












































Clinical  Management  Issues   2008; 2(3)
©SEEd Tutti i diritti riservati

Clinical Management Issues

99

Enzo Ballatori 1

Incertezza in medicina

Fu Ippocrate a cogliere per primo l’im-
portanza dell’incertezza in medicina [1]. Ma 
tra l’incertezza della medicina ippocratica e 
quella della medicina contemporanea passa 
un abisso di conoscenze. 

I progressi nel campo delle scienze di base 
hanno eroso in modo sostanziale il terreno 
dell’incertezza, senza tuttavia lasciarne pre-
supporre la scomparsa. Il guadagno, in termini 
di minore incertezza, è stato ottenuto soprat-
tutto con l’affinamento delle capacità dia-
gnostiche che hanno consentito di connotare 
sempre più esattamente le malattie e, quindi, 
di predisporre terapie sempre più mirate.

L’incertezza accomuna tutti i campi della 
scienza medica. Infatti, seguendo la storia 
naturale della malattia [2], si può verifica-
re che:

tra gli esposti a un fattore di rischio, alcu-
ni contraggono la malattia e altri no, e lo 
stesso avviene tra i non esposti. Anche ri-
muovendo il fattore di rischio con un’azio-
ne di prevenzione primaria, di norma la 
malattia non scompare;
la diagnosi di malattia, come ogni altra in-
ferenza induttiva1, è regolata dal teorema 
di Bayes, basato sulle probabilità condizio-
nate. Le principali conseguenze sono: 

una diagnosi certa non esiste; 
l’errore è connaturato al processo dia-
gnostico;

quando un medico prescrive una terapia 
non può essere certo che proprio quella 
sia la migliore terapia per quel paziente. 

1 Si compie un’inferenza induttiva (o induzione) quando dal 
particolare si tenta di risalire al generale, ovvero quando dal-
l’effetto si cerca di individuare la causa che lo ha prodotto 











Dalla ricerca clinica egli sa solo che quel-
la terapia ha ottenuto risultati che pos-
sono riprodursi in una vasta popolazione 
di pazienti. Inoltre, non va dimenticato 
che nella ricerca clinica la dimostrazione 
della superiorità di un nuovo trattamento 
rispetto alla terapia standard è ottenuta 
sempre su base probabilistica;
nell’esperienza clinica c’è la consapevolez-
za di quanto incerta sia la prognosi.
L’incertezza origina dal fatto che la medi-

cina si occupa di fenomeni che presentano 
variabilità nelle loro manifestazioni indivi-
duali. La relazione di causalità tra due fe-
nomeni, E (effetto) e C (causa), per cui C è 
condizione necessaria e sufficiente per E, è 
pertanto inapplicabile. 

Ad esempio, se l’esposizione a un fattore 
di rischio fosse la causa dell’insorgenza di 
una malattia M, tutti gli esposti – e nessuno 
dei non esposti – contrarrebbero M, ma dal-
l’esperienza è noto che ciò non accade prati-
camente mai. Si può comunque attribuire al 
fattore di rischio una sua capacità di produrre 
M, ovvero di facilitarne l’insorgenza; in tal 
caso il fattore è riconosciuto come una delle 
(cause) determinanti di malattia. 

Il rapporto tra il rischio di ammalarsi 
di un soggetto esposto e quello di un non 
esposto, noto come rischio relativo, valuta 
l’importanza del fattore nel determinismo 
della malattia. Esso misura la probabilità 
di ammalarsi di un esposto, posta uguale 
a 1 la probabilità di ammalarsi per un non 
esposto. Ad esempio, il fumatore ha un ri-
schio relativo pari a 2 di andare incontro a 
un evento ischemico di circolo arterioso su 
base trombotica rispetto al non fumatore: 



Editoriale

1 Unità di Statistica Medica, 
Dipartimento di Medicina 
Interna e Sanità Pubblica, 
Università degli Studi, 
L’Aquila

 Corresponding author
 Prof. Enzo Ballatori
 e.ballatori@alice.it



Clinical  Management  Issues   2008; 2(3)
©SEEd Tutti i diritti riservati

100

Editoriale

il fumo di per sé raddoppia la probabilità 
di contrarre una di tali patologie. Quindi, 
il fumo non è la causa dell’evento vascolare, 
ma è certamente importante nel facilitarne 
l’insorgenza. 

