensibilizzare rispetto a un tema circoscritto, ma importante: il futuro pensionistico e previdenziale del popolo degli psicologi italiani. É in particolare rivolta a liberi professionisti psicologi o psicoterapeuti sopra ai 30 anni di età, impegnati nella lotta per la conquista di un proprio spazio professionale, che vogliano gettare un occhio al proprio futuro in termini, appunto, di previdenza. Ne emerge un quadro fosco, in cui sembra necessario da subito puntare a differenziare, per il singolo professionista, le entrate economiche -all’insegna del metodo 1+1+1+1+1+1-, sganciati dall’idea -almeno al momento- di trovare una qualche forma di supporto attivo da parte degli enti previdenziali.
Gentile Lorena, ci dai una descrizione del tuo lavoro e di chi sei?
Sono una psicologa e psicoterapeuta piemontese, libera professionista, con un’attività lavorativa molto diversificata: oltre all’attività privata in studio sono professoressa invitata dell’Istituto Universitario Salesiano Rebaudengo di Torino; mi occupo inoltre di orientamento e politiche attive del lavoro. Psicologa scolastica e consulente tecnico di parte in perizie e CTU. Iscritta all’Albo degli esperti e dei collaboratori dell’Agenzia nazionale per i servizi sanitari regionali (AGENAS) e formatrice corsi ECM. In passato docente a contratto presso il Dipartimento di Psicologia di UNITO, esperta presso il Tribunale di Sorveglianza di Torino e consulente di un servizio pubblico sulle dipendenze. Ho collaborato con un’associazione di psicoterapia sociale, seguito la progettazione su bandi di finanziamento e ho lavorato come psicologa nei Centri di Accoglienza Straordinaria per migranti.
Gentile Lorena, come giudichi la situazione attuale italiana degli psicologi? Ci dai una fotografia sommaria dello stato di salute della categoria psicologi e psicoterapeuti?
Direi che come categoria stiamo male: c’è una richiesta del mercato del lavoro inferiore all’offerta degli psicologi, pubblica e privata, mancando un accesso programmato a livello nazionale all’Università come per le altre figure sanitarie. Siamo infatti una professione SANITARIA, più sulla carta che nella realtà. C’è BISOGNO di PSICOLOGI nel Servizio Pubblico, richiesta da parte dei cittadini, a cui spesso non si risponde perché mancano le risorse (la rete pubblica normalmente riesce a coprire mediamente solo il 25% dei bisogni psicologici previsti dai Livelli Essenziali di Assistenza anche attraverso gli specializzandi, che prestano gratuitamente la loro opera durante la formazione), quella che è bassa è la DOMANDA da parte della Sanità Pubblica, cioè vengono fatti pochi bandi e non vengono sostituiti i colleghi che vanno in pensione. Nel contempo non vengono forniti ai cittadini BONUS o attivate CONVENZIONI che consentano alle fasce deboli della popolazione di accedere al sostegno ed alle cure rivolgendosi direttamente agli psicologi liberi professionisti. Gli psicologi del lavoro e organizzazioni stanno un pochino meglio: una maggior richiesta della loro figura, però spesso le aziende preferiscono i coach anche con formazione non psicologica, questo dovrebbe farci nascere delle domande sul nostro percorso di studi forse non così professionalizzante.
Gentile Lorena, parlaci di previdenza e di pensione; recentemente hai avviato una polemica vivace sulle pensioni degli psicologi. Facendo un calcolo sommario, uno psicologo libero professionista di 30 anni, per avere una pensione di 1000€ al mese, dovrà smettere di lavorare a 70 anni avendo dichiarato ogni singolo mese più di 3000€. È così? Equivale a dire che una maggioranza dei professionisti avrà pensioni da fame.
Purtroppo la questione pensionistica degli psicologi liberi professionisti è una bomba sociale ad orologeria, che esploderà: occorre porsi il problema oggi come categoria ed interrogarsi sulle possibili soluzioni da mettere in campo a livello ENPAP, come cassa privata, e le richieste da portare a livello governativo. A 65 anni inizia l’erogazione della pensione ENPAP, se si continua l’attività privata nel contempo si versano ancora i contributi. Per arrivare ad una pensione mensile di 1.000 euro netti, occorre a 65 anni aver accumulato un montante di 250.000 euro di contributi. Attualmente le pensioni medie erogate si aggirano sui 180 euro mensili, con punte minime fino a 30 euro al mese. Previdenza&Solidarietà, la lista con cui mi candido nel CIG Nord alle prossime elezioni ENPAP, si impegna a lavorare per introdurre una pensione minima di 520 euro al mese. Si può fare, gli strumenti finanziari ci sono. Ora bisogna iniziare a lavorarci. Le pensioni basse nel sistema contributivo derivano, in gran parte, dalla bassa entità del montante nei primi 5/10 anni di attività professionale. Previdenza&Solidarietà si impegna a esplorare l’introduzione del “prestito d’onore” a valere sui montanti contributivi, a favore delle colleghe e dei colleghi più giovani. Partire con un montante di una certa consistenza garantisce nel tempo una pensione dignitosa.
Gentile Lorena, dove sono collocati, allo stato attuale, gli psicologi? Dove lavoravano, dove lavorano e dove lavoreranno?
