Non è necessario un background di ricerca per ottenere qualcosa di utile da uno studio clinico. Con alcuni concetti di base in mano, la maggior parte degli studi CST diventa più facile da valutare e sarai in una posizione migliore per distinguere un risultato veramente promettente da uno che necessita di pesanti avvertenze.
Questa guida copre le idee che emergono ripetutamente nella ricerca sulla CST. L'obiettivo non è farti diventare un metodologo. È per darti un contesto sufficiente in modo che quando vedi un titolo che dice "lo studio dimostra che la CST aiuta con X" o "la revisione non trova prove per la CST", hai un'idea di cosa significhi. La risposta è quasi sempre più interessante e più incerta di quanto suggerisca il titolo.
RCT e revisioni sistematiche
Uno studio randomizzato e controllato (RCT) è il modo standard per verificare se un trattamento funziona. I partecipanti vengono assegnati in modo casuale a un gruppo di trattamento o a un gruppo di controllo, quindi è più probabile che le differenze tra loro provengano dal trattamento che da qualcos'altro. La parte "controllata" significa che esiste un gruppo di confronto: idealmente un trattamento fittizio convincente o una cura standard. Gli studi randomizzati rappresentano il gold standard perché la randomizzazione esclude molti pregiudizi.
Una revisione sistematica riunisce più studi randomizzati (e talvolta altri studi) e li analizza insieme. Con un set di dati combinato più grande, puoi trarre conclusioni più sicure di quelle consentite da qualsiasi singolo studio. Una meta-analisi è una revisione sistematica che combina numericamente i risultati. Entrambi sono preziosi, ma validi solo quanto gli studi al loro interno. Se gli studi sottostanti sono piccoli o mal progettati, la messa in comune non risolve il problema, ma semplicemente ridimensiona il problema.
Quando vedi un'affermazione sulla CST, il tipo di prova è importante. Un singolo RCT positivo batte un aneddoto ma perde rispetto a una revisione sistematica ben condotta. E una revisione che trova poche prove non equivale a dimostrare che la terapia non funziona: a volte gli studi esistenti semplicemente non erano abbastanza buoni per mostrare qualcosa chiaramente.
Rischio di parzialità e problema fittizio
Il rischio di bias è un'abbreviazione dei modi in cui il disegno di uno studio potrebbe distorcerne i risultati. Fonti comuni: i partecipanti sanno a quale gruppo appartengono (il che può influenzare il modo in cui riferiscono i sintomi), i professionisti sanno chi riceve il vero trattamento o i ricercatori che hanno un interesse nel risultato che fanno l'analisi. Buoni studi limitano i bias attraverso risultati in cieco e pre-registrazione.
Nella ricerca sulla carrozzeria, costruire una finzione convincente è uno dei problemi più difficili. Per una sperimentazione farmacologica, puoi somministrare una pillola di zucchero che sembra identica al farmaco. Per la CST, devi creare una finzione che sembri plausibile al partecipante ma priva del principio attivo, qualunque esso sia. Nessuna finzione è stata universalmente accettata come sufficientemente buona. Alcuni studi utilizzano un "tocco leggero simulato" in cui un terapista posiziona le mani senza la qualità intenzionale di una sessione reale. Se ciò sia sufficiente per accecare i partecipanti è dibattuto. Il limite è reale, ma si applica a quasi tutta la ricerca sulla terapia manuale: non esclude la CST.
Dimensione del campione e significato clinico
La dimensione del campione corrisponde al numero di partecipanti a una prova. I piccoli campioni causano due problemi. È più probabile che generino falsi positivi: le variazioni casuali sembrano effetti reali quando i numeri sono bassi. E potrebbero essere troppo piccoli per rilevare un effetto reale che esiste ma è modesto. La maggior parte degli studi CST prevede tra 40 e 150 partecipanti. Questo è sufficiente per interessanti dati preliminari. Di solito non è sufficiente ancorare una raccomandazione clinica definitiva.
La significatività statistica è il modo in cui i ricercatori decidono se vale la pena prendere sul serio un risultato. Di solito è un valore p: un risultato con p<0,05 significa che c'è meno del 5% di possibilità di vedere una differenza così grande se non ci fosse un effetto reale. Ma la significatività statistica può essere raggiunta con campioni sufficientemente grandi anche quando la differenza effettiva è minima. È qui che entra in gioco il significato clinico: la differenza è abbastanza grande da essere realmente importante per un paziente? Uno studio potrebbe scoprire che la CST ha ridotto il dolore di 0,4 punti su una scala a 10 punti con p=0,03. Statisticamente significativo, ma probabilmente non clinicamente significativo.
Quando leggi gli studi CST, cercali entrambi. Le dimensioni degli effetti, gli intervalli di confidenza e la discussione dei ricercatori sulla significatività clinica dicono più del solo valore p.
Leggere la ricerca in modo critico non significa cercare ragioni per respingerla. Si tratta di capire cosa può e non può dirti uno studio. La ricerca sulla CST, letta con attenzione piuttosto che per valore nominale in entrambe le direzioni, contiene segnali reali che meritano attenzione, in particolare per condizioni specifiche in cui sono state condotte sperimentazioni migliori.