In sintesi, l’inapplicabilità del paradigma 
deterministico comporta che, in medicina, 
ogni forma di conoscenza ha sempre una 
dimensione statistica e che la pre-visione, 
ossia la visione anticipata del futuro, è ne-
cessariamente su base probabilistica.

Rientra nell’esperienza comune la varia-
bilità delle osservazioni, siano esse misure o 
rilevazioni di un attributo. Ad esempio, un 
farmaco è efficace su alcuni pazienti ma non 
su altri; uno stesso farmaco è talora efficace 
su un paziente mentre in altre circostanze 
non lo è. Ciò che genera la variabilità delle 
osservazioni – che è alla base dell’incertezza 
in medicina – è soprattutto il fatto che la ri-
sposta a un trattamento dipende non solo dal 
trattamento, ma anche dal soggetto, dove il 
termine “trattamento” assume un significato 
assai ampio non solo di terapia, ma anche di 
immagine diagnostica, di esposizione a un 
fattore di rischio, e così via. 

A scopi operativi, nel processo di acqui-
sizione di conoscenze in campo medico si 
possono individuare almeno due fonti di 
variabilità: quella legata al caso (cioè all’er-
rore accidentale) e quella dovuta a fattori 
sistematici (errori sistematici o bias). 

La prima è della stessa natura della va-
riabilità delle misure ripetute di una stessa 
grandezza, comune a tutti i fenomeni fisici: 
le misure, in quanto esperimenti, non pos-
sono essere ripetute nelle stesse condizioni, 
perché tra una misura e l’altra qualcosa ne-
cessariamente muta. 

Gauss introdusse la curva normale per 
spiegare la variabilità accidentale. In tale 
modello, la deviazione standard, stimando 
quanto variano, in media, le misure per ef-
fetto del caso, può essere interpretata come 
livello di imprecisione dello strumento di 
misura. 

Nella ricerca clinica, la risposta (cioè quel-
lo che si osserva sul paziente al termine del 
trattamento) dipende, oltre che dalla terapia, 
anche dal paziente. La sintesi delle risposte 
(ad esempio, la percentuale di successi tera-
peutici), determinata in un braccio di tratta-
mento, dipende quindi dal fatto che ad essere 
osservati siano stati proprio quei pazienti e 
non altri. In altre parole, se ripetessimo lo 
studio con pazienti diversi, avremmo una 
risposta (media) diversa (una diversa per-
centuale di successi).

Per semplicità di esposizione, nel seguito si 
farà riferimento solo al caso di una risposta 
dicotomica (successo, insuccesso), per cui è 
la percentuale di successi a sintetizzarla in 
una pluralità di soggetti. Tuttavia, la logica 
del procedimento è applicabile ad ogni altra 
situazione (ad esempio, nel caso di una rispo-
sta individuale quantitativa, la cui sintesi nel 
gruppo di soggetti osservato è la media). 

Se si riesce a fare in modo che i due gruppi 
sperimentali si rassomiglino rispetto a tutte 
le altre caratteristiche ad eccezione del trat-
tamento, la differente efficacia delle terapie è 
riepilogata dalla differenza tra le percentuali 
di successi nei due bracci. Così, se si ripetes-
se lo studio con altri pazienti, tale differenza 
varierebbe proprio perché diversi sarebbero 
i pazienti.

Si formula allora l’ipotesi nulla di ugua-
le efficacia dei trattamenti. Diventa quindi 
possibile calcolare, sotto l’ipotesi nulla, una 
misura della variabilità della differenza tra 
le percentuali di successi nei due gruppi 
dovuta al solo effetto del caso (cioè, al fatto 
che sono diversi i pazienti); tale differenza 
è detta “teorica” o “attesa”. 

