STATISTICA MEDICA

LE VARIABILI

Alla base dell’analisi dei dati c’è la classificazione delle variabili in base alla loro
tipologia:

- Quantitative (numeriche) --> variabili le cui misurazioni sono numeri. Si

dividono in variabili discrete (indipendenti dalla sensibilità della misura e che
non hanno un decimale) e variabili continue (dipendono dalla sensibilità della
misura e possono avere un decimale ì)
- Qualitative --> variabili le cui misurazioni sono numeri qualitativi (ex molto
d’accordo, neutro, in disaccordo)

Per queste tipologie di variabili esistono 4 tipi di scale di misurazione:

- Scala nominale --> o classificatoria, i soggetti diversi vengono attribuiti a classi

differenti, mentre quelli che appartengono alla tessa classe sono equivalenti.
Esiste solo l’identità e la diversità l’unica operazione ammessa è il conteggio
degli individui.
- Scala ordinale --> o per ranghi, si distingue una classe dall’altra e si evidenzia
anche quanto una classe sia più o meno rispetto all’altra. Non possiamo
quantificare la differenza senza uno strumento di misurazione.
- Scala a intervalli --> misura che permette di quantificare le distanze e le
differenze tra i valori.
- Scale di rapporti --> Posso mettere in rapporto due soggetti se è dato un valore
0 dotato di senso.

DISTRUBUZINE DI FREQUENZA

La distribuzione di frequenza di un carattere X all’interno di una popolazione di n unità

che assume su tali unità K modalità distinte, è una tabella in cui accanto a ciascuna
modalità assunta dal carattere vengono riportate:

- Frequenza assoluta --> n di volte in cui compare una modalità (semplice

conteggio)
- Frequenza relativa --> Proporzione rispetto al totale
𝑓𝑟𝑒𝑞𝑢𝑒𝑛𝑧𝑎 𝑎𝑠𝑠𝑜𝑙𝑢𝑡𝑎
𝑓𝑟𝑒𝑞𝑢𝑒𝑛𝑧𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑎 =
𝑡𝑜𝑡𝑎𝑙𝑒
- Frequenza percentuale --> frequenza relativa x 100 (espressa in percentuale)

DISTRIBUZIONE DI FREQUENZA ASSOLUTA = tabella che mostra per ogni modalità di

una variabile quante volte compare nei dati. Per interpretare meglio conviene
aggiungere questa informazione al calcolo delle proporzioni, quindi rapportare le
frequenze assolute rispetto al totale.
PERCENTUALE CUMULATIVA = somma progressiva delle percentuali lungo una
distribuzione ordinata (arriva sempre a 100%) serve per capire quanti stanno sotto una
certa soglia (ex 20% degli individui ha meno di 30 anni)

INDICI DI POSIZIONE

Quando si ha una distribuzione di dati per trovare un valore che rappresenti il gruppo
occorre fare attenzione agli indici di posizione --> indicano la posizione centrale o tipica
nella distribuzione. Ci sono 3 tipologie di indici di posizione:

- MEDIA ANALITICA --> utilizzabile solo su variabili quantitative𝑚𝑒𝑑𝑖𝑎 =

(𝑥1 + 𝑥2 + 𝑥3 + ⋯ + 𝑥𝑛)/𝑛
- MODA --> il valore più frequente / categoria più frequente
- MEDIANA –-> valore che divide i dati metà calcolabile per caratteri ordinabili.
(se n è dispari --> mediana= (n-1) /2 +1, se pari --> 2 valori n/2 e n/2+1

Gli indici di posizione sono misure sintetiche che individuano un valore rappresentativo
della distribuzione, ma devono essere interpretati insieme alla variabilità dei dati. Le
medie di posizione (la mediana e la moda) si possono applicare sia su caratteri
qualitativi ordinati che su caratteri quantitativi. La moda è l’unico indice che può anche
essere utilizzato anche per caratteri qualitativi sconnessi.

GLI SCARTI

Lo scarto è la differenza tra un valore osservato e la media --> 𝑠𝑐𝑎𝑟𝑡𝑜 = 𝑥ᵢ − 𝑥 ̄ , serve

a calcolare varianza, deviazione standard e dispersione.