Do alcuni dati. Siamo circa 120.000 iscritti all’Ordine in Italia, mentre solo 65.000 sono gli iscritti all’ENPAP. Quindi sembrerebbe che molti colleghi in realtà non lavorino come psicologi. Solo il solo il 20% degli psicologi, come psicoterapeuti, risulta attualmente invece operante in modo strutturato o in regime di convenzione all’interno del Sistema Sanitario Nazionale, pur essendo professione sanitaria. Quando siamo nati come professione il bacino del lavoro nel pubblico era naturale e senza ostacoli per chi non sceglieva la libera professione come interesse. Ad oggi i risultanti 80% degli iscritti all’Ordine dovrebbero distribuirsi tra liberi professionisti che spesso come la sottoscritta sono trasversali a più ambiti: clinico, forense, scolastico, lavoro e organizzazioni, migranti, sport, neuropsicologico e riabilitazione, disabilità e cronicità, anziani e RSA, ricerca e Università, e chi svolge mansioni come dipendenti che non richiedono l’iscrizione all’Albo degli psicologi, pur rimanendo iscritti per scelta personale, quali insegnanti di ruolo, precari, compresa la messa a disposizione ed educatori. Cosa ci riserva il futuro lavorativamente parlando francamente non lo so, al di là che se non viene istituito il numero nazionale programmato di accesso all’Università i più giovani saranno destinati principalmente ad una prospettiva di sottoccupazione o riconversione ad altri ambiti professionali, come parzialmente sta già accadendo, vedasi i bassi redditi dei neopsicologi.
Gentile Lorena, quali soluzioni intravedi? Distingui le soluzioni dall’alto, da quelle dal basso: cosa chiedere agli organi istituzionali, e cosa consigliare a un giovane collega? É chiaro che un professionista, a meno che non sappia differenziare o reinventarsi, impiegherà molto tempo prima di riuscire a camminare con le sue sole gambe, versando nel frattempo troppo poco.
Le soluzioni dall’alto e dal basso dovrebbero essere entrambe guidate da una logica di CATEGORIA: appartenenza, comunione di intenti, partecipazione attiva. Come tradursi nei comportamenti e azioni? Gli Organi Istituzionali, che ci rappresentano, CNOP, Ordini regionali e provinciali, ENPAP, si auspica, si muovano in sinergia. In particolare sono il CNOP a livello nazionale e gli Ordini a livello locale che dovrebbero impegnarsi per lo sviluppo professionale degli psicologi: assumendo anche posizioni ferme. Faccio un esempio: nell’emergenza Covid-19 sono stati previsti gli psicologi nelle USCA, al momento però non ci sono stati bandi al riguardo e nel contempo il Ministero della Salute aveva chiesto il contributo volontario e gratuito al numero verde di supporto psicologico, nel caso specifico il CNOP, a mio avviso avrebbe dovuto ostacolare questa iniziativa. I giovani colleghi avrebbero necessità di un orientamento all’uscita del percorso universitario rispetto alle opportunità reali e potenziali. Un’idea che mi piacerebbe implementare, lo si può fare però solo a livello di Ordine, è un progetto di mentoring tra liberi professionisti old e junior, come scambio intergenerazionale. Intanto il neopsicologo sia curioso e si informi per costruire il suo presente e futuro, si costruisca un proprio progetto professionale.
Gentile Lorena, hai indicazioni su libri o blog che ci aiutino a farci un’idea più reale dello stato delle cose?
A livello nazionale consiglio il blog del collega Rolando Ciofi una finestra sul mondo della psicologia, tendenze, sviluppi e criticità. In regione Piemonte ho cercato di creare con il gruppo Informazioni per gli Psicologi del Piemonte una comunità viva ed interattiva, che dibatte di temi locali e nazionali, opportunità lavorative e formative: operazione riuscita con la collaborazione degli oltre 3.000 membri su Facebook.
di Raffaele Avico
Psychiatry On Line compie, questo maggio, 25 anni: al suo interno conta più di 8400 pezzi scritti e più di 1800 video a tema psichiatria, psicoterapia, psicologia clinica e neuroscienze. La maggior parte degli accessi al sito di Psychiatry On Line, avviene via Google, tramite parole chiave a tema salute mentale, psicoterapia o psichiatria in generale. L’homepage del sito (che quest’anno verrà rinnovata, insieme al sito stesso), tuttavia, pubblica ogni giorno articoli inediti a opera di tanti operatori della salute mentale da tutta Italia, impegnati con la redazione in un “lavoro culturale” senza scopo di lucro a tema “psy” a partire dal 1995.
L’archivio video rappresenta, è bene ricordarlo, una risorsa per portata e quantità di contenuti senza eguali al mondo. Non esiste nessun altro contenitore che accorpi così tanto materiale in ambito di psichiatria e psicologia: l’archivio video spazia da interventi ripresi nel corso di conferenze, a interviste mirate, a rubriche individuali di grande interesse culturale a tema salute mentale. Vi si trovano interviste e speech ai più autorevoli rappresentanti del movimento psichiatrico e della psicologia clinica degli ultimi 20 anni, oltre che a ospiti di eccezione come Otto Kernberg, Antonio Damasio, Liliana Cavani.
Alcuni filoni o rubriche da riscoprire, sono:
Qui l’archivio delle Playlist create.
Ma Psychiatry on line è ancora, ovviamente, un archivio di più 8000 di testi raccolti in più di 25 anni. Per esempio (scelti da Francesco Bollorino):
Questa sera stessa (sabato 2 maggio 2020), inoltre, alle 20:30 verrà svolto un seminario online sul Canale Youtube della Rivista, su tema “salute mentale e coronavirus”. Qui la presentazione:
NOTA BENE: se ti interessano la psicotraumatologia, la clinica del trauma e le avanguardie di ricerca, abbiamo attivato un Patreon per fornire contenuti mensili su queste tematiche. Trovi qui i nostri reward!
di Giulia Virtù (SISSA, Trieste)
[…] per la seconda parte di questo articolo, qui. Per la prima, qui.
Obiettivi cambiati in corso d’opera
Si tratta di un problema emerso negli ultimi anni, proprio perché strettamente correlato al bias di pubblicazione (vedi prima parte di “Tornare alle fonti”). Nel tentativo di evitare che i risultati negativi o non statisticamente significativi non arrivassero mai a pubblicazione[1], alcune riviste hanno cominciato a richiedere che gli studi presentati venissero pre-registrati (cioè protocollati prima della raccolta dati e dell’analisi), con organizzazioni come il Center for Open Science[2]. In questo modo i dati dovrebbero essere aggiornati durante tutto lo svolgimento della ricerca, fino a inserire i risultati finali, qualunque essi siano, positivi o negativi, una volta che gli studi si sono conclusi.
