In un reparto di terapia intensiva, il personale registra ogni giorno il numero di infezioni nosocomiali. Durante una settimana tipica ne compaiono due o tre. In alcune settimane nessuna, in altre quattro o cinque. Nessuno sa in anticipo quante ne arriveranno e soprattutto, nessuno sa quante avrebbero potuto arrivare e non sono arrivate. Non c’è un numero fisso di tentativi, non c’è un paziente che «rischia di infettarsi» e poi non si infetta. C’è solo un conteggio: quante volte è accaduto qualcosa in un certo intervallo di tempo.
Questo tipo di problema — contare eventi in un intervallo, senza sapere quante volte l’evento avrebbe potuto non verificarsi — è esattamente il territorio della distribuzione di Poisson. È un modello matematico progettato per situazioni in cui si osserva quante volte qualcosa accade, non quante volte avrebbe potuto accadere. Ed è il modello naturale per gli eventi rari: quelli che si contano sulle dita, che compaiono sporadicamente, che il ricercatore spera di non osservare troppo spesso.
La differenza fondamentale con la distribuzione binomiale
Per capire perché esiste la distribuzione di Poisson — e quando usarla invece delladistribuzione binomiale— bisogna partire dalla differenza strutturale tra i due problemi.
La distribuzione binomiale descrive il numero di successi su un numero fisso e noto di tentativi. Hai cinquanta pazienti, ciascuno può rispondere o non rispondere a un trattamento: il numero di tentativi è cinquanta, l’esito di ciascuno è binario. Il denominatore è noto. Puoi dire non solo quanti hanno risposto, ma anche quanti non hanno risposto.
La distribuzione di Poisson descrive invece il numero di eventi che si verificano in un intervallo — di tempo, di spazio, di esposizione — quando non esiste un denominatore naturale. Quante reazioni avverse compaiono in un mese di sorveglianza post-marketing? Quante ricadute ha un paziente con sclerosi multipla in un anno? Quanti casi di una malattia rara vengono diagnosticati in una regione in cinque anni? In tutti questi casi non c’è un numero fisso di «tentativi». Gli eventi si verificano in un continuo e quello che si conta è solo la loro occorrenza.
Relazione tra distribuzione binomiale e distribuzione di Poisson
C’è un legame storico e matematico profondo tra la distribuzione di Poisson e quella binomiale. La Poisson fu derivata proprio come caso limite della binomiale. La domanda che diede avvio all’ideazione della distribuzione di Poisson fu: Cosa succede quando il numero di tentativi n diventa molto grande e la probabilità di successo p diventa molto piccola, ma il loro prodotto — cioè il numero medio atteso di successi — rimane costante?
Immagina di studiare la comparsa di una malattia genetica rara, con probabilità di 1 su 10.000 per ogni nascita. In una area con 50.000 nati all’anno, potresti usare la distribuzione binomiale con n = 50.000 e p = 0.0001. Ma guarda cosa succede se spingi questo ragionamento all’estremo. Immagina di suddividere il tempo — o lo spazio, o la popolazione — in un numero sempre più grande di intervalli sempre più piccoli. Ognuno con una probabilità di evento sempre più bassa. Ad un certo punto i “tentativi” smettono di avere senso come unità discrete: non stai più contando quante volte è accaduto l’evento. Stai semplicemente osservando quante volte l’evento si manifesta in un flusso continuo che sia spazio o tempo.
Il valore di lambda
È esattamente questo il salto concettuale di Poisson: abbandonare l’idea del tentativo — inteso come numero di prove — e ragionare direttamente sul tasso, ossia quante volte accade qualcosa per unità di tempo, per unità di spazio, per numero di pazienti esposti. Quel tasso è indicato con la lettera greca λ — lambda — e rappresenta la media degli eventi attesi nell’intervallo considerato. Per calcolarlo serve sapere due cose: quante unità si osservano — nel nostro esempio 50.000 nati — e con quale probabilità l’evento si verifica in ciascuna di esse — nel nostro esempio 0.0001, cioè 1 su 10.000, che è la prevalenza nota della malattia nella popolazione. Il prodotto dei due, λ = 50.000 · 0.0001 = 5, dice quanti casi ci aspettiamo in media ogni anno. La distribuzione di Poisson descrive allora quanto è probabile osservarne zero, uno, due, tre, dieci. E lo fa con una formula molto più semplice di quella binomiale, senza dover specificare quanti tentativi ci siano stati.