Se un valore è sopra la media --> scarto positivo

Se un valore è sotto la media --> scarto negativo

Se un valore è uguale alla media --> scarto = 0

𝑥1 +𝑥2 +⋯+𝑥𝑛
Data una media aritmetica 𝜇𝑥 = = ∑ 𝑛𝑖=1 𝑥𝑖
𝑛

Si hanno le seguenti proprietà:

- 𝜇𝑥 è sempre compresa tra il minimo e il massimo degli n valori

- Dati i valori e la loro media aritmetica si definiscono scarti della media le
differenze 𝑥1 − 𝜇𝑥 , 𝑥2 − 𝜇𝑥 , 𝑥𝑛 − 𝜇𝑥 la soma di queste differenze è nulla
- Dati due insiemi di misure 𝑥1, 𝑥2 , … , 𝑥𝑛 𝑒 𝑦1, 𝑦2 … , 𝑦𝑛 la media aritmetica delle
somme 𝑥1 + 𝑦1 + 𝑥2 + 𝑦2 + 𝑥𝑛 + 𝑦𝑛 = alla somma delle medie aritmetiche dei
due insiemi di misure.

LA SOMMA DEGLI SCARTI è SEMPRE UGUALE A 0 ∑ (𝑋𝑖 − 𝑥 ) = 0

MEDIA GEOMETRICA --> si usa quando i dati sono moltiplicativi (percentuali, crescita,
interessi) 𝐺 = 𝑛√𝑥1 ⋅ 𝑥2 ⋅ … ⋅ 𝑥𝑛

MEDIA ARMONICA --> si usa quando i valori sono rapporti (ex velocità media su
𝑛
distanze uguali) 𝐻 = 1
∑𝑛
𝑖=1 𝑥𝑖

INDICI DI DISPERSIONE

Misurano quanto i dati sono sparsi attorno a un valore centrale (per capire se i valori
sono simili o diversi tra di loro). Due gruppi possono avere stessa media ma essere
molto diversi es: A 19,20,21 e B 10;20;30

- Campo di varianze --> Considera il minimo e il massimo

𝑅 = 𝑥𝑚𝑎𝑥 − 𝑥𝑚𝑖𝑛
- Scarto semplice medio --> di quanto i dati si allontanano dalla media
𝑛
1
𝛿 = ∑|𝑥𝑖 − 𝑥|
𝑛
𝑖=1
- Varianza --> è la media degli scarti quadratici
𝑛
1
𝜎 = ∑(𝑥𝑖 − 𝑥)2
2
𝑛
𝑖=1
Alternativa:
𝑉𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2
- Deviazione standard --> radice della varianza, scarto quadratico medio
𝑛
1
𝜎 = √ ∑(𝑥𝑖 − 𝑥)2
𝑛
𝑖=1

- Coefficiente di variazione --> misura di dispersione relativa. La deviazione

standard indica quanto i dati si discostano dalla media ma non tiene conto della
scala dei dati quindi se la variabilità è tanta o poca rispetto ai dati.
𝜎
𝐶𝑉 = 𝑥 x 100
(solitamente espressa in percentuale)
Se ho un CV piccolo = dati molto omogenei
Se ho un Cv grande = dati dispersi

ESEMPIO: Dati 18,20,22 --> Media= 20

Scarti
• 18 − 20 = −2
• 20 − 20 = 0
• 22 − 20 = +2
Quadrati degli scarti
 • (−2)² = 4
• 0² = 0
• 2² = 4

Varianza = (4 + 0 + 4) / 3 = 8/3 ≈ 2,67

Deviazione standard = √(8/3) ≈ 1,63 --> i valori si discostano in media di circa 1,6 dalla
media (20)

RAPPORTI STATISTICI

1. Rapporti di composizione --> quanto una parte incide sul totale (diabetici sul
𝑝𝑎𝑟𝑡𝑒
totale dei pazienti di un medico) 𝑅 = 𝑡𝑜𝑡𝑎𝑙𝑒
2. Rapporti di coesistenza -->Confronta due quantità diverse nello stesso
momento (pazienti diabetici / pazienti non diabetici)
3. Rapporti di derivazione --> La quantità al numeratore deriva (è influenzata) dal
numeratore (es numero di nati per numero di donne in età fertile)
4. Rapporti di incremento --> rapporti che misurano le variazioni nel tempo,
incrementi e decrementi.
-Rapporto di incremento assoluto (quanto è cambiato un valore) Δ𝑥 = 𝑥1 − 𝑥0,
𝑥1 −𝑥0
-Rapporto di incremento relativo (quanto cambia in proporzione) ,
𝑥0
𝑥1 −𝑥0
INCREMENTO PERCENTUALE ⋅ 100
𝑥0

MISURE DI RISCHIO

Quantificano la probabilità che un evento si verifichi in un gruppo (es malattia, morte).

𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑖 𝑒𝑣𝑒𝑛𝑡𝑖
- Rischio assoluto --> 𝑅𝐴 = 𝑝𝑜𝑝𝑜𝑙𝑎𝑧𝑖𝑜𝑛𝑒 𝑡𝑜𝑡𝑎𝑙𝑒
- Rischio assoluto in due gruppi --> si confrontano esposti e non esposti
serve per individuare i fattori di rischio:
𝑒𝑣𝑒𝑛𝑡𝑖 𝑛𝑒𝑔𝑙𝑖 𝑒𝑠𝑝𝑜𝑠𝑡𝑖
𝑅𝐸 =
𝑡𝑜𝑡𝑎𝑙𝑒 𝑒𝑠𝑝𝑜𝑠𝑡𝑖
𝑒𝑣𝑒𝑛𝑡𝑖 𝑛𝑒𝑖 𝑛𝑜𝑛 𝑒𝑠𝑝𝑜𝑠𝑡𝑖
𝑅𝑁𝐸 =
𝑡𝑜𝑡𝑎𝑙𝑒 𝑛𝑜𝑛 𝑒𝑠𝑝𝑜𝑠𝑡𝑖
- Rischio relativo è il rapporto tra il rischio della manifestazione quando il
fattore è presente e il rapporto tra il rischio della manifestazione di
𝑅
quell’evento quando il fattore è assente --> 𝑅𝑅 = 𝑅 𝐸
𝑁𝐸
- Differenza tra raschi assoluti: quanto rischio in più è dovuto all’esposizione
𝐷𝑅 = 𝑅𝐸 − 𝑅𝑁𝐸
- Rischio attribuibile --> rapporto tra la differenza di rischio e il rischio nella
popolazione
DISTRIBUZIONE DI PROBABILITA’

La distribuzione di probabilità è una curva che descrive come si distribuiscono le

probabilità dei possibili valori di una variabile casuale. (quali risultati possono
verificarsi e con quale probabilità)

Ogni probabilità è ≥ 0 e la somma di tutte le probabilità = 1

- Distribuzione Bernoulliana si utilizza quando abbiamo una sola prova e due

casistiche: successo (p) o insuccesso (1-p)
Media --> E(x) =p
Varianza = p(1-p)
- Distribuzione binomiale --> la somma di più prove Bernoulliane danno una
variabile binomiale
Media --> 𝐸(𝑥) = 𝑛 × 𝑝
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 = 𝑛 × 𝑝 (1 − 𝑝)
- Distribuzione normale (di Gauss) --> Distribuzione di probabilità continua
rappresenta una situazione in cui i valori si concentrano attorno alla media e le
estremità sono rare (es: altezza, pressione arteriosa...)
Risulta simmetrica rispetto alla media, media
Media= moda= mediana
La forma della funzione è a campana
Dipende da due parametri media (µ) e deviazione standard (𝜎 )

Quando la variabile è continua possiamo utilizzare la densità di probabilità --> non si

calcola la probabilità di un punto preciso ma la probabilità di un intervallo (si calcola
l’area sottintesa alla curva nell’intervallo desiderato)
(𝑥−𝜇)2
1 −
𝑓(𝑥) = √2𝜋𝜎2 𝑒 2𝜎2

- X variabile
- 𝜇 = media (centro della curva)
- 𝜎 = deviazione standard
- ℮ = numero di Nepero
Variabile gaussiana standardizzata --> trasforma un valore per capire quanto si
𝑋−𝜇
discosta dalla media --> 𝑍 = 𝜎

Z=0 valore nella media

Z>0 sopra la media

Z< 0 sotto la media

Z= ±n → n deviazioni standard superiore o inferiore alla media

𝑧2
1
Dopo la trasformazione la densità diventa: 𝜑(𝑧) = 𝑒− 2
√2𝜋

1
Esprimendo l’esponente negativo: 𝜑(𝑧) = 𝑧2
𝑒 2 √2𝜋

TEOREMA DEL LIMITE CENTRALE: Se si sommano molte variabili casuali indipendenti

la loro distribuzione la curva tende a diventare normale (gaussiana) anche se le variabili
originali non sono normali

ERRORE STANDARD

è la deviazione standard della distribuzione campionaria. Indica quanto la media

statistica calcolata su campioni diversi si discosta dal valore vero della popolazione.
l’errore standard misura la variabilità di una stima campionaria rispetto al vero valore
della popolazione. Diminuisce all’aumentare del numero di osservazioni

𝜋(1 − 𝜋)
𝐸𝑆 = √
𝑛

Dimostrazione:

Se r= numero di successi in n prove

𝑉𝑎𝑟(𝑟) (1 − 𝜋) (1 − 𝜋)
𝑉𝑎𝑟(𝑟⁄𝑛 ) = = 𝑛𝜋 = 𝜋
𝑛2 𝑛2 𝑛
La media è uguale alla somma delle osservazioni diviso n, se si calcola la varianza di
una somma di osservazioni, ogni osservazione ha la sua variabilità quindi la varianza di
una somma è uguale alla somma delle varianze. Quindi l’errore standard della media
campionaria è la deviazione standard diviso la radice di n
𝜎
𝐸𝑆(𝑚) =
√𝑛
Dimostrazione:
 𝑛
1
𝑚 = ∑ 𝑋𝑖
𝑛
𝑖=1

𝑉𝑎𝑟 (∑ 𝑋𝑖 ) = 𝑛𝑉𝑎𝑟 (𝑋𝑖 ) = 𝑛𝜎 2

(𝑋) 𝜎2
𝑉𝑎𝑟 ( 𝑚) = 𝑛𝑉𝑎𝑟 =
𝑛2 𝑛

Quando si deve misurare un dato parametro su una popolazione raramente si hanno

dati sull’intera, si utilizzano dei dati campionari casualmente estratti dalla popolazione
e si generalizza creando una distribuzione. Questo si fa ad esempio se si analizzano
fattori di rischio e i controlli. Si deve quindi considerare un concetto di fondo l’errore
per sapere a quanto ammonta l’incertezza sul risultato.
𝜎
𝑆𝐸 =
√𝑛
Si definisce come deviazione standard della distribuzione di una statistica nell’universo
campionario. È dipendente dal valore che si vuole stimare ma concettualmente rimane
una misura della variabilità tra tutte le statistiche nell’universo campionario. L’errore
standard è direttamente proporzionale alla variabilità della popolazione (numeratore) e
inversamente proporzionale alla dimensione del campione (denominatore)

Quando invece abbiamo a che fare con due medie e dobbiamo analizzarne la differenza

INTERVALLO DI CONFIDEZA = è un intervallo di valori entro cui, con una certa

probabilità si ritiene che cada il vero valore della popolazione.

Se ripetessimo lo studio molte volte nel 95% dei casi l’intervallo calcolato conterrebbe
il vero parametro, nel 5% dei casi no. L’IC misura la precisione della stima.

Il concetto chiave è che dato che la distribuzione è gaussiana, il 95% di tutte le possibili
medie campionarie è compreso in un intervallo compreso tra media della popolazione
meno 2 (o comunque, un numero ad esso approssimabile) per l’errore standard e la
media più 2 per l’errore.
Il vantaggio teorico di quest’operazione è che con questa affermazione si attesta che se
si usassero tutte le possibili medie campionarie, si osserverebbe che il 95% di esse è
compreso nell’intervallo tra media –1,96 l’errore standard e media + 1,96l’errore
standard.

SIGNIFICATIVITA’ STATISTICA

- H0 (ipotesi nulla) --> non c’è differenza

- H1 (ipotesi alternativa) --> c’è differenza

Viene valutata attraverso il p-value= la probabilità di osservare un risultato uguale o più

estremo di quello ottenuto, assumendo vera l’ipotesi.

- Se p<0,05 il risultato è significativo si rifiuta H 0

- Se p 0,05 il risultato non è significativo non ci sono prove sufficienti contro H 0

Il test statistico sceglie se rifiutare H0 oppure no

• ERRORE DI I TIPO (alfa) = Falso positivo succede quando H 0 è vera ma noi la

rifiutiamo, crediamo che ci sia un effetto che in realtà non esiste. (il farmaco in
realtà non funziona ma concludiamo che funziona)
• ERRORE DI II TIPO (beta) = Falso negativo succede quando H0 è falsa ma noi non
la rifiutiamo (lo studio conclude che il farmaco non funziona ma in realtà
funziona) --> specificità
Potenza statistica= 1−β (capacità di evitare l’errore di tipo II) --> sensibilità e
potenza

SPECIFICITA’ = 1- falsi positivi

• H0 è vera e il valore p è alto → decisione corretta;

• H0 è vera e il valore p è basso → errore di primo tipo (falso positivo);

• H1 è vera e il valore p è basso → decisione corretta;

• H1 è vera e il valore p è alto → errore di secondo tipo (falso negativo).