Purtroppo, questa strategia di prevenzione non sta sortendo gli effetti desiderati. Analisi recenti[3] mostrano che sui 323 studi controllati e randomizzati, pubblicati sulle 10 più importanti riviste di cardiologia, gastroenterologia e reumatologia[4], ben il 12% era stato registrato nella banca dati senza indicare in partenza l’esito che sarebbe stato valutato; inoltre, il 31% degli studi regolarmente protocollati riportava, al termine della ricerca, un obiettivo diverso nel lavoro pubblicato (ad esempio, se nella pre-registrazione la ricerca si prefigurava di indagare il calo della mortalità in seguito alla somministrazione di un farmaco, nella pubblicazione definitiva l’obiettivo principe appariva la riduzione del colesterolo. Forse non c’erano evidenze nel calo della mortalità?).
Se i ricercatori nel corso dello studio cambiano l’esito valutato, il sospetto che l’abbiano fatto perché l’esito primario posto in partenza dava risultati negativi è fondato[5].
Risultati multipli/compositi
A volte, per aumentare la significatività di un certo dato, i risultati vengono accorpati tra loro in esiti più ampi definiti come esiti multipli o compositi. Spesso si assiste a una scelta di questo tipo quando si tenta di dimostrare e/o amplificare i risultati che dimostrano l’efficacia di un farmaco: vengono sommati esiti molto rilevanti a esiti di scarsa importanza, rendendo impossibile stabilire quale componente pesi di più nel risultato finale.
Quindi, è bene diffidare dagli esiti compositi, soprattutto perché non c’è modo di effettuare una lettura critica a posteriori. Un’analisi separata dei singoli esiti contenuti in un risultato composito, infatti, fatta ad articolo pubblicato, non è corretta dal punto di vista metodologico.
Rischio assoluto e rischio relativo
Quando si leggono i risultati di uno studio è sempre bene chiedersi in quale forma i ricercatori stiano proponendo i dati. Sembra paradossale, eppure a seconda del metodo che viene usato si ha una percezione molto diversa dei risultati a favore o a sfavore dell’intervento esaminato.
Anche in questo caso c’è un esempio ormai storico che chiarisce alla perfezione questo concetto[6]. Tutto nasce con un importante studio, l’Helsinki Heart Study, pubblicato sul New England Journal of Medicine nel 1987[7]. Questa ricerca si proponeva di indagare l’efficacia di un farmaco anticolesterolo, il gemfibrozil. A questo scopo, 4.081 pazienti con dislipidemia erano stati randomizzati e assegnati a trattamenti differenti: alcuni di essi avrebbero ricevuto il farmaco, altri un placebo. L’esito primario indagato era l’incidenza di nuovi casi di malattia coronarica. Come si vede dall’abstract (figura 1), l’incidenza di malattia coronarica acuta era del 2,73% nei trattati rispetto al 4,11% nei soggetti che ricevevano il placebo, con una riduzione del 34% di incidenza della malattia coronarica (4,11 – 2,73 = 1,38, che corrisponde appunto al 34% di 4,11).
Figura 1
In altre parole, il farmaco sembrava efficace sia nel ridurre i valori di colesterolo cattivo (LDL) che nell’aumentare quelli di colesterolo buono (HDL), ma anche nel ridurre l’incidenza della malattia coronarica, con una diminuzione significativa pari al 34%.
Sembra tutto assolutamente corretto e intuitivo, ma non è così. Anche noi, a distanza di trent’anni, siamo caduti nel trabocchetto. Nessuna critica: molti altri prima di noi ci sono cascati, tanto che questo studio è stato pubblicato su una delle più importanti e famose riviste di medicina del mondo.
La questione si riduce all’uso tendenzioso del rischio relativo al posto di quello assoluto. Quello indicato nell’abstract del New England Journal of Medicine (riduzione del 34%), infatti, è il rischio relativo: il rapporto tra l’incidenza di eventi coronarici nei pazienti trattati con il gemfibrozil rispetto ai controlli. Se avessero voluto usare il rischio assoluto (rapporto tra l’incidenza di eventi coronarici nei pazienti trattati con il gemfibrozil rispetto al totale) avrebbero affermato che il farmaco ha ridotto dell’1,4% il rischio di avere un evento coronarico acuto essendo il rischio passato dal 4,14% nei non trattati al 2,73% nei trattati (4,14%-2,73%=1,4%).
Infine, avrebbero potuto utilizzare il numero di casi da trattare (NNT: numero di pazienti da trattare per ottenere un beneficio terapeutico) ottenendo che occorreva trattare ben 71 soggetti per evitare un evento cardiaco. In altre parole, su 71 soggetti trattati solo 1 ne trarrà beneficio, gli altri no. Infatti, l’NNT è il reciproco del rischio assoluto, quindi 1/1,4% che fa, appunto, 71.
Anni dopo, uno studio tutto italiano[8] si è proposto di riprendere l’Helsinki Heart Study per indagare come variano le percezioni dei medici a seconda della presentazione dei risultati. Ad alcuni medici di medicina generale veniva chiesto se avrebbero prescritto o meno ai propri pazienti, sulla base dei risultati di uno studio, un farmaco che riduceva il rischio di eventi coronarici. L’unica differenza era che ad alcuni veniva presentato il farmaco A (rischio relativo: riduzione del 34% degli episodi), ad altri il farmaco B (rischio assoluto: riduzione dell’1,4% degli episodi). Il risultato? L’86% dei medici avrebbe prescritto il farmaco A e solo il 25% avrebbe prescritto il farmaco B.
Ormai sappiamo che il farmaco A e il farmaco B sono esattamente lo stesso farmaco, il gemfibrozil, solo che la sua efficacia è presentata in maniera differente.