Questa derivazione non è solo un elegante esercizio matematico: spiega perché la distribuzione di Poisson sia il modello naturale per gli eventi rari. Ogni volta che la probabilità di un evento è molto bassa ma si osserva un gran numero di soggetti o un lungo periodo di tempo — malattie rare, effetti avversi gravi, mutazioni genetiche, incidenti in ambienti controllati — la distribuzione di Poisson è lo strumento giusto. Non perché sia un’approssimazione comoda, ma perché descrive esattamente la struttura matematica di quei fenomeni.
La distribuzione di Poisson si usa quando si contano eventi in un intervallo, non successi su tentativi. Non c’è un denominatore noto, non c’è un «avrebbe potuto accadere e non è accaduto». C’è solo il conteggio di quello che è successo.
Il parametro λ: tutto in un numero
La distribuzione di Poisson è descritta da un solo parametro: λ, che rappresenta il numero medio di eventi nell’intervallo considerato. È un numero straordinariamente compatto: contiene tutta l’informazione necessaria per caratterizzare la distribuzione.
Se in un reparto si verificano in media 2.5 infezioni nosocomiali per settimana, λ è 2.5. Nel caso in cui in una popolazione di centomila abitanti si diagnosticano in media 3 casi di una malattia rara ogni anno, λ è 3. Se un paziente con una malattia cronica ha in media 1.8 ricadute per anno, λ è 1.8. In ciascuno di questi casi, conoscere λ permette di calcolare la probabilità di osservare esattamente 0, 1, 2, 3 o qualsiasi altro numero di eventi nell’intervallo.
La proprietà più importante di λ è che coincide sia con la media che con la varianza della distribuzione. In una distribuzione di Poisson, il valore atteso del numero di eventi è λ, e lavariabilitàattorno a quel valore — misurata dalla varianza — è anch’essa λ. Questa proprietà ha una conseguenza pratica immediata. Se i dati mostrano una varianza molto maggiore della media — fenomeno che si chiama sovradispersione — la distribuzione di Poisson non è il modello adatto, e si devono considerare alternative come la distribuzione binomiale negativa.
Dalla progettazione alla pubblicazione, supporto metodologico completo, rigoroso e firmato.
Gli eventi rari e perché Poisson li descrive bene
C’è un motivo preciso per cui la distribuzione di Poisson è il modello di riferimento per gli eventi rari — quelli che accadono con probabilità molto bassa, che si contano su decine di migliaia di osservazioni, che compaiono sporadicamente nella sorveglianza epidemiologica.
Immagina di voler modellare il numero di casi di una reazione avversa grave a un farmaco, su un milione di pazienti trattati. La probabilità che un singolo paziente sviluppi la reazione è molto bassa — diciamo uno su diecimila. In teoria potresti usare la distribuzione binomiale: hai un milione di pazienti, ciascuno può sviluppare o non sviluppare la reazione. Ma gestire una distribuzione binomiale con n uguale a un milione e p uguale a 0.0001 è computazionalmente scomodo e concettualmente pesante. La distribuzione di Poisson con λ uguale a 100 — cioè n · p — descrive lo stesso fenomeno in modo molto più semplice, con un’approssimazione eccellente.
Questo è il cuore del legame tra Poisson e gli eventi rari. Quando la probabilità è piccola e il numero di osservazioni è grande, i due modelli convergono, ma la Poisson è più maneggevole. È per questo che la sorveglianza epidemiologica, la farmacovigilanza, la stima dell’incidenza di malattie rare usano quasi sempre la distribuzione di Poisson come modello di base.
C’è però un aspetto del comportamento degli eventi rari che vale la pena sottolineare. Quando λ è piccolo — quando gli eventi sono davvero rari — la distribuzione è fortemente asimmetrica verso destra. La probabilità di osservare zero eventi è alta, quella di osservarne molti è bassa ma non trascurabile. Questo significa che la variabilità degli eventi rari è proporzionalmente molto grande. Un reparto che ha in media 0.3 infezioni per settimana può averne zero per mesi e poi improvvisamente tre in una settimana. Questa variabilità non è anomalia — è esattamente quello che la distribuzione di Poisson prevede.
Come si usa nella pratica
La distribuzione di Poisson entra nella ricerca clinica e nell’epidemiologia in modi diversi, spesso interconnessi.
