Randomized Controlled Trial: lo study design che ha cambiato la medicina

Gli errori statistici più pericolosi non nascono dall'ignoranza. Nascono dal momento in cui si smette di ragionare e si inizia ad eseguire. Il test c'è, il software gira, il p-value esce. Ma nessuno ha chiesto se tutto questo avesse senso.

Un bias non annuncia il suo arrivo. Non compare come un errore nel codice, non genera un avviso nel software, non si vede nei dati grezzi. Si insinua nelle scelte — spesso ragionevoli, spesso inevitabili — e distorce i risultati in silenzio. Riconoscerlo richiede qualcosa che la tecnica da sola non fornisce: la capacità di guardare il proprio studio da fuori.

Ogni paziente porta con sé una storia che i modelli statistici semplici non sanno leggere. Il tempo, gli eventi concorrenti, la struttura dei dati — tre complicazioni reali che richiedono tre risposte metodologiche precise.

Quattro persone stanno per andare più lontano di chiunque altro nella storia delle missioni spaziali. Il loro corpo non è mai stato progettato per farlo: la statistica è l'unico strumento che abbiamo per capire cosa succederà.