Gestione dei confondenti in studi cross-sectional: piattaforma di raccolta dati e metodi statistici per lo studio di biomarcatori in pazienti con miocardite biopticamente provata

Gli studi cross-sectional, pur essendo fondamentali per la caratterizzazione di fenotipi complessi in un momento specifico, presentano limiti intrinseci nello stabilire relazioni causali, poiché l'influenza di variabili confondenti può distorcere la stima delle associazioni tra le variabili di interesse. Nonostante ciò, tali disegni di studio sono ampiamente utilizzati nella ricerca clinica poiché riflettono la necessità di analizzare i pazienti nel contesto del loro percorso diagnostico reale. In particolare, per malattie caratterizzate da elevata eterogeneità eziologica e fenotipica come la miocardite, uno studio cross-sectional consente di mappare l'intero spettro immunologico della patologia, superando le limitazioni numeriche dei rari studi longitudinali e fornendo una "fotografia istantanea” per la scoperta di nuovi biomarcatori. La miocardite è una patologia infiammatoria cardiaca, ad eziologia virale o autoimmune, caratterizzata da una presentazione clinica variabile e da una ridotta funzionalità cardiaca dovuta alla presenza di infiltrato immunologico nel miocardio. Sebbene la biopsia endomiocardica rappresenti il gold standard diagnostico, la sua invasività ne limita l'uso nel follow-up. Mentre circa il 50% dei casi si risolve spontaneamente, le forme non virali richiedono spesso trattamenti immunosoppressivi per prevenire l'evoluzione verso la cardiomiopatia dilatativa. Pertanto, la valutazione statistica rigorosa dei dati clinici e l'identificazione di biomarcatori non invasivi (su sangue periferico) diventano cruciali per personalizzare la gestione terapeutica. Per questi motivi, la presente tesi mira ad affrontare questa sfida metodologica, descrivendo la raccolta dati clinici da più centri in modo standardizzato e l'applicazione ed il confronto di tecniche di controllo dei confondenti in coorti cross-sectional di pazienti con miocardite biopticamente provata. L'analisi delle problematiche di data governance in ambito multi-centrico, evidenzia come l'adozione di piattaforme strutturate come RedCap (Research Electronic Data Capture) sia superiore a sistemi non strutturati (es. fogli di calcolo), garantendo integrità del dato, tracciabilità e conformità alle normative sulla privacy. Al fine di identificare i migliori candidati come marcatori di miocardite nel sangue periferico, è stato condotto uno studio cross-sectional immunofenotipico in cui sono stati valutati numerosi parametri immunologici. Data la natura del reclutamento progressivo, sono state identificate e confermate statisticamente, tramite modelli di regressione, tre principali variabili confondenti: la distanza temporale tra diagnosi e prelievo, la presenza di comorbilità autoimmuni e la terapia immunosoppressiva in atto o pregressa. Successivamente, sono stati esplorati e applicati diversi metodi di correzione dei confondenti. I risultati corretti sono stati confrontati con quelli di un approccio basato su esclusione e stratificazione, valutando la stabilità e la robustezza della significatività statistica dei marker immunologici identificati come potenziali biomarcatori di miocardite. Infine, a completamento del quadro metodologico sulla gestione dei bias, viene brevemente illustrata l'applicazione del Propensity Score Weighting (PSW) come tecnica di bilanciamento per valutare l’efficacia della terapia immunosoppressiva nei pazienti con miocardite, data la difficoltà esecutiva di un trial randomizzato in questo contesto clinico. L'implementazione del PSW dimostra come questa tecnica consenta una stima dell'effetto del trattamento più accurata e meno distorta in un contesto osservazionale.