La natura incognita della malattia Covid-19 e le diverse forme di manifestazione hanno reso complessa la pianificazione di studi per valutare l'efficacia e la sicurezza dei trattamenti. Il trial clinico controllato randomizzato è considerato dalla comunità scientifica lo strumento più affidabile per generare evidenze credibili sull'efficacia degli interventi medici, ma potrebbe risultare intrinsecamente inadatto a cogliere l'impatto delle cure nella pratica clinica corrente. Pertanto, diventano fondamentali, gli studi basati sui Real Word Data. Il nostro progetto sarà in collaborazione con l'UOC Malattie Infettive, Ospedale SM Goretti Latina si baserà sull'analisi dei dati di pazienti con polmonite SARS-CoV2 ricoverati presso tale struttura. L'obiettivo sarà valutare in un contesto real life i benefici clinici in termini di efficacia e tollerabilità apportati dal Remdesivir rispetto a Ritonavir/Lopinavir e Clorochina e identificare i possibili fattori di rischio della malattia definendo diversi endpoint di natura clinica. In particolare, si terrà conto dell'endpoint che sintetizza la gravità di malattia ( Sindrome da distress respiratorio acuto, ARDS ) definita sulla base dei valori del rapporto PaO2/FiO2 (P/F). Verranno quindi applicati i modelli basati sui rischi competitivi per valutare l'incidenza della gravità di ARDS considerando come evento concorrente la morte. Dal punto di vista statistico, il passaggio nei diversi stati di malattia verrà trattato come un processo aleatorio, la catena di Markov. La valutazione della terapia sulla progressione della malattia, verrà eseguita mediante il confronto tra le probabilità di transizione a seconda del trattamento utilizzato. Infine l'efficacia del trattamento verrà valutata tramite l'applicazione del joint model che consente di tener conto della associazione tra il profilo longitudinale dei dati (misurazioni del P/F ai vari istanti di tempo) e la natura time to event del outcome (gravità di malattia).
Ci sono diverse caratteristiche innovative nel progetto che in parte sono state già discusse descritte nella sezione precedente.
Considerato il contesto storico, una pandemia, non è scontato semplice disporre di un dataset esaustivo, di una realtà provinciale, nella raccolta delle variabili demografiche, di laboratorio e cliniche. La prima fase del progetto consiste nella valutazione della qualità del dato e della sua esaustività.
Una analisi statistica rigorosa di tale dataset potrebbe apportare delle conoscenze importanti per comprendere le determinati demografiche e cliniche sulla sopravvivenza globale e sulla gravità di malattia dei pazienti con polmonite SARS-CoV2.
Punto di forza del progetto la disponibilità di dati che permetteranno di poter definire diversi quesiti di ricerca ponendo attenzione oltre alla sopravvivenza globale anche alla gravità di malattia e la sua possibile evoluzione.
L¿utilizzo dei modelli a rischi competitivi consentirà di determinare l'incidenza delle varie forme di ARDS e di confrontarle in base al trattamento ricevuto, tenendo conto di tutte le possibili variabili demografiche, cliniche e di laboratorio disponibili.
In letteratura sono molto pochi i lavori che analizzano i dati longitudinalmente tenendo conto che i pazienti possono sperimentare diversi stati di malattia mediante l¿applicazione del modello di Markov.
L¿aspetto innovativo del progetto derivante dall'applicazione di tale modello permetterà di comprendere in termini probabilistici l¿evoluzione della malattia a seconda della permanenza in un particolare stato e quindi restituire un dato utile al clinico per poter decidere in merito all'eventuale progressione della malattia.