Bias negli studi clinici: tipi ed esempi per l’SSM
6 Ottobre 2026 · Mario Lomele
I bias negli studi clinici sono errori sistematici che spostano i risultati di uno studio in una direzione precisa, allontanandoli dal valore vero. A differenza dell’errore casuale, che si riduce aumentando la numerosità del campione, un bias non scompare con più pazienti: si ottiene semplicemente una stima sbagliata con più precisione. Riconoscerli è essenziale per leggere la letteratura e per rispondere alle domande di metodologia del Concorso SSM, dove i diversi tipi di bias sono un argomento ricorrente.
Che cosa sono i bias negli studi clinici
Ogni stima prodotta da uno studio è affetta da due tipi di errore. L’errore casuale dipende dalla variabilità del campionamento: due campioni diversi dalla stessa popolazione danno risultati un po’ diversi, e l’intervallo di confidenza ne esprime l’entità. L’errore sistematico, cioè il bias, dipende invece dal modo in cui lo studio è disegnato, condotto o analizzato. In termini tecnici si dice che il caso minaccia la precisione, mentre il bias minaccia la validità interna, cioè la capacità dello studio di misurare correttamente ciò che dichiara di misurare nella popolazione studiata.
Si distingue poi la validità esterna, o generalizzabilità: uno studio può essere internamente valido ma riguardare pazienti così selezionati che i risultati non si applicano alla pratica comune. Le grandi famiglie di bias sono tre: bias di selezione, bias di informazione (o di misura) e confondimento. Alcuni autori trattano il confondimento separatamente, perché non nasce da un errore del ricercatore ma dalla struttura stessa dei dati; resta comunque una minaccia alla validità.
Bias di selezione
Il bias di selezione si verifica quando i gruppi messi a confronto differiscono per il modo in cui i partecipanti sono stati inclusi o trattenuti nello studio, e questa differenza è legata sia all’esposizione sia all’esito. Esempi classici: il bias di Berkson, tipico degli studi caso-controllo condotti su pazienti ospedalizzati, nei quali la probabilità di ricovero dipende sia dalla malattia sia dall’esposizione; l’effetto del lavoratore sano, per cui gli occupati risultano più sani della popolazione generale perché chi è malato tende a non lavorare; il bias da volontari, che sono spesso più attenti alla salute dei non partecipanti.
Nei trial e nelle coorti è cruciale il bias da perdita al follow-up (attrition bias): se i pazienti che abbandonano lo studio sono diversi da quelli che restano, e lo fanno in misura diversa nei due bracci, i risultati si distorcono. Per approfondire come questi errori si manifestano nei diversi disegni conviene rivedere le pagine sugli studi caso-controllo e sugli studi di coorte.
Bias di informazione o di misura
Il bias di informazione nasce da una misura scorretta dell’esposizione o dell’esito. Se l’errore di classificazione è uguale nei due gruppi si parla di misclassificazione non differenziale, che di solito sposta la stima verso l’assenza di effetto (verso 1 per i rapporti). Se l’errore è diverso fra i gruppi si parla di misclassificazione differenziale, che può spostare la stima in entrambe le direzioni ed è quindi più pericolosa.
L’esempio più citato è il recall bias, o bias da ricordo, negli studi caso-controllo: le madri di bambini con una malformazione tendono a ricordare con più cura le esposizioni in gravidanza rispetto alle madri di bambini sani. Altri esempi sono il bias dell’intervistatore, che indaga con più insistenza nei casi, e il bias di osservazione, quando chi valuta l’esito sa a quale gruppo appartiene il paziente. Quest’ultimo è il motivo principale per cui si ricorre alla cecità.
Bias tipici degli studi di screening
Due bias ricorrono quasi sempre nelle domande sugli screening. Il lead time bias è l’anticipazione diagnostica: lo screening scopre la malattia prima, quindi la sopravvivenza misurata dalla diagnosi sembra più lunga anche se la data di morte non cambia. Con un esempio illustrativo: se senza screening una malattia viene diagnosticata a 65 anni e porta a morte a 70, la sopravvivenza è di 5 anni; se lo screening la scopre a 62 e la morte avviene comunque a 70, la sopravvivenza appare di 8 anni, ma nessuna vita è stata allungata. Il length time bias dipende dal fatto che lo screening intercetta più facilmente le forme a lenta progressione, che hanno di per sé prognosi migliore. Per questo l’efficacia di uno screening si giudica sulla mortalità specifica, non sulla sopravvivenza dalla diagnosi. Il tema si collega alla prevenzione secondaria.
