Quale database sanitario dovrebbe utilizzare il vostro studio?

La maggior parte dei progetti basati su dati secondari fallisce già alla prima decisione, non all'ultima. La scelta tra i database di sanità pubblica per la ricerca determina le conclusioni che lo studio potrà effettivamente raggiungere, e nessuna analisi successiva, per quanto accurata, potrà mai salvare una domanda posta alla fonte sbagliata. Questa pagina illustra a cosa risponde ciascuna delle quattro opzioni principali, a cosa non può rispondere ciascuna, indipendentemente dalle modifiche apportate, e come capire quale sia la più adatta prima di impegnare mesi di lavoro.

La risposta breve

Se nessuna di queste righe corrisponde perfettamente alla tua domanda, la risposta onesta è solitamente che la domanda va riformulata piuttosto che creare un quinto database. A questo serve un controllo di fattibilità.

NHANES: Quanto è comune e associato a cosa

Il National Health and Nutrition Examination Survey (NHANES) combina un'intervista con un esame fisico e analisi di laboratorio su un campione probabilistico stratificato della popolazione statunitense non istituzionalizzata. Poiché il campione è selezionato in modo da essere rappresentativo dell'intero Paese, le stime correttamente ponderate sono generalizzabili a livello nazionale, cosa che nessuna serie di dati ospedalieri può vantare.

Il suo punto di forza risiede nell'ampiezza delle misurazioni effettuate su persone comuni. Assunzioni alimentari, biomarcatori, dati antropometrici, attività fisica, esposizioni ambientali e condizioni di salute auto-riferite sono tutti raccolti nello stesso file, consentendo così di porre domande trasversali a diversi ambiti. Il collegamento con i dati di mortalità tramite l'Indice Nazionale dei Decessi aggiunge una dimensione di sopravvivenza.

Il suo limite è strutturale e permanente. Ogni partecipante viene misurato una sola volta, quindi esposizione ed esito vengono registrati nello stesso momento e non è possibile stabilire un nesso temporale. Descrivere un'associazione rilevata da NHANES in termini causali è uno dei modi più rapidi per essere respinti.

Anche il disegno campionario deve essere rispettato nell'analisi, altrimenti i risultati saranno semplicemente errati. Abbiamo verificato direttamente questa ipotesi e scoperto che ignorare i pesi del sondaggio ha gonfiato la stima della prevalenza nazionale del 45%, dal 10.23% al 14.85%, sugli stessi 5,018 partecipanti. Il test completo, con il codice, è riportato in " Cosa è successo quando abbiamo eseguito la stessa analisi NHANES in tre modi diversi".

Accesso: completamente pubblico, senza necessità di domanda o accordo. Servizio: Studio NHANES , 1,900 dollari, 15 giorni lavorativi.

SEER: Sopravvivenza al cancro e tendenze

Il programma Surveillance, Epidemiology and End Results (SEER) copre circa metà della popolazione statunitense attraverso registri tumori basati sulla popolazione, registrando incidenza, caratteristiche del tumore, stadio, trattamento iniziale e causa di morte con un lungo periodo di follow-up. Per i tumori rari per i quali non esistono studi clinici e nessuna singola istituzione ha un numero sufficiente di casi, questo programma rappresenta spesso l'unica fonte di dati affidabile disponibile.

Utilizzatelo per analizzare la sopravvivenza in base allo stadio e all'istologia, l'incidenza e l'andamento degli esiti nel tempo, e le disparità in base a razza, copertura assicurativa o area geografica. Sono le domande a cui è stato progettato per rispondere e le risponde in modo efficace.

Ciò che non viene registrato è la difficoltà. Non c'è un indice di comorbilità, nessuno stato di performance, nessun regime dettagliato, nessuna recidiva e nulla sul trattamento oltre il primo ciclo. I confronti tra trattamenti basati esclusivamente sul SEER sono confusi dall'indicazione in modi che l'aggiustamento statistico non elimina completamente, e i revisori oncologici lo sanno. I rischi competitivi sono l'altra trappola, perché in una coorte di pazienti oncologici più anziani la morte per altre cause è un evento competitivo piuttosto che una censura, e l'applicazione del metodo di Kaplan-Meier alla morte specifica per cancro in tale contesto sovrastima la probabilità dell'evento. La guida completa su cosa contiene il registro, quale raggruppamento utilizzare ora che SEER 22 è diventato SEER 21 e i cinque errori analitici che spiegano la maggior parte dei rifiuti è disponibile in "SEER database explained".

