Temporally non-local harmonisation and cardiovascular model transport between England and China: a measurement-methods study

Nel mondo della sanità pubblica, i ricercatori spesso cercano di costruire una singola mappa del rischio che possa guidare i medici in molti luoghi diversi. Raccolgono dati da grandi gruppi di persone per molti anni, tracciando chi sviluppa malattie cardiache e chi no. L'obiettivo è creare uno strumento di previsione che funzioni ovunque, dicendo a un medico in un paese quanto sia probabile che un paziente abbia un attacco cardiaco in base all'età, alle abitudini del fumo e alla storia clinica. Tuttavia, questi strumenti si basano sulle storie che le persone raccontano riguardo al proprio passato di salute. Una sfida importante sorge quando i ricercatori cercano di combinare dati provenienti da paesi o periodi temporali diversi. A volte, la storia medica di una persona cambia tra un colloquio e l'altro. Una diagnosi riportata anni dopo potrebbe essere utilizzata per riscrivere ciò che era noto sulla loro salute all'inizio dello studio. Questo crea un problema: se il punto di partenza della storia cambia, l'intero percorso dello strumento di previsione può spostarsi, portando potenzialmente a conclusioni diverse su chi sia a rischio e su quanto bene funzioni lo strumento.

Due grandi studi, uno che seguiva anziani in Inghilterra e un altro che seguiva un gruppo simile in Cina, hanno fornito un'opportunità unica per testare come queste storie mutevoli influenzino le previsioni mediche. Ricercatori dell'University College London e di un ospedale in Cina hanno deciso di indagare se il modo in cui queste storie vengono registrate cambi l'affidabilità dei modelli di malattie cardiache quando vengono spostati da un paese all'altro. Si sono concentrati su un problema specifico: la differenza tra una storia "rilasciata", che include tutte le informazioni disponibili al momento dell'analisi, e una storia "ancorata al tempo", che ricostruisce ciò che era effettivamente noto al paziente e ai ricercatori nel momento esatto del colloquio, ignorando le correzioni successive. Confrontando queste due versioni, volevano vedere se correggere la cronologia dei dati migliorasse l'accuratezza delle previsioni o se cambiasse semplicemente la composizione delle persone studiate.

I ricercatori hanno preso i dati di entrambi i paesi e hanno costruito due versioni della storia clinica per ogni partecipante. Nella prima versione, hanno utilizzato i file di dati standard, che spesso incorporano diagnosi riportate in interviste successive per aggiornare i record precedenti. Nella seconda versione, hanno rimosso tali aggiornamenti successivi, bloccando la storia a ciò che era noto al momento specifico di ogni intervista. Hanno poi testato quanto bene un modello costruito in Cina potesse prevedere le malattie cardiache in Inghilterra, e viceversa, utilizzando entrambe le versioni della storia. I risultati hanno mostrato che cambiare la cronologia dei dati aveva un impatto reale e misurabile. Nello studio cinese, quasi il 9% dei partecipanti ha visto cambiare il proprio stato di malattia cardiaca quando la cronologia è stata corretta. Nello studio inglese, il numero era circa il 4,5%. Più importante ancora, il numero totale di persone che entravano o uscivano dal gruppo dei "sani" era molto più alto, con oltre il 10% del gruppo cinese e quasi il 6% del gruppo inglese che cambiava stato. Ciò significava che il gruppo di persone oggetto dello studio non era lo stesso nelle due versioni, anche se il numero totale di partecipanti sembrava simile.

Quando i ricercatori hanno testato i modelli di previsione, hanno scoperto che correggere la cronologia non rendeva i modelli universalmente migliori. Nella direzione dalla Cina all'Inghilterra, la capacità del modello di classificare le persone per rischio è migliorata leggermente, il che significa che era migliore nell'identificare chi avesse maggiori probabilità di ammalarsi rispetto a chi avesse minori probabilità. Tuttavia, il modello non è diventato migliore nel prevedere la probabilità effettiva di ammalarsi. Nella direzione opposta, dall'Inghilterra alla Cina, la classificazione è migliorata, ma l'errore nella previsione del rischio effettivo è aumentato significativamente. Il modello continuava a sottostimare il rischio per il gruppo dall'Inghilterra alla Cina, indipendentemente dal fatto che la cronologia fosse stata corretta. I ricercatori hanno scoperto che i miglioramenti nella classifica non erano dovuti al fatto che il modello avesse imparato meglio le regole su come funzionano i fattori di rischio. Inveve, i miglioramenti derivavano dal fatto che la correzione della cronologia aveva cambiato chi era ammesso allo studio. Rimuovendo le persone il cui stato di salute era stato rivisto, i ricercatori avevano alterato la composizione del gruppo, il che aveva spostato i risultati.

Lo studio ha anche esaminato se questi cambiamenti influenzassero diversamente uomini e donne o se si applicassero più agli attacchi cardiaci che agli ictus. I dati non hanno mostrato prove che l'effetto della correzione della cronologia dipendesse dal sesso. Sebbene le donne nello studio cinese avessero maggiori probabilità di avere le proprie storie riviste rispetto agli uomini, l'impatto sui modelli di previsione era lo stesso per entrambi i gruppi. Allo stesso modo, sebbene le storie di malattie cardiache fossero riviste più spesso di quelle di ictus, questa differenza non ha portato a risultati diversi nel modo in cui i modelli operavano. Il risultato principale rimaneva costante: l'atto di fissare la cronologia cambiava il gruppo di persone analizzato, e questo cambiamento nel gruppo era responsabile degli spostamenti nelle prestazioni del modello.

In definitiva, la ricerca suggerisce che correggere semplicemente la cronologia delle storie cliniche non è una soluzione magica per gli strumenti di previsione transnazionali. Sebbene sia importante sapere esattamente cosa fosse noto al momento di un colloquio, farlo non rende automaticamente un modello sviluppato in un paese perfetto in un altro. Lo studio evidenzia che le persone che entrano in uno studio sono importanti quanto le regole usate per prevedere il loro futuro. Quando la cronologia viene regolata, la miscela di persone cambia, e questo cambiamento guida i risultati più di quanto faccia qualsiasi miglioramento delle regole di previsione stesse. Per i medici e i ricercatori, ciò significa che prima di utilizzare un modello di previsione di un paese in un altro, devono comprendere non solo la storia clinica dei pazienti, ma anche come i dati siano stati raccolti e come il gruppo di persone sia stato selezionato. Lo studio conclude che, sebbene l'ancoraggio temporale aiuti a chiarire l'ordine degli eventi, non risolve il problema più profondo del trasferimento delle previsioni di rischio tra popolazioni diverse, e sono necessari ulteriori lavori per capire come rendere questi strumenti davvero affidabili per tutti.