Abbiamo calcolato il rischio vascolare usando il package chiamato whoishRisk la cui spiegazione è nell’articolo (Collins 2017).

Questo grafico rappresenta la distribuzione del nostro campione (n = 1032 perchè abbiamo tolto quelli con qualche NA nei valori necessari a calcolare il rischio) a seconda del livello di rischio calcolato usando la formula laboratory based.

Usando la formula non-laboratory solo 2 individui cambiano classe di rischio, quindi forse non vale la pena calcolarlo con le due formule e confrontare visto che la differenza è minima. Al massimo possiamo scrivere nell’articolo che abbiamo fatto l’analisi con entrambe le formule, e visto che le differenze sono trascurabili, è un punto a favore del sistema non-laboratory, visto che da quasi gli stessi risultati con una semplicità maggiore.

I due pazienti che vengono valutati in maniera diversa sono attribuiti ad una classe rischio maggiore dal non-laboratory, che quindi potrebbe essere leggermente meno specifico. Cosa che forse è meno problematica che essere meno sensibile. (possiamo scriverlo nell’articolo)

Abbiamo fatto una regressione in cui abbiamo accorpato con “alto-rischio” quelli che hanno un rischio maggiore di 10% che sono circa il 21% del campione e abbiamo visto quali variabili sono associate all’alto rischio.

Analisi univariata rischio alto-basso rispetto altre variabili

Characteristic

OR1

95% CI1

p-value

regimen_line

1st Line

—

—

2nd Line

0.79

0.34, 1.64

0.6

alcohol_consumption

NO

—

—

YES

2.02

1.37, 2.94

<0.001

time_hiv_diagnosis

> 12 months

—

—

6-12 months

0.21

0.01, 1.03

0.13

< 6 months

0.72

0.21, 1.91

0.5

infectious_pos

FALSE