Accesso: in entrambi i casi, possiamo fornirvi l'accesso o lavorare a partire dal vostro estratto SEER*Stat. Servizio: SEER Cancer Outcomes Study , $2,100, 15 giorni lavorativi.

NTDB e TQP: Esiti del trattamento dei traumi nei diversi centri.

La National Trauma Data Bank e il suo successore, l'American College of Surgeons Trauma Quality Programs, aggregano i dati dei registri dei traumi provenienti dai centri partecipanti. Questa aggregazione consente di analizzare modelli di lesione, complicanze, disparità nell'assistenza traumatologica e variazioni a livello di singolo centro, aspetti che nessun ospedale sarebbe in grado di gestire autonomamente.

Il limite principale è che si tratta di un campione di convenienza di centri partecipanti, non di un registro basato sulla popolazione. Il denominatore è sconosciuto, l'insieme degli ospedali partecipanti cambia di anno in anno e i pazienti deceduti sul campo o che si sono recati in centri non partecipanti non sono inclusi. Qualsiasi articolo che riporti un tasso nazionale di infortuni basato su questi dati è errato, e gli esperti di traumatologia lo confermeranno. Inoltre, non è previsto alcun follow-up post-dimissione, pertanto non sono disponibili informazioni sulla funzionalità a lungo termine e sui tassi di riammissione. La stessa cautela riguardo al contenuto dei dati pubblici sugli infortuni si applica anche ad altre fonti correlate, come discusso nell'articolo sull'affidabilità delle statistiche sugli infortuni del NEISS.

Dal punto di vista analitico, la gravità delle lesioni deve essere derivata anziché considerata attendibile, le variabili fisiologiche sono mancanti in schemi che correlano con la gravità e i pazienti tendono a raggrupparsi all'interno dei centri. I dati di registro di questo tipo necessitano inoltre di una pulizia rigorosa, descritta in sei tecniche per la pulizia dei dati dei registri clinici . La guida completa su cosa i dati NTDB e TQP possono e non possono supportare, inclusi i metodi di codifica della gravità delle lesioni e di modellazione del raggruppamento per struttura, è disponibile in " Spiegazione dei dati del registro dei traumi NTDB e TQP" . Abbiamo realizzato una simulazione indipendente che dimostra come la gestione non documentata dei casi completi con dati fisiologici mancanti dimezzi approssimativamente il tasso di mortalità riportato per una coorte, dal 5.50% al 2.68%, come dettagliato in " Quanto l'analisi dei casi completi influenza effettivamente la mortalità da trauma".

Accesso: è necessario essere in possesso dell'accordo di utilizzo dei dati ACS e fornire il file. Non possiamo ottenerlo per vostro conto. Servizio: Studio del registro dei traumi NTDB/TQP , $ 2,400, 15 giorni lavorativi.

Randomizzazione mendeliana: ne è davvero la causa?

Gli altri tre rispondono a domande descrittive e prognostiche. Quando la domanda è genuinamente causale e uno studio randomizzato non è fattibile, la randomizzazione mendeliana utilizza le varianti genetiche come variabili strumentali, sfruttando il fatto che gli alleli vengono assegnati al momento del concepimento indipendentemente dalla maggior parte dei fattori confondenti.

È adatto a esposizioni modificabili con dati di associazione a livello genomico ben strutturati, in particolare l'esposizione a vita a un biomarcatore o a una misura della composizione corporea, ed è sempre più utilizzato per la selezione dei bersagli farmacologici prima dello sviluppo. Per maggiori informazioni sul metodo, consultate il nostro articolo che spiega cos'è la randomizzazione mendeliana e quando utilizzarla , e la più ampia famiglia di approcci basati su variabili strumentali.

Due avvertenze sono importanti. La stima rappresenta un effetto medio sull'intera vita, non l'effetto di un intervento in un singolo momento della vita, e ora i revisori si aspettano che gli articoli lo specifichino. Inoltre, poiché il software è gratuito e le statistiche riassuntive sono pubbliche, il settore si è riempito di articoli su singole esposizioni privi di analisi di sensibilità, che sono esattamente ciò che gli editori ora rifiutano a prima vista. La robustezza dello strumento, il filtraggio di Steiger, diversi stimatori robusti alla pleiotropia, il rilevamento degli outlier e la replicazione non sono più optional. Abbiamo simulato 135,000 studi di randomizzazione mendeliana per misurare cosa si ottiene effettivamente dalla robustezza dello strumento e abbiamo scoperto che con una statistica F pari a 3 l'intervallo di confidenza è 13.6 volte più ampio dell'effetto misurato. Il test completo, con entrambi i motori, sta in ciò che la statistica F effettivamente indica . Per quanto riguarda la pleiotropia, la nostra simulazione di ciò da cui ciascuno dei quattro stimatori protegge effettivamente dimostra che la concordanza tra di essi non è una prova della validità degli strumenti.