Il confondimento
Un fattore di confondimento è una variabile associata all’esposizione, che sia di per sé un fattore di rischio per l’esito e che non si trovi sul percorso causale fra esposizione ed esito. L’esempio scolastico: in uno studio osservazionale il consumo di caffè sembra associato al tumore del polmone, ma i bevitori di caffè fumano più spesso, e il fumo causa il tumore. Il fumo è il confondente.
Il confondimento si gestisce in fase di disegno con la randomizzazione, la restrizione (studiare solo non fumatori) e l’appaiamento; in fase di analisi con la stratificazione e i modelli multivariati. La randomizzazione ha un vantaggio unico: se il campione è sufficientemente ampio, distribuisce in modo equilibrato fra i gruppi anche i confondenti sconosciuti o non misurati. Le tecniche di analisi, invece, possono correggere solo per ciò che è stato misurato. Questo è il motivo principale della superiorità del trial clinico randomizzato per le domande di efficacia.
Un concetto vicino ma diverso è il confondimento da indicazione: negli studi osservazionali sui farmaci chi riceve un trattamento lo riceve proprio perché è più grave, e il farmaco può sembrare associato a esiti peggiori senza esserne la causa.
Bias specifici dei trial randomizzati
Anche i trial non sono immuni. Gli strumenti di valutazione del rischio di bias ne esaminano cinque ambiti principali. Il primo è il processo di randomizzazione: la sequenza deve essere davvero casuale e l’allocazione deve restare nascosta a chi arruola i pazienti, altrimenti il ricercatore può, anche inconsapevolmente, indirizzare i pazienti più gravi verso un braccio. Il secondo riguarda le deviazioni dall’intervento previsto, contenute dalla cecità di pazienti e operatori. Il terzo sono i dati mancanti. Il quarto è la misura dell’esito, protetta dalla cecità del valutatore. Il quinto è la selezione dei risultati riportati: pubblicare solo gli esiti favorevoli fra i molti misurati.
Un punto spesso chiesto è l’analisi per intention to treat: ogni paziente viene analizzato nel gruppo a cui è stato assegnato, anche se non ha ricevuto o ha interrotto il trattamento. In questo modo si preservano i benefici della randomizzazione. L’analisi per protocollo, che considera solo chi ha seguito il trattamento previsto, rischia di reintrodurre bias di selezione.
Errori tipici e trappole d’esame
L’errore più frequente è credere che aumentare la numerosità del campione riduca il bias: riduce l’errore casuale, non quello sistematico. Un altro è confondere il confondente con il mediatore: una variabile che si trova sul percorso causale (per esempio la pressione arteriosa fra sale e ictus) non va trattata come confondente, perché correggere per essa eliminerebbe parte dell’effetto reale. Altri errori comuni sono attribuire il recall bias agli studi di coorte prospettici, dove l’esposizione è registrata prima dell’esito, oppure pensare che la cecità serva a ridurre il confondimento, mentre protegge soprattutto dai bias di informazione e di performance. Va ricordato infine che il bias di pubblicazione non riguarda il singolo studio, ma la letteratura nel suo complesso, e colpisce soprattutto le revisioni e le metanalisi.
Come cadono i bias negli studi clinici al concorso
Le domande sui bias negli studi clinici al Concorso SSM sono quasi sempre costruite come scenari: viene descritto uno studio e si chiede quale distorsione sia più probabile. Le associazioni da memorizzare sono poche e solide: caso-controllo e recall bias; caso-controllo ospedaliero e bias di Berkson; studi occupazionali ed effetto del lavoratore sano; screening, lead time e length time bias; coorti e perdita al follow-up; studi osservazionali e confondimento, che la randomizzazione controlla anche per variabili non misurate; cecità e bias di osservazione. Un’altra domanda tipica chiede quale strategia riduca il confondimento in fase di disegno o di analisi.
Per abituarsi a riconoscere al volo il bias descritto in uno scenario serve esercizio mirato. Sulla Piattaforma Accademia sono disponibili simulazioni commentate con quesiti di metodologia in cui ogni distrattore viene spiegato.
In sintesi
I bias sono errori sistematici che compromettono la validità interna di uno studio e non si riducono aumentando il campione. Si dividono in bias di selezione, bias di informazione e confondimento. Il recall bias è tipico dei caso-controllo, il lead time e il length time bias degli screening, la perdita al follow-up delle coorti e dei trial. La randomizzazione controlla anche i confondenti sconosciuti, la cecità protegge dai bias di misura, l’analisi per intention to treat preserva l’equilibrio creato dalla randomizzazione. Saper associare ogni bias al disegno di studio in cui compare è la chiave per le domande del concorso.
Articolo a cura della redazione di Test Ammissione, che dal 2016 prepara medici al Concorso Nazionale SSM con manuali, simulazioni commentate e lezioni online.