Se la differenza osservata tra le percentuali 
di successi nei due gruppi (differenza empi-
rica) è molto più alta di quella teorica (cioè 
attesa per il solo effetto del caso), allora, dato 
che i due gruppi si differenziano solo per il 
trattamento, tale eccesso può essere imputato 
alla diversa efficacia delle terapie. 

Se, viceversa, la differenza empirica è al-
l’incirca uguale a quella teorica, non resta che 
accettare l’ipotesi (nulla) di uguale efficacia 
dei trattamenti, in quanto lo studio non è 
riuscito ad accumulare sufficienti evidenze 
per provare il contrario. 

La statistica fornisce quindi gli strumenti 
per il controllo dell’errore accidentale. 

Nella sperimentazione clinica, la variabili-
tà dovuta a fattori sistematici si concretizza 
nella diversità dei gruppi a confronto, oltre 
che per il trattamento, anche per altre ca-
ratteristiche osservabili (ad esempio, diversa 
struttura per sesso, età, stadio della malattia, 
ecc.). In questo caso, la logica del test sta-
tistico sopra delineata non porta ad alcuna 
conclusione, in quanto la significatività del-
la differenza tra le percentuali di successi 
potrebbe essere imputata alle diversità dei 
gruppi sperimentali e non alla differente ef-
ficacia dei trattamenti. 

Le sperimentazioni cliniche controllate 
sono quelle in cui è previsto un “controllo” 
degli errori sistematici, condotto soprat-
tutto mediante un opportuno piano degli 



Clinical  Management  Issues   2008; 2(3)
©SEEd Tutti i diritti riservati

101

E. Ballatori 

esperimenti, dettagliato nel disegno dello 
studio. 

Nelle sperimentazioni controllate l’opera-
zione fondamentale è la randomizzazione, 
ossia l’allocazione rigorosamente casuale dei 
pazienti ai trattamenti. Anzitutto, la rando-
mizzazione assicura un’ulteriore base logica 
al test statistico2. Inoltre, consente di forma-

2 Il “classico” test statistico adotta il “modello di popolazione” 
in quanto assume che i gruppi sperimentali siano campioni 
casuali estratti a sorte dalle rispettive popolazioni. La rando-
mizzazione fornisce un base logica alternativa al “modello di 
popolazione”, detta appunto “modello di randomizzazione” 
da cui possono essere derivati test statistici che, nel caso del 
confronto tra percentuali, sono equivalenti a quelli ottenuti 
sulla base del modello di popolazione. Ciò è particolarmen-
te importante perché difficilmente i gruppi sperimentali 
possono essere riguardati come campioni casuali e, quindi, 
la randomizzazione rassicura sulla correttezza del procedi-
mento anche contro tale obiezione

re, con alta probabilità, gruppi sperimentali 
simili tra loro rispetto a tutte le caratteristi-
che, note o sconosciute, diverse dal tratta-
mento; in tal modo, la differenza tra le per-
centuali di successi, riscontrata significativa 
al test statistico, non può che essere attribuita 
alla diversa efficacia dei trattamenti.

L’incertezza crea nella medicina scienti-
fica una dimensione di complessità in più, 
ma non va ignorata né rifiutata: si tratta di 
ridurne i margini migliorando diagnostica e 
terapia nella consapevolezza che, per quanto 
possenti possano diventare le conoscenze 
di base, un residuo resterà sempre, o perché 
imperfetta è la mente dell’uomo nell’inve-
stigazione dei fenomeni naturali, o perché 
la variabilità dei fenomeni è intrinseca alla 
natura stessa. 

BIBlIografIa
1. Di Benedetto V. Il medico e la malattia. Torino: Einaudi, 1986
2. Ballatori E. I fondamenti della medicina scientifica. Perugia: Galeno-Margiacchi Editore, 

2006