Accesso: statistiche riassuntive pubbliche del GWAS, che otteniamo noi. Servizio: Studio di randomizzazione mendeliana , $ 2,900, 15 giorni lavorativi.

Cosa hanno in comune tutti e quattro

Indipendentemente dalla fonte utilizzata, sono sempre gli stessi pochi fattori a determinare se l'articolo supererà la fase di revisione.

• La novità viene stabilita prima dell'analisi, non dopo. Questi set di dati si saturano rapidamente. Maupin e colleghi, in un articolo pubblicato su BMC Medicine nel 2026, hanno esaminato le pubblicazioni dal 2021 a luglio 2025 e hanno riscontrato una notevole ridondanza basata specificamente sui dati NHANES, definendo la ridondanza come la presenza delle stesse esposizioni rispetto agli stessi esiti nella stessa popolazione. I revisori si aspettano un modello predefinito.
• Il progetto è esplicitamente descritto nei metodi. Nominare le variabili di peso, stratificazione e clustering, o lo stimatore dei rischi competitivi, o l'unità di clustering, segnala competenza in poche righe. La loro assenza segnala altrettanto rapidamente il contrario.
• Sono stati rispettati gli standard di rendicontazione. STROBE per il lavoro osservazionale, STROBE-MR per l'inferenza causale genetica, TRIPOD per i modelli predittivi. Il nostro Tutorial STROBE copre ciò che i revisori effettivamente controllano.
• Registrazione verificata. Sempre più atteso anche per l'analisi secondaria retrospettiva, come stabilito in perché uno studio retrospettivo dovrebbe comunque essere registrato.
• Limitazioni che identificano la vera minaccia. Temporalità trasversale, confondimento per indicazione, campionamento di convenienza, interpretazione degli effetti a lungo termine. Un paragrafo sui limiti che elenca avvertenze generiche omettendo quella ovvia suona come un tentativo di elusione. Per la posizione di ciascun disegno nella gerarchia, vedere livelli di evidenza nella ricerca clinica.

Ancora non sono sicuro di quale

Solitamente, tre domande risolvono il dubbio. La tua domanda richiede un denominatore nazionale? In tal caso, il riferimento è a NHANES ed esclude NTDB. Richiede un follow-up temporale sull'evento? In tal caso, il riferimento è a SEER ed esclude NHANES. Deve stabilire che una cosa ne causi un'altra, piuttosto che che si verifichino contemporaneamente? In tal caso, il riferimento è alla randomizzazione mendeliana ed esclude tutte le altre tre opzioni.

Se la tua domanda supera tutte e tre le fasi e continua a non trovare una soluzione, oppure se si estende a più di una fonte, si tratta di un impegno esteso piuttosto che di un pacchetto predefinito.

Strumenti e risorse

Supporto professionale

Effettuiamo studi su tutte e quattro le fonti secondo gli standard sopra descritti e diciamo di no quando i dati non sono in grado di rispondere alla domanda.

La categoria completa è disponibile alla pagina Studi sui registri e sui dati del mondo reale.

Referenze

1. Maupin D, Suchak T, Barnett A, Spick M. Aumento drastico delle pubblicazioni ridondanti nell'era dell'IA generativa. BMC Medicine. 2026; 24 (1): 29. doi: 10.1186 / s12916-025-04569-y
2. Centro nazionale di statistica sanitaria. Metodi di indagine e linee guida analitiche del NHANES. CDC
3. Istituto Nazionale del Cancro. Programma di Sorveglianza, Epidemiologia e Risultati Finali. veggente.cancer.gov
4. American College of Surgeons. File di utilizzo per i partecipanti ai programmi di qualità per la gestione dei traumi. facs.org
5. von Elm E, Altman DG, Egger M, et al. La dichiarazione STROBE. The Lancet. 2007;370(9596):1453-1457. doi:10.1016/S0140-6736(07)61602-X
6. Skrivankova VW, Richmond RC, Woolf BAR, et al. Rafforzare la rendicontazione degli studi osservazionali in epidemiologia mediante la randomizzazione mendeliana: la dichiarazione STROBE-MR. JAMA. 2021;326(16):1614-1621. doi:10.1001/jama.2021.18236