GLOSSARIO: Forest Plot
I "grafici a foresta" sono molto utilizzati nelle metanalisi che confrontano studi diversi. Ci permettono di farci un'idea "del bosco e degli alberi". [Lettura 5 min]
I forest plot sono uno strumento grafico comunemente utilizzato nelle revisioni sistematiche per visualizzare i risultati di una metanalisi.
L'obiettivo delle metanalisi è esaminare molti studi che indagano lo stesso quesito per trarre conclusioni solide. Tuttavia, questo può essere difficile quando gli studi hanno risultati contrastanti o usano statistiche diverse a favore o contro un'associazione o un intervento.
Un forest plot è uno strumento, utile per raccogliere tutti gli studi rilevanti che si pongono la stessa domanda, identificare una statistica comune e visualizzarli in un unico grafico.
I forest plot utilizzano due assi principali per rappresentare i risultati degli studi:
asse orizzontale: mostra la scala della statistica utilizzata, che può essere una misura relativa come l'odds ratio (OR) o il rischio relativo (RR), oppure una misura assoluta come la riduzione del rischio assoluto (ARR);
asse verticale: non è un vero e proprio asse, ma rappresenta la "linea di effetto nullo", posizionata sul valore che indica l'assenza di associazione tra esposizione ed esito o di differenza tra due interventi. Per le statistiche relative come OR e RR, questa linea si trova sul valore 1, mentre per le misure assolute come l’ARR è posizionata sullo 0.
Ogni linea orizzontale in un forest plot rappresenta uno studio individuale, con due componenti principali:
Un quadrato nero che indica la stima puntuale del risultato dello studio. La dimensione del quadrato riflette la grandezza del campione e il peso dello studio nella metanalisi.
Una linea orizzontale che attraversa il quadrato e indica l'intervallo di confidenza al 95% del risultato. Se questa linea interseca la linea verticale di effetto nullo, significa che il risultato dello studio non è statisticamente significativo.
L'interpretazione della posizione della linea rispetto all'asse verticale dipende dalla statistica utilizzata (p.es. per gli odds ratio, i valori a sinistra dell'1 favoriscono il trattamento, mentre quelli a destra favoriscono il controllo).
Nel grafico qui sopra, lo studio A presenta un intervallo di confidenza (linea orizzontale) ampio che attraversa la linea di effetto nullo con un piccolo quadrato nero a destra della linea verticale; ciò probabilmente dimostra uno studio su piccola scala, dove il risultato della stima puntuale favorisce il controllo utilizzato nello studio. Dato che lo studio contiene il valore nullo nel suo intervallo di confidenza al 95%, non risulta statisticamente significativo rispetto a tale livello di confidenza.
Lo studio B ha un intervallo di confidenza piuttosto stretto, che non attraversa la linea di effetto nullo, con un riquadro nero che si trova a sinistra della linea verticale ed è più grande dello studio A. Molto probabilmente è uno studio con più partecipanti rispetto allo studio A, dove il risultato favorisce l'intervento utilizzato. Le differenze osservate possono essere considerate statisticamente significative rispetto al livello di confidenza considerato.
Il diamante nel forest plot rappresenta la sintesi dei risultati di tutti gli studi inclusi nella meta-analisi.
Il centro del diamante indica la stima complessiva dell'effetto, mentre la sua larghezza rappresenta l'intervallo di confidenza al 95% di tale stima.
Se il diamante non interseca la linea verticale di effetto nullo, il risultato complessivo è considerato statisticamente significativo.
La forma a diamante permette di visualizzare rapidamente la direzione e la precisione dell'effetto combinato: un diamante stretto indica una stima complessiva più precisa, mentre un diamante ampio riflette una maggiore incertezza.
È importante notare che il peso di ciascuno studio contribuisce in modo diverso alla posizione finale del diamante, con studi più grandi o precisi che hanno generalmente un'influenza maggiore sul risultato complessivo.
Sul forest plot può anche essere indicato il valore di eterogeneità (Heterogeneity), che si riferisce alla variabilità tra i risultati dei singoli studi inclusi nella metanalisi.
Viene di solito espresso in percentuale (indice I²), e quantifica la proporzione di variabilità tra le stime dei singoli studi attribuibile all'eterogeneità piuttosto che al caso.
Un'eterogeneità <30% potrebbe non avere troppa influenza sull'interpretazione dei risultati, mentre valori progressivamente maggiori, soprattutto se superiori al 50%, suggeriscono che gli studi siano troppo eterogenei per essere combinati in modo affidabile.
Riassumendo, l’aspetto complessivo, da sinistra a destra, del forest plot è il seguente:
Elenco degli studi inseriti nella metanalisi, con nome degli autori e l’anno di pubblicazione.
Tipologia dello studio, con numero di pazienti sottoposti a intervento o placebo, ecc.
Rappresentazione grafica del risultato.
Colonna con i valori numerici e gli intervalli di confidenza.
Colonna con il peso dello studio nella metanalisi (in percentuale); la somma finale è 100%.
In basso ci possono essere i valori del test di eterogeneicità e altri parametri statistici, come il test del Chi quadrato.
In sintesi, i “grafici a foresta” ci consentono di cogliere il risultato complessivo della metanalisi con una visione dell’intero “bosco”, ma anche di poter osservare i risultati dei singoli studi, gli “alberi” che compongono questa foresta.
Tutorial: How to read a forest plot - Students 4 Best Evidence
Cochrane.org - Students 4 Best Evidence - 2016
How to Interpret a Forest Plot
Video - 5:32
Forest plots: trying to see the wood and the trees.
BMJ 2001;322(7300):1479–80.
Gilberto Lacchia - Pubblicato 29/06/2024 Aggiornato 29/06/2024