Analisi dei sottogruppi condotta a posteriori
Onestà vuole che i ricercatori dichiarino prima di iniziare qualunque studio che tipo di analisi dei dati intendono compiere e su quali campioni. A volte, infatti, capita che, invece di riportare il risultato misurato sulla popolazione scelta inizialmente, vengano pubblicati gli esiti calcolati su frazioni della mia popolazione di partenza (nella speranza di ottenere una significatività maggiore). Facciamo un esempio: immaginiamo che io voglia testare l’efficacia di un farmaco contro la depressione su una popolazione clinica. Non trovando significatività sul campione totale preso in esame, potrei cominciare col dividerlo tra maschi e femmine. Se non fossi ancora soddisfatta, potrei dividere ulteriormente ciascuno dei due gruppi così ottenuti in 4 fasce di età (per esempio tra 30 e 40 anni, tra 40 e 50, tra 50 e 60, oltre i 60), ottenendo così 8 gruppi eterogenei. A quel punto potrei definire anche 4 livelli di gravità della sintomatologia depressiva. In questo modo avrei 32 gruppi di pazienti (1+1=2, 2×4=8, 8×4=32) e per la legge del caso, in assenza di significatività statistica ho il 19% di probabilità che in almeno uno dei 32 sottogruppi, per esempio i maschi oltre i sessant’anni con sintomatologia depressiva di lieve entità, il mio farmaco risulti efficace.
[1] H. Rothstein, A. J. Sutton and M. Borenstein. (2005). Publication bias in meta-analysis: prevention, assessment and adjustments. Wiley. Chichester, England ; Hoboken, NJ.
[3] Mathieu S, Boutron I, et al. Comparison of registered and published primary outcomes in randomized controlled trials. JAMA 2009;302:977-84
[4] lo stesso si potrebbe dimostrare per le riviste di psicologia e psichiatria, ma al momento non esistono studi in merito
[7] Frick M, Haapa K, et al. Helsinki Heart Study: primary-prevention trial with gemfibrozil in middle-aged men with dyslipidemia. Safety of treatment, changes in risk factors, and incidence of coronary heart disease. N Engl J Med 198;317:1237-45.
[8] Marco Bobbio, Giuro di esercitare la medicina in libertà e indipendenza, Einaudi, Torino, 2004
di Giulia Virtù (SISSA, Trieste)
L’11 novembre del 1999 Gregg Easterbrook, giornalista statunitense, pubblicò sulla rivista progressista “The new Republic” una frase destinata a rimanere nella storia:
“Se torturi i numeri abbastanza a lungo, confesseranno qualsiasi cosa”[1].
Al di là delle controversie legate al contesto in cui questa frase venne scritta (effetto serra e riscaldamento globale), questa affermazione contiene una allarmante verità.
Non dobbiamo dimenticarci che i numeri, per loro natura così neutri e onesti, non sono entità a sé stanti: non esistono cioè indipendentemente dall’uomo che li manipola e li utilizza. Già solo questo dovrebbe farci capire quanto sia ingiustificata gran parte dell’oggettività che attribuiamo loro.
Eppure è innegabile che, quando si parla di numeri, di dati, di grafici e percentuali, tendiamo a fidarci di più, a dimenticarci che spesso non sono altro che marionette nelle mani di chi regge i fili.
Siamo abituati a credere a tutti gli aumenti/diminuzioni di prezzi senza chiederci come si è arrivati a quel risultato. Ci beviamo tutte le percentuali che ci vengono propinate senza chiederci quale sia il valore assoluto a partire dal quale sono state calcolate. Ci fidiamo delle stime senza conoscere il campione da cui sono tratte. Pretendiamo di fare medie aritmetiche, o addirittura ponderate, tra numeri che derivano da valutazioni completamente arbitrarie, le cui griglie sono state costruite da noi o da altri come noi (un esempio lampante sono i voti scolastici).
Questa aura di oggettività che i numeri emanano può trarci in inganno anche quando si tratta di cifre estrapolate da paper scientifici. Ecco perché è fondamentale la lettura critica: perché ovunque si può nascondere la possibilità di errore, sia esso dovuto a manipolazione, superficialità di analisi o incompetenza, distrazione, fretta o pregiudizio.
Bias di conferma (cherry picking)
Nessuno di noi è immune dal pregiudizio. In effetti, il bias di conferma può essere inteso come un vero e proprio pregiudizio, che si manifesta come una cecità parziale. Esso ci porta a raccogliere, selezionare e interpretare solo le informazioni che confermano le nostre convinzioni o ipotesi, e viceversa, ignorare o sminuire informazioni che le contraddicono. A causa di questo fenomeno cognitivo le persone tendono a muoversi entro un ambito delimitato.
Già Dante lo descriveva perfettamente quando, nel Paradiso, affermava che
più volte piega / l’opinion corrente in falsa parte / e poi l’affetto l’intelletto lega (cioè: spesso l’opinione corrente si rivolge al falso, e l’attaccamento a quell’opinione imbriglia l’intelligenza)
Per questo motivo, anche all’interno di un paper scientifico, bisogna tenere conto delle credenze pregresse di chi l’ha scritto e delle nostre convinzioni che potrebbero ostacolarci nell’acquisire nuove informazioni ‘dissonanti’.
Alcune insidie degli articoli scientifici
Il bias di conferma non è l’unica insidiosa minaccia alla verità (ammesso che esita) cui bisogna prestare attenzione mentre si scorrono le righe di un articolo scientifico. Aggirandosi tra le sue parole, sono molti i tranelli in cui si può cadere. Si tratta di trabocchetti, il più delle volte, tesi in buona fede, spesso con l’unico intento di esaltare i risultati della ricerca, ma questo non toglie la necessità di una lettura autonoma, attiva e critica.
Di seguito vengono messe in luce alcune delle più comuni insidie in cui il lettore può imbattersi, dagli errori di campionamento ai modi tendenziosi in cui si possono presentare i risultati.