TIPOLOGIE DI TEST
Test Z = si utilizza quando si conosce la deviazione standard della popolazione

T-test = si usa la distribuzione t che tiene conto dell’incertezza dovuta alla stima della
variabilità

- confronto tra una media campionaria e una media nota

- confronto tra due campioni indipendenti (due gruppi diversi)

- dati appaiati (prima/dopo)

𝑥−𝜇
𝑡=
𝑆𝐸
X= media campionaria, 𝜇 media della popolazione

PROGETTAZIONE DEGLI ESPERIMENTI

Gli esperimenti puntano a mettere in evidenza relazioni causa effetto; quindi, nella
situazione di partenza osserviamo delle unità statistiche che devono essere il più
possibile uguali una all’altra. Metà di queste unità vengono trattate in un modo metà
non un altro --> se osserviamo delle differenze queste saranno dovute al trattamento.

Fondamentale è quindi creare un gruppo di controllo da confrontare per sapere se

l’effetto ottenuto è causato dal trattamento o meno. La modalità più efficace per
scegliere un gruppo di controllo è lo studio in parallelo in modo tale che tutti siano
esposti alle stesse condizioni ambientali.

Randomizzazione = assegnazione del trattamento in modo casuale (il paziente deve

essere informato che c’è la possibilità di essere assegnato a uno dei due gruppi ma non
saprà quale). Esistono fattori sub sperimentali (che non conosciamo) che potrebbero
alterare il risultato--> si evitano distorsioni, i gruppi sono comparabili, c’è validità
statistica

Randomizzazione semplice --> Assegnazione casuale pura si utilizza un

randomizzatore

Randomizzazione pseudo-randomizzata --> assegnare i pz in base a una regola

prevedibile (non è una vera e propria randomizzazione perché può essere prevista dagli
sperimentatori

Randomizzazione a blocchi --> i soggetti vengono divisi in blocchi omogenei e poi

randomizzati all’interno di ciascuno blocco, in modo tale garantire un equilibrio tra
gruppi rispetto ad a determinate variabili.

- Si identificano variabili rilevanti (età, sesso)

- Si creano blocchi (maschi/femmine, giovani/anziani)
 - All'interno di ogni blocco si applica una randomizzazione (gruppo trattato e
gruppo di controllo)

Randomizzazione stratificata = stratifichiamo in risposta a variabili che già sappiamo

influire sulla riuscita dell’esperimento.

Randomizzazione cluster --> Randomizza gruppi e non singoli pz.

INTENTION TO TREAT= Per mantenere la randomizzazione ed evitare distorsioni, tutti i

partecipanti vengono analizzati nel gruppo a cui sono stati inizialmente assegnati
indipendentemente da:

- Se hanno completato lo studio

- Se hanno eseguito correttamente il trattamento
- Se hanno cambiato terapia

DISEGNO A BRACCI PARALLELI = i partecipanti vengono suddivisi in due o più gruppi e

ciascuno riceve un trattamento diverso contemporaneamente, i partecipanti
rimangono sempre nello stesso gruppo e il confronto avviene tra gruppi distinti.

- Studio in singolo cieco = il partecipante non sa che trattamento sta ricevendo

ma il ricercatore si
- Studio in doppio cieco = né il partecipante né il ricercatore sanno quale
trattamento è somministrato
- Studio in triplo cieco = anche chi analizza i dati non conosce i gruppi

DISEGNO CROSSOVER = i partecipanti ricevono più trattamenti in momenti diversi in

sequenza. È sempre necessario un periodo di wash-out ovvero una pausa per eliminare
gli effetti del trattamento precedente.

CLASSIFICAZIONE DEGLI STUDI CLINICI

STUDI SPERIMENTALI/ OSSERVAZIONALE --> il ricercatore si limita ad osservare ciò

che si verifica nel contesto senza agire sulla condizione studiata

- Studio di coorte = segue nel tempo un gruppo di individui che inizialmente

non hanno l’esito di interesse per vedere chi lo sviluppa in base
all’esposizione. Spesso utilizzato per valutare la relazione tra un’esposizione
a un fattore di rischio / protettivo e l’esito di una malattia. Esistono due
tipologie di studio coorte: Prospettico --> presente proiettato sul futuro
(costoso e molto lungo) ì, Retrospettivo --> si utilizzano dati raccolti anche in
passato (più rapido ed economico)
- Caso-controllo = riguardano le azioni del passato che si riflettono sul
presente, partono dall’esito della malattia e vanno a ritroso per valutare
l’esposizione a un fattore di rischio. Si selezionano sia soggetti con la
malattia che soggetti senza, si valuta l’esposizione passata e si confronta la
 frequenza. Studio rapido ed economico ideale per lo studio delle malattie
rare ma non permette di calcolare l’incidenza è molto dipendente dalla
scelta del gruppo di controllo.
- Trasversale = valuta una popolazione in un preciso instante (come se fosse
una fotografia) misurando contemporaneamente la presenza della malattia e
l’esposizione.