Il primo uso è nella stima dei tassi di incidenza. Quando si vuole stimare quanti nuovi casi di una malattia compaiono per unità di tempo in una popolazione, si sta lavorando con un conteggio poissoniano. L’intervallo di confidenza per un tasso di incidenza — quella fascia di valori entro cui, con il 95% di probabilità, cade il tasso vero — si costruisce direttamente a partire dalla distribuzione di Poisson. Per eventi molto rari, l’approssimazione normale non è affidabile e si usano metodi esatti basati su questa distribuzione.
Il secondo uso è nel confronto di tassi tra gruppi. Si vuole sapere se il tasso di infezioni nosocomiali è significativamente diverso tra due reparti o se il tasso di ricadute è cambiato dopo l’introduzione di un nuovo protocollo terapeutico. Questi confronti si formalizzano attraverso modelli di regressione per dati di conteggio — la regressione di Poisson — che estende la logica della distribuzione ai casi in cui il tasso dipende da variabili esplicative e da periodi di osservazione diversi tra i soggetti.
Il terzo uso è nella farmacovigilanza e nella sorveglianza degli eventi avversi. Quando si monitorano le segnalazioni spontanee di reazioni avverse a un farmaco, il numero di segnalazioni in un dato periodo segue — almeno come prima approssimazione — una distribuzione di Poisson. Segnali di sicurezza emergenti vengono identificati confrontando il numero osservato di eventi con quello atteso sotto il modello poissoniano: se le osservazioni si discostano significativamente da quanto il modello prevede, si apre un’indagine.
La distribuzione di Poisson non è solo un modello per eventi rari. È il modello per qualsiasi conteggio in un intervallo — raro o frequente — purché gli eventi siano indipendenti e il tasso medio rimanga stabile. Quando questi presupposti reggono, Poisson è la prima scelta.
Quando il modello non regge: la sovradispersione
La distribuzione di Poisson ha un’assunzione forte: la varianza è uguale alla media. Nella realtà dei dati clinici e epidemiologici, questa assunzione è spesso violata e quasi sempre in una direzione precisa: la varianza è maggiore della media. Questo fenomeno si chiama sovradispersione, ed è uno dei problemi più frequenti nell’analisi di dati di conteggio.
La sovradispersione emerge quando c’è eterogeneità non osservata tra i soggetti, ossia quando il tasso di eventi non è uguale per tutti, ma varia da individuo a individuo per ragioni che il modello non cattura. Un paziente con un sistema immunitario compromesso ha un tasso di infezioni molto più alto di un paziente sano. Una regione con particolari fattori ambientali ha un’incidenza di certi tumori molto più alta della media nazionale. Se questa eterogeneità non viene modellata esplicitamente, la variabilità osservata nei dati supera quella prevista dal modello poissoniano.
La conseguenza pratica è importante: usare la distribuzione di Poisson in presenza di sovradispersione produce intervalli di confidenza troppo stretti e p-value troppo bassi, quindi si trovano differenze statisticamente significative che non lo sono davvero. Il modello alternativo più usato in questi casi è la distribuzione binomiale negativa, che aggiunge un parametro di dispersione e si adatta meglio ai dati sovradispersi. Verificare la presenza di sovradispersione — confrontando varianza e media osservate, o usando test specifici — è un passaggio metodologico essenziale in qualsiasi analisi di dati di conteggio.
La distribuzione di Poisson risponde a una domanda che la binomiale non può fare: quante volte accade qualcosa, senza un denominatore noto, in un mondo in cui gli eventi si verificano raramente e in modo imprevedibile.È il modello della sorveglianza epidemiologica, della farmacovigilanza, della stima dell’incidenza. È il modello degli eventi rari — quelli che speriamo di non vedere, ma che dobbiamo saper contare e interpretare quando arrivano. Sapere quando si usa, e quando invece i dati chiedono qualcosa di più flessibile, è parte integrante del rigore metodologico che ogni ricerca clinica merita.
Nota editoriale
Questo articolo ha finalità divulgative e informative. I contenuti non costituiscono consulenza professionale e non sostituiscono una valutazione specifica del tuo studio o progetto di ricerca. Mathsly Research declina ogni responsabilità per decisioni metodologiche o analitiche adottate sulla base dei soli contenuti del magazine senza consulenza professionale dedicata. Per supporto specifico:mathsly.it.