1.1 Campionamento
Immaginiamo di avere un enorme sacco stracolmo di fagioli, alcuni borlotti rossi e alcuni bianchi di Spagna. C’è un solo modo per sapere esattamente quanti ne abbiamo di ciascun colore: contarli tutti. Tuttavia, se il sacco è davvero enorme e davvero stracolmo, l’operazione potrebbe risultare lunga e complicata. Quindi potremmo decidere, per velocizzare un po’ la pratica, di tirarne fuori una manciata e contare quanti borlotti rossi e quanti bianchi di Spagna abbiamo in mano. Immaginando che la proporzione sia la stessa per tutto il sacco, possiamo arrivare ad una stima approssimativamente corretta del numero di fagioli di ciascun colore. Se la manciata (campione) è abbastanza grande e correttamente pescata dal sacco, rappresenterà il totale (popolazione) in modo adeguato. Se non lo è, il procedimento potrebbe essere molto meno affidabile di una stima fatta “tirando a indovinare”.
Si parla spesso di numerosità del campione come sinonimo di attendibilità. Tuttavia, la bontà dei risultati non dipende unicamente da quanti individui compongono il campione stesso, ma anche dal modo con cui essi sono stati selezionati. Il campione, per essere attendibile, dovrebbe rispecchiare ‘in piccolo’ tutte le caratteristiche dell’intera popolazione che si vuole studiare, o si rischia di incappare in errori madornali. Un classico esempio di campionamento inefficace ci viene dalle elezioni presidenziali degli Stati Uniti nel 1936. L’indagine venne condotta dalla rivista Literary Digest e, dai risultati, si prevedeva la vittoria di Landon su Roosevelt. Il campionamento avvenne per mezzo degli elenchi del telefono e del registro automobilistico e le interviste furono condotte telefonicamente. Il campione era numeroso (2,3 milioni di americani), ma non attendibile. In questo modo, infatti, il Digest aveva finito per intervistare troppi repubblicani (mediamente più ricchi e quindi più facilmente in possesso di un’utenza telefonica o di una automobile), sottostimando l’elettorato democratico. Il 3 novembre del 1936, come ben sappiamo, Franklin Delano Roosevelt venne riconfermato presidente.
Un campione può dirsi rappresentativo del proprio universo quando c’è l’identità delle proporzioni secondo le quali sono presenti, nell’uno e nell’altro, i vari caratteri della popolazione. A cominciare dai caratteri cosiddetti sociodemografici (il sesso, l’età, il grado di istruzione, la condizione professionale, ecc.) e geografici (la regione di residenza, l’ampiezza demografica del comune, ecc.), comprendendo anche altre caratteristiche di tipo antropometrico (come la statura o il peso), socioculturale o psicologico.
Se la proporzionalità tra campione e universo sussiste rispetto a ciascuna delle caratteristiche (o variabili) prese in esame, potremo aspettarci che tale proporzionalità sia mantenuta anche rispetto alle variabili ancora incognite, sulle quali ci proponiamo di indagare. Questa identità di proporzioni tra campione e popolazione costituisce il presupposto della rappresentatività statistica.
Quando si legge un articolo scientifico, dunque, è necessario prestare attenzione a come è stato eseguito il campionamento e se il gruppo scelto è rappresentativo dell’intera popolazione oggetto di indagine. Inoltre, soprattutto per quanto riguarda gli studi che prevedono di sondare credenze, opinioni, pensieri e motivazioni, è necessario tenere conto di altri due fattori: l’onestà di chi risponde e l’influenza che può creare chi fa l’intervista. Di questo, purtroppo, il lettore dell’articolo non può essere a conoscenza.
1.2 Media – Moda – Mediana
La più proverbiale osservazione a proposito delle medie statistiche è quella del pollo di Trilussa. Secondo questo componimento umoristico in dialetto romanesco, se qualcuno mangia due polli, e qualcun altro no, in media hanno mangiato un pollo ciascuno.
«[…] Me spiego: da li conti che se fanno
seconno le statistiche d’adesso
risurta che te tocca un pollo all’anno:
e se nun entra nelle spese tue
t’entra ne la statistica lo stesso
perché c’è un antro che ne magna due»
Come appare chiaro dalla storiella del ‘pollo statistico’, la media è un dato spesso poco significativo o addirittura fuorviante, se non si sa esattamente su quale base è calcolata e con quali criteri è definita. Basti pensare all’inattendibilità del dato sul reddito medio nazionale: può risultare elevato grazie alla presenza di pochi individui multimiliardari a fronte di una massa di persone sotto la soglia di povertà.
Inoltre, alcune volte la parola media viene utilizzata impropriamente anche per indicare la moda o la mediana. È necessario prestare attenzione al contesto in cui il termine viene utilizzato. Infatti, mentre la media aritmetica è il rapporto tra la somma dei dati numerici e il numero di dati, la moda rappresenta il valore che si presenta con la maggior frequenza e la mediana il valore centrale. Infine, è bene ricordare che la media non ha alcun significato se non viene riportata la varianza.
La varianza, infatti, identifica la dispersione dei valori della variabile intorno al valore medio: rappresenta cioè quanto i dati che abbiamo raccolto si scostano dalla media, il nostro errore rispetto al valore atteso.
1.3 L’importanza dell’errore e della significatività
Durante la lettura di un paper scientifico, tenere conto sia della significatività che dell’errore associato ai dati statistici (sia esso sotto forma di varianza, deviazione standard o errore standard) è fondamentale per capire la rilevanza di certe affermazioni. Talvolta, infatti, nella presentazione dei risultati viene posta un’enfasi esagerata su differenze/uguaglianze/correlazioni che sono sì matematicamente reali e dimostrabili, ma di poca importanza. Durante la lettura di un articolo scientifico è necessario tenere a mente che:
L’espressione “statisticamente significativo” indica una bassa probabilità che la differenza osservata nello studio tra i due gruppi (per esempio trattati e non) sia dovuta al caso. Fornisce quindi indicazioni su quanto sia alta la probabilità che l’effetto osservato (per esempio l’efficacia di un farmaco nel ridurre la mortalità) sia dovuto all’intervento preso in esame piuttosto che al caso. La significatività viene espressa attraverso il valore P.
