Ateneo - UPO

Il corso affronta i principi dell’Evidence Based Medicine e della valutazione critica della letteratura scientifica, con particolare attenzione alla loro nella ricerca biomedica e nell’analisi dei dati.
Saranno trattati la formulazione del quesito di ricerca, la gerarchia delle evidenze, la valutazione critica dei principali disegni di studio, l’interpretazione dei risultati di trial clinici, studi diagnostici, revisioni sistematiche e meta-analisi.
Una parte del corso sarà dedicata alla valutazione di benefici e rischi, all’incertezza nell’interpretazione delle evidenze, e ai principali aspetti metodologici relativi all’uso di modelli predittivi e sistemi di Intelligenza Artificiale in ambito sanitario.

Greenhalgh T., Dijkstra P. How to Read a Paper: The Basics of Evidence-Based Healthcare. 7th Edition. Wiley-Blackwell, 2025.

Il corso si propone di fornire gli strumenti necessari per leggere e valutare criticamente la letteratura scientifica e utilizzare le evidenze disponibili a supporto della ricerca e delle decisioni in ambito biomedico e sanitario.
Particolare attenzione sarà dedicata alla capacità di valutare la validità degli studi, interpretarne correttamente i risultati, distinguere tra significatività statistica e rilevanza clinica e considerare benefici, rischi e applicabilità delle evidenze.
Il corso intende inoltre introdurre i principi di base dell’analisi dell’analisi decisionale e della valutazione critica dei sistemi di supporto decisionale basati su Intelligenza Artificiale.

Sono utili conoscenze di base di statistica ed epidemiologia, in particolare dei principali disegni di studio, delle misure di associazione e degli intervalli di confidenza.
I concetti necessari saranno comunque richiamati durante il corso.

Il corso prevede lezioni frontali integrate con attività di lettura e discussione di articoli scientifici, abstract, tabelle, grafici e scenari clinici.
Una parte rilevante delle lezioni sarà dedicata all’applicazione pratica dei criteri di critical appraisal.

Il materiale didattico e gli articoli utilizzati durante le lezioni saranno messi a disposizione degli studenti sulla piattaforma del corso DIR.

La verifica dell’apprendimento sarà finalizzata a valutare la capacità dello studente di leggere e interpretare criticamente le evidenze scientifiche.
La prova potrà comprendere domande a risposta chiusa e aperta, esercizi applicativi e quesiti basati su abstract, tabelle, grafici o brevi scenari clinici.
Sarà valutata in particolare la capacità di leggere criticamente la letteratura scientifica, riconoscere la qualità e la solidità delle evidenze disponibili, individuarne i principali limiti e valutarne la rilevanza, la coerenza e l’applicabilità in ambito biomedico e sanitario. Sarà inoltre richiesta la capacità di valutare criticamente le evidenze a supporto dell’utilizzo di modelli e sistemi di AI, distinguendo tra risultati promettenti e prove sufficientemente solide, riproducibili e applicabili a supporto della ricerca e delle decisioni in ambito sanitario.

1. Evidence Based Medicine e formulazione del quesito di ricerca
Principi dell’EBM e dell’Evidence Based Healthcare. Formulazione del quesito di ricerca. PICO. Tipologie di quesito. Fonti e gerarchia delle evidenze.

2. Valutazione critica degli studi scientifici
Domanda di ricerca, popolazione, esposizione o intervento, comparatore e outcome. Appropriatezza del disegno di studio. Validità interna ed esterna. Bias. Precisione delle stime e applicabilità dei risultati.

3. Studi di intervento
Trial clinici randomizzati. Randomizzazione, gruppo di controllo, blinding e follow-up. Rischio relativo, riduzione assoluta e relativa del rischio, Number Needed to Treat e Number Needed to Harm. Benefici, rischi e rilevanza clinica.

4. Diagnosi, screening e predizione clinica
Sensibilità, specificità, valori predittivi, likelihood ratio, probabilità pre-test e post-test. Principi di valutazione degli studi diagnostici e dei modelli di predizione clinica. Il testo tratta esplicitamente sia i likelihood ratio sia i modelli predittivi diagnostici e prognostici.

5. Revisioni sistematiche e meta-analisi
Revisione narrativa e revisione sistematica. Selezione degli studi. Valutazione della qualità. Principi della meta-analisi. Forest plot, eterogeneità e publication bias.

6. Linee guida e raccomandazioni
Principi di valutazione delle linee guida. Qualità delle evidenze, bilancio tra benefici e rischi e applicabilità delle raccomandazioni.

7. Analisi delle decisioni in ambito biomedico
Decisioni in condizioni di incertezza. Alternative, probabilità e conseguenze. Bilancio benefici/rischi. Introduzione agli alberi decisionali, al concetto di utilità e all’analisi di sensibilità. Valutazione critica di studi che utilizzano modelli predittivi e sistemi di AI in sanità. Validazione, generalizzabilità, bias, sicurezza e integrazione nel contesto biomedico.

Al termine del corso lo studente sarà in grado di formulare un quesito di ricerca, individuare le evidenze più appropriate e valutarne criticamente la qualità metodologica e l’applicabilità.
Sarà inoltre in grado di interpretare le principali misure di beneficio, rischio e accuratezza diagnostica, leggere i risultati di revisioni sistematiche e meta-analisi e utilizzare le evidenze disponibili in semplici processi decisionali.
Lo studente acquisirà infine gli strumenti di base per valutare criticamente studi relativi a modelli predittivi e sistemi di Intelligenza Artificiale applicati alla ricerca biomedica.