Outcome primario e secondario negli studi clinici: come si definiscono e perché contano

C’è un momento nella progettazione di un trial clinico in cui tutto si cristallizza: quando si decide quale sarà l’outcome primario. Non è una formalità da sbrigare nel protocollo. È la dichiarazione pubblica di cosa lo studio si propone di dimostrare e, per esclusione, di tutto ciò che non è autorizzato a dimostrare con la stessa forza. Da quella scelta dipendono il calcolo della dimensione del campione, la soglia di significatività statistica, la struttura dell’analisi e, in ultima analisi, la credibilità delle conclusioni.

Eppure, nella letteratura clinica, la distinzione tra outcome primario e secondario viene spesso trattata come una convenzione editoriale piuttosto che come un vincolo metodologico. Si leggono trial in cui il titolo e l’abstract enfatizzano un risultato positivo su un outcome secondario mentre l’outcome primario è mancato. Oppure si leggono discussioni in cui i risultati esplorativi vengono presentati con la stessa sicurezza di quelli confermatori. Ed ancora si leggono meta-analisi che aggregano outcome primari di trial diversi come se fossero comparabili, senza verificare se definiscano lo stesso costrutto clinico. Queste non sono imprecisioni stilistiche: sono distorsioni che compromettono la qualità dell’evidenza e, potenzialmente, le decisioni cliniche che su quell’evidenza si basano.

Cosa si intende per outcome primario

L’outcome primario è la variabile per cui lo studio è stato progettato. È l’endpoint attorno al quale si calcola la dimensione del campione, si definisce la soglia di significatività statistica e si costruisce l’analisi principale. In un trial randomizzato controllato, l’outcome primario rappresenta la risposta alla domanda fondamentale: l’intervento studiato produce un effetto misurabile e clinicamente rilevante rispetto al controllo?

La scelta dell’outcome primario non è arbitraria. Deve rispettare tre requisiti fondamentali. Primo, deve essere clinicamente rilevante, ossia deve misurare qualcosa che conta per il paziente, non solo per il ricercatore. Secondo, deve essere misurabile in modo riproducibile utilizzando una definizione operativa precisa che permetta a osservatori diversi di classificare lo stesso evento nello stesso modo. Terzo, deve essere sensibile all’effetto dell’intervento, deve quind poter cambiare in modo rilevabile nell’orizzonte temporale dello studio e nella popolazione arruolata.

Nella pratica dei trial cardiovascolari, per esempio, l’outcome primario è spesso un endpoint composito — MACE, Major Adverse Cardiovascular Events — che aggrega eventi come morte cardiovascolare, infarto miocardico non fatale e ictus. Questa scelta risponde a esigenze precise: aumenta la frequenza degli eventi, riduce la dimensione del campione necessaria e cattura più dimensioni dell’effetto clinico dell’intervento. Ma un endpoint composito porta con sé una complessità interpretativa che va dichiarata: se i componenti del composito hanno frequenze e rilevanza clinica molto diverse, il risultato aggregato può essere dominato dal componente più frequente anche quando l’effetto sui componenti più gravi è assente o contrario.

Gli outcome secondari: esplorare senza confermare

Gli outcome secondari sono tutte le variabili misurate nello studio che non sono l’outcome primario. Possono essere endpoint clinici alternativi, misure di sicurezza, outcome riferiti dal paziente, biomarker, misure di qualità della vita. La loro funzione è esplorativa e complementare. Essi aiutano a capire il profilo dell’effetto dell’intervento, a generare ipotesi per studi futuri, a documentare eventi avversi e a descrivere la risposta in sottogruppi di interesse.

Il punto cruciale — e spesso trascurato — è che gli outcome secondari non sono stati progettati per essere confermatori. La dimensione del campione è stata calcolata sull’outcome primario, non su di essi. La soglia di significatività statistica non è stata corretta per la molteplicità dei confronti. Un risultato statisticamente significativo su un outcome secondario in un trial che non ha raggiunto il suo endpoint primario è un segnale da esplorare in studi successivi, non una prova di efficacia.