La P è il livello di significatività che viene definito a priori dai ricercatori, di solito p<0,05. Si parte dall’ipotesi che non ci siano differenze tra i gruppi (ipotesi nulla): la P esprime la probabilità di errore nel rifiutare l’ipotesi nulla, cioè nel dire che le differenze che osservo non siano dovute al caso, e quindi siano dovute proprio all’intervento che si sta valutando. Quando la probabilità di errore è bassa, cioè inferiore al 5% (p<0,05) significa che la differenza osservata è statisticamente significativa[2].
Parafrasando un esempio tratto dal libro di Darrel Huff “Mentire con le statistiche”[3]: supponiamo, per assurdo, che, nell’articolo scientifico che stiamo leggendo, sia enfatizzata la differenza tra due misurazioni del Q.I. eseguite con il test Revised Stanford-Binet. Il primo soggetto, S., presenta un Q.I. di 98, mentre il secondo, B., di 101. Entrambi i valori sono riferiti a una media o livello atteso pari a 100. Come ogni prodotto di un metodo basato su un campione, anche la nostra media 100 è dotata di relativo errore statistico, che ne determina la precisione e l’affidabilità.
Utilizzando il test di Stanford-Binet il valore atteso o media presenta un errore del 3%. Quindi il Q.I. di S. si trova tra 95 e 101 con una probabilità non superiore a ½, mentre quello di B. tra 98 e 104 con una probabilità del 50%. C’è, quindi, una probabilità su 4 che il Q.I. di S. sia in realtà superiore a quello di B.
1.4 Numero pseudo-connesso[4]
Il numero pseudo-connesso indica una strategia secondo la quale, se non si riesce a dimostrare quello che si vorrebbe, si può dimostrare qualcos’altro e fingere che sia la stessa cosa.
Cerchiamo di capirlo con un esempio. Supponiamo che, in un periodo in cui il pregiudizio razziale è in aumento, l’agenzia pubblicitaria per la quale lavoriamo abbia deciso di promuovere un sondaggio per dimostrare il contrario.
L’intervista è strutturata e presenta una serie di quesiti volti a stabilire o no la presenza di pregiudizio razziale, compresa la domanda: “Pensa che i neri abbiano la stessa probabilità dei bianchi di trovare lavoro?”.
Il risultato, ottenuto con questa strategia, è che i soggetti con forti pregiudizi razziali rispondono positivamente alla domanda sulle possibilità di lavoro.
Le risposte a questa domanda, estrapolate dal contesto, danno una percezione diversa delle opinioni della popolazione campione.
Non tutti i numeri pseudo-connessi sono il prodotto di un inganno intenzionale. Molte statistiche, comprese quelle mediche, sono distorte da un errore di definizione all’origine. Ad esempio, non è corretto affermare “più di un giovane su tre è disoccupato”. Infatti, in base agli standard internazionali, il tasso di disoccupazione è definito come il rapporto tra i disoccupati e le forze di lavoro (ovvero gli “attivi”, i quali comprendono gli occupati e i disoccupati). Se, dunque, un giovane studente non cerca attivamente un lavoro perché impegnato negli studi, non è da considerarsi disoccupato. È una questione di uniformità e universalità delle definizioni adottate.
1.5 Correlazione e causalità
Osservando un fenomeno notiamo che, al verificarsi di alcuni eventi (X), segue (si correla) il verificarsi di altri eventi (Y). Allora X ha causato Y? No.
Talvolta si nota, in alcuni articoli scientifici, una certa confusione tra due concetti statistici non equivalenti: la correlazione e la causalità. Il termine ‘correlazione’ si riferisce a una relazione tra due (o più) variabili che cambiano insieme. Può essere positiva (quando all’aumentare della prima variabile si riscontra un aumento anche nella seconda) o negativa (quando, all’aumentare della prima la seconda diminuisce).
La causalità, invece, si riferisce ad una relazione tra due (o più) variabili che soddisfi questi tre criteri:
Per chiarire la differenza tra casualità e correlazione pensiamo ad alcuni esempi:
Un simpatico sito creato da Tyler Vigen (studente alla Harvard Law School) “Spurious correlations”[5] offre divertenti spunti per comprendere appieno come correlazione non significhi causalità:
La curva della spesa statunitense per scienza, spazio e tecnologia e la curva dei suicidi per impiccagione, strangolamento o soffocamento appaiono correlate al 99,79%.
La curva che mostra il numero di persone annegate dopo essere cadute in piscina appare inquietantemente correlata al numero di film in cui appare Nicolas Cage.
La curva dei divorzi nel Maine e la curva del consumo pro-capite di margarina appaiono correlate al 99,26%.
La coincidenza delle curve è davvero suggestiva, ma la correlazione è casuale e tra i fenomeni non c’è alcun tipo di legame.
1.6 Bias di pubblicazione
Il bias di pubblicazione riguarda in particolare (anche se non solo) gli studi su farmaci e presidi. In questi casi capita spesso che ricerche con risultati negativi non arrivino mai alla pubblicazione. Ciò ha conseguenze rilevanti anche per la nostra lettura critica. Quando consultiamo una ‘revisione sistematica’, cioè un articolo riassuntivo che dovrebbe mettere insieme tutti i dati disponibili sul tema, positivi e negativi, per poter condurre metanalisi adeguate, non dovremmo mai dimenticarci di tutti gli studi disastrosi svaniti nel nulla.
Perché non vengono pubblicati gli studi con risultati negativi? Perché nessuno ha interesse a farlo: non le aziende farmaceutiche che hanno sponsorizzato lo studio, non i ricercatori, che arrivano a un risultato negativo e quindi poco utile per ottenere nuovi fondi in futuro, non le riviste su cui andrebbero pubblicati perché finirebbero col ridurre l’impact factor, cioè la rilevanza, della rivista stessa[6].
Quali sono le conseguenze di questo bias?
Nel 2008 è stato condotto uno studio che riguardava la pubblicazione delle ricerche condotte su 12 antidepressivi e presentate alla FDA statunitense per chiederne l’autorizzazione alla commercializzazione[7]. Nell’analisi si andava a controllare se gli studi presentati alla FDA erano stati effettivamente pubblicati negli anni successivi sulle riviste scientifiche. Risultato? Dei 74 studi presentati il 97% di quelli che avevano raggiunto risultati positivi (37 in tutto) erano stati pubblicati e quindi letti dai medici, mentre solo il 33% di quelli che avevano portato a risultati negativi o dubbi ha visto la luce.
Di conseguenza, dei 12.564 pazienti coinvolti negli studi presentati, ben 3.369 (i pazienti degli studi con esiti negativi) non hanno potuto esprimere la propria opinione sui farmaci in questione. In altre parole, la visione che abbiamo dell’efficacia di quei farmaci è distorta.
La soluzione a questo problema, in atto da qualche anno (con scarso successo a dire il vero), è stata la creazione di registri di studi clinici, il più importante dei quali è clinicaltrial.gov[8]. Questo registro prevede l’obbligo di protocollare ogni ricerca all’inizio, aggiungendo via via i dati ottenuti, siano essi positivi o negativi. Qualora il trial non sia stato registrato, il lavoro non viene accettato dalle più importanti riviste mediche internazionali.
Ciononostante, solo il 45% degli studi viene registrato correttamente nei database, gli altri o sono incompleti o vengono registrati alla fine[9]
[1] Our Warming World, in New Republic, 11 November 1999, vol. 221, page 42.
[3] Darrell Huff, Irving Geis, Mentire con le statistiche, traduzione di Giancarlo Livraghi, Riccardo Puglisi, Monti&Ambrosini editori, 2007, p. 206, ISBN 978-88-89479-09-4.
[4] Darrell Huff, Irving Geis, Mentire con le statistiche, traduzione di Giancarlo Livraghi, Riccardo Puglisi, Monti&Ambrosini editori, 2007, p. 206, ISBN 978-88-89479-09-4.
[5] http://www.tylervigen.com/spurious-correlations
[7] Turner E, Matthews A, et al. Selective publication of antidepressant trials and its influence on apparent efficacy. New Engl J Med 2008;358:252-60.
[9] Mathieu S, Boutron I, et al. Comparison of registered and published primary outcomes in randomized controlled trials. JAMA 2009;302:977-84.
di Giulia Virtù (SISSA, Trieste)
“Certo che è vero! L’hanno pubblicato su ***”. Quante volte abbiamo sentito questa affermazione? Tante, forse troppe.
Tutte le volte che è successo a me, questa frase ha avuto il potere di catapultarmi nel passato: ecco mia nonna che, nel tinello di una vecchia casa di periferia, scuote la testa di fronte al mio scetticismo e mi ripete risoluta: “Certo che è vero! L’hanno detto alla televisione”.
Cambiano i tempi, ma non la sostanza.
Un oceano di pubblicazioni
Attualmente la banca dati di PubMed[1] contiene oltre 25 milioni di citazioni bibliografiche (tra articoli e libri) e si stima che queste cifre aumentino ogni anno. Basti pensare che ogni settimana vengono inseriti in Medline 12.000 nuovi articoli[2] di ambito esclusivamente medico.
Quantità però non è sinonimo di qualità.
Senza dubbio la pressione a pubblicare, per i ricercatori che inseguono il sogno di una carriera accademica, è altissima e, inevitabilmente, finisce col peggiorare la qualità della ricerca. A questo semplice fatto si aggiunge il fenomeno delle pubblicazioni predatorie, che è una piaga in aumento e una delle più serie minacce per la scienza contemporanea. Si tratta di “vanity press”: un mercato editoriale scientifico dove chiunque, a fronte di un pagamento, può pubblicare un articolo. Lo scopo? Far lievitare il proprio indice di citazioni.
Il vero problema resta la qualità degli studi prodotti e pubblicati. In uno studio del 2006, ma ancora attuale, William Miser, medico e ricercatore dell’Ohio State University, analizzando tutti gli articoli in ambito medico e sanitario pubblicati fino ad allora, verifica come meno del 15% di essi siano stati in qualche modo utili per la pratica clinica e come, nonostante sia un trend in miglioramento, il punteggio medio di qualità per i trial clinici sia inferiore alla sufficienza[3].
Alla luce di tutto questo appare evidente la difficoltà nel dirigere la propria rotta nell’oceano insidioso delle pubblicazioni scientifiche. Non basta più dire “È stato pubblicato su ***”.
Come facciamo a essere sicuri che l’articolo che stiamo leggendo sia un buon articolo scientifico delle cui conclusioni ci possiamo fidare? Come fare per distinguere tra un articolo scientifico di non buona qualità e uno metodologicamente corretto? Quanto possiamo basare il nostro comportamento futuro rispetto a ciò che abbiamo letto?
La definizione di lettura critica
La risposta a queste domande può derivare dalla lettura critica dell’articolo scientifico. La lettura critica può essere definita, parafrasando l’enciclopedia Treccani, come “l’applicazione di regole oggettive a uno studio per valutarne la validità dei dati, la completezza, i metodi, le procedure, le conclusioni, il rispetto dei principi etici e l’indipendenza dei contenuti”[4] .