Questo non significa che gli outcome secondari siano irrilevanti. Significa che vanno letti con la consapevolezza del loro status. Un trial che dimostra una riduzione della mortalità totale come outcome primario e osserva anche una migliorata qualità della vita come outcome secondario offre un quadro più completo dell’effetto dell’intervento. Ma se il trial ha mancato l’endpoint primario di mortalità e l’abstract enfatizza la riduzione osservata di un outcome secondario, si sta facendo qualcosa di metodologicamente scorretto: si sta presentando un risultato esplorativo come se avesse la stessa forza di un risultato confermatorio.

La pre-specificazione: il vincolo che protegge l’inferenza

La distinzione tra outcome primario e secondario ha senso solo se entrambi vengono pre-specificati, dichiarati nel protocollo prima che lo studio inizi e registrati in un registro pubblico come ClinicalTrials.gov o EudraCT. La pre-specificazione è il meccanismo che protegge l’inferenza statistica dalla distorsione post hoc.

Il problema che la pre-specificazione risolve si chiama outcome switching, o HARKing — Hypothesizing After Results are Known. Funziona così: uno studio raccoglie dati su decine di variabili, l’outcome primario pre-specificato non raggiunge la significatività statistica, ma uno degli outcome secondari sì. A quel punto, in assenza di un registro pubblico che documenti la pre-specificazione, nulla impedisce al ricercatore di presentare quel risultato positivo come se fosse stato l’obiettivo principale fin dall’inizio. Il lettore non ha modo di sapere che si tratta di un’analisi post hoc su una variabile selezionata a posteriori tra molte.

Questa pratica non richiede necessariamente malafede. Può essere il risultato di pressioni editoriali — le riviste pubblicano più facilmente risultati positivi — o di distorsioni cognitive in buona fede. Ma le sue conseguenze sulla qualità dell’evidenza sono reali. Un’associazione statisticamente significativa trovata cercando tra molte variabili ha una probabilità di essere un falso positivo molto più alta di quanto il p-value suggerisca. E ciò perché il p-value assume che il confronto fosse stato pianificato in anticipo.

La registrazione pubblica del protocollo, con outcome primario e secondari dichiarati prima dell’avvio dello studio, rende l’outcome switching verificabile e rilevabile. Non lo elimina completamente in quanto i protocolli possono essere emendati e non tutti i registri sono monitorati con la stessa attenzione. Tuttavia la registrazione crea un vincolo pubblico e una traccia documentabile che protegge la credibilità dei risultati.

Outcome surrogati e outcome clinici: una distinzione che conta

Un’ulteriore distinzione che si intreccia con quella tra primario e secondario riguarda la natura dell’outcome stesso: clinico o surrogato.

Un outcome clinico misura qualcosa che conta direttamente per il paziente — sopravvivenza, qualità della vita, ricovero ospedaliero, recidiva della malattia. Un outcome surrogato misura un parametro biologico o fisiopatologico che si assume essere correlato con l’outcome clinico — la pressione arteriosa, il colesterolo LDL, i livelli di emoglobina glicata, la progressione radiologica di una lesione. La distinzione è rilevante. Un intervento può modificare favorevolmente un outcome surrogato senza tradursi in un beneficio clinico reale per il paziente o, in alcuni casi documentati, peggiorando addirittura l’outcome clinico.

STUDIO CAST

L’esempio più noto nella storia della farmacologia clinica riguarda alcuni farmaci antiaritmici studiati negli anni Ottanta. Il Cardiac Arrhythmia Suppression Trial — CAST — era un trial multicentrico randomizzato e controllato con placebo progettato per testare se la soppressione delle depolarizzazioni ventricolari premature asintomatiche dopo infarto miocardico riducesse la mortalità per aritmia. I farmaci testati — encainide e flecainide — erano efficaci nel sopprimere le aritmie: era questo il presupposto, verificato nella fase di titrazione aperta prima della randomizzazione.

Il trial fu però interrotto anticipatamente nell’aprile 1989 dal Data and Safety Monitoring Board perché i dati mostravano un eccesso di mortalità nel braccio attivo. Nel rapporto preliminare pubblicato sul New England Journal of Medicine nel 1989, la mortalità totale nei pazienti trattati con encainide o flecainide era del 7.7% contro il 3.0% del placebo, con un rischio relativo di 2.5 (IC 95%: 1.6–4.5)¹. L’analisi completa confermò un eccesso significativo di morti per aritmia e di morti per cause cardiache nel braccio attivo². L’outcome surrogato — la soppressione delle aritmie — andava nella direzione attesa. L’outcome clinico andava in direzione opposta.