Ognuno dovrebbe essere in grado di applicare il proprio spirito critico, senza confondere l’autorevolezza della rivista o degli autori con l’autorevolezza dell’articolo sotto esame. Non è detto infatti che un articolo sia un buon articolo solo perché viene pubblicato su una delle più importanti riviste al mondo. Anche i lavori pubblicati sul New England Journal of Medicine, su JAMA o su Lancet possono in realtà avere difetti di vario genere[5]. Forse in tal senso l’esempio più famoso è lo studio pubblicato da Lancet che metteva in relazione vaccini e autismo[6], e che riportava dati falsi[7].
La sfida, quindi, è di riuscire a distinguere il grano dal loglio usando un setaccio che sia adeguato a far passare soltanto gli studi che meritano di essere letti e fatti propri[8].
La struttura di un paper scientifico
Prima di cominciare è necessario precisare che ogni sezione di un articolo scientifico può fornire informazioni importanti per valutarne l’attendibilità e il valore specifico
Dal punto di vista del metodo scientifico la struttura di un articolo può essere così riassunta:
Per quanto riguarda invece la composizione e gli obiettivi di ogni sezione:
La sezione del Metodi è senza dubbio la più ostica e controversa da comprendere e da leggere criticamente. Nel dettaglio:
Inoltre, è fondamentale capire come sono stati arruolati i partecipanti. Il campione è stato randomizzato? Ci sono stati dei criteri di scelta o di esclusione? È stata applicata la cecità?
In conclusione, nella lettura di un articolo scientifico occorre un po’ di malizia, sia per comprendere la buona fede di alcuni ricercatori che tendono a “magnificare” i risultati ottenuti dopo anni di duro lavoro, sia per imparare a riconoscere i possibili trabocchetti statistico/linguistici che altri, più scaltri, utilizzano nel condurre la ricerca e nel presentare i risultati.
Nel prossimo articolo “Mentire con i numeri” mi soffermerò su di essi, facendo riferimento, in particolare a: la scelta di enfatizzare risultati poco rilevanti ma statisticamente significativi, le modalità tendenziose di presentazione dei risultati, le analisi condotte al termine dello studio e non previste nel disegno iniziale, la mancata pubblicazione degli studi con esito negativo e, in ultimo, le vere e proprie frodi scientifiche.
PS questo articolo è uscito anche su Psychiatry on Line all’interno della rubrica “Il sentiero della ricerca”
NOTE:
di Redazione Il Foglio Psichiatrico
Come trovare le fonti per scrivere di psichiatria/psicologia?
Il nostro consiglio è quello di andare non alle informazioni, ma direttamente ai dati prodotti in seno al contesto accademico. Abbeverarsi, per così dire, alla “fonte”. Quindi
Il nostro consiglio è quello di, nei limiti de possibile, leggere articoli in lingua originale estrapolati da riviste a fattore alto d’impatto. Il fattore d’impatto è un indice che mette in numeri il grado di popolarità di una determinata rivista (quanto volte viene citata in letteratura). Al momento, la rivista più impattata in ambito “Psi” al mondo è World Psychiatry, diretta dal napoletano Prof. Mario Maj.
Gli articoli con maggiore grado di “solidità” in senso scientifico, sono gli articoli che a loro volta mettono insieme altri articoli, facendo un lavoro di “review” o di “meta-analisi”, raggrumando dati e in questo modo producendo visioni complessive e più “vere” in senso statistico. In questo senso, più le meta-analisi sono vaste, più sono da tenere d’occhio. Una meta analisi pubblicata su una rivista a fattore d’impatto alto che raccolga 100 studi, raccolti in 20 anni, sull’efficacia del trattamento EMDR, sarà un articolo di assoluta rilevanza, che fornirà cioè risposte “abbastanza” certe. Nel prossimo futuro arriveranno le mega-analisi, analisi statistiche effettuate su campioni “aperti”, i cui dati saranno a disposizione di qualunque ricercatore: queste ricerche promettono grandi risultati viste le dimensioni dei campioni e la fruibilità dei dati in sè: qui un approfondimento. Ricordiamo che, al di là di faciloneria e fuffa, anche dietro le teorie inerenti la psicoterapia e la psichiatria esiste un metodo di ricerca che si basa, in primis, sulla statistica, le correlazioni, le ricorrenze, etc. Quindi andrebbero tenuti a mente i numeri, come prima cosa.
Ricordiamoci che allo stato attuale ciò che non possa essere dimostrato tramite evidenze, tenderà a essere relegato sempre più ai bordi del sapere scientifico, costituendosi come sapere “altro” (per esempio la psicoanalisi, sottoposta a un lento e inesorabile processo di ostracismo da parte della psichiatria intesa come branca della medicina, sempre più vicina alle prassi della psicoterapia cognitivo-comportamentale, più che altro perchè quest’ultima sembra più attenta a validare i suoi strumenti tramite ricerca scientifica).
Un’altra tipologia di articoli da tenere sott’occhio, sono i Randomized Controlled Trial (studi controllati randomizzati), ovvero studi creati per evitare le distorsioni di metodo createsi in corso di svolgimento dello studio stesso. Il principio è quello di assegnare in modo casuale un campione di individui a due gruppi (uno a cui viene sottoposto un particolare trattamento, l’altro di controllo) e testare, in fase conclusiva, la differenza in termini di “risultati attesi” tra i due gruppi. Questa tipologia di studi rappresenta il meglio da ricercare, sulle diverse riviste, quando ci si voglia informare su un particolare argomento in ambito psi. Facciamo un esempio a riguardo dell’impatto dell’attività fisica sul PTSD.
Ma dove cercare, in concreto?
Le 5 fonti per così dire, al momento, più solide, sono:
Laddove invece ci si volesse informare su argomenti vari inerenti la psichiatria o la psicologia clinica in generale, una grande risorsa in Italia, al momento, è rappresentata dal canale Youtube della rivista Psychiatry On Line, che conta più di 1600 video su argomenti diversi, sviluppati secondo un principio di focalizzazione e approfondimento “verticale” (la maggiorparte di questi video sono interventi di convegni fatti in tutta Italia).