Questo non significa che gli outcome surrogati siano inutilizzabili. Significa che il loro utilizzo come outcome primario richiede una validazione, ossia la dimostrazione che la modifica del surrogato si traduce effettivamente in un beneficio clinico nella popolazione di interesse. Quando questa validazione esiste ed è solida, gli outcome surrogati permettono di condurre trial più brevi, con campioni più piccoli e con endpoint rilevabili prima. Quando manca, il trial che usa un surrogato non validato come outcome primario risponde a una domanda diversa da quella che sembra.

Il problema della molteplicità: quando si testano troppi outcome

Uno degli aspetti più tecnici ma anche più praticamente rilevanti della distinzione tra outcome primario e secondari riguarda il problema della molteplicità. Ogni volta che si esegue un test statistico, si accetta una certa probabilità di ottenere un risultato significativo per effetto del caso — convenzionalmente fissata al 5% con una soglia di p<0.05. Se si eseguono dieci test indipendenti su un campione in cui non esiste nessun effetto reale, la probabilità di trovare almeno un risultato statisticamente significativo per puro caso supera il 40%.

Nei trial clinici moderni, soprattutto nelle aree terapeutiche più competitive come l’oncologia o la cardiologia, non è raro che uno studio misuri decine di variabili — outcome primario, outcome secondari multipli, analisi di sottogruppo, endpoint esplorativi, biomarcatori. Ogni analisi aggiuntiva aumenta il rischio di falsi positivi se non viene applicata una correzione per la molteplicità. Le correzioni più comuni — il metodo di Bonferroni, la procedura di Holm, il controllo del False Discovery Rate — hanno lo scopo di mantenere il rischio complessivo di falsi positivi entro limiti accettabili. E ciò al prezzo di una riduzione della sensibilità per i singoli test.

La soluzione più pulita al problema della molteplicità non è però statistica: è progettuale. Definire un unico outcome primario, pre-specificare un numero limitato di outcome secondari, dichiarare esplicitamente quali analisi sono confermative e quali esplorative, e comunicare questa gerarchia in modo trasparente nell’abstract e nella sezione dei metodi sono esempi di buona pratica che permette al lettore di calibrare correttamente la propria fiducia nei risultati.

Come leggere un trial

Leggere un trial clinico con consapevolezza metodologica significa, tra le altre cose, verificare sistematicamente alcune cose prima di leggere i risultati. Verificare qual è l’outcome primario pre-specificato e se i risultati principali si riferiscono a quello. Controllare se lo studio è stato registrato in anticipo e se il protocollo è accessibile per confrontare quanto dichiarato con quanto riportato. Verificare se i risultati positivi enfatizzati nell’abstract riguardano l’outcome primario o uno degli outcome secondari. Valutare se gli outcome surrogati usati come endpoint primari hanno una validazione solida nella letteratura.

Queste non sono verifiche per esperti: sono domande che qualsiasi lettore critico della letteratura clinica dovrebbe porsi sistematicamente. E sono domande a cui la struttura del trial — se ben progettato e ben riportato — deve dare risposta esplicita, senza che il lettore debba andarla a cercare.

Definire l’outcome prima è definire i confini della conoscenza che si cerca.Un trial che pre-specifica con chiarezza il suo outcome primario, che distingue in modo netto le analisi confermative da quelle esplorative e che riporta i risultati rispettando questa gerarchia non garantisce che l’intervento studiato funzioni — ma garantisce che il lettore possa fidarsi della risposta, qualunque essa sia.

1. CAST Investigators. (1989).Preliminary report: effect of encainide and flecainide on mortality in a randomized trial of arrhythmia suppression after myocardial infarction.New England Journal of Medicine, 321(6), 406–412.https://doi.org/10.1056/NEJM198908103210629↩︎
2. Echt, D. S., Liebson, P. R., Mitchell, L. B., Peters, R. W., Obias-Manno, D., Barker, A. H., Arensberg, D., Baker, A., Friedman, L., Greene, H. L., Huther, M. L., Richardson, D. W., & the CAST Investigators. (1991).Mortality and morbidity in patients receiving encainide, flecainide, or placebo: the Cardiac Arrhythmia Suppression Trial.New England Journal of Medicine, 324(12), 781–788.https://doi.org/10.1056/NEJM199103213241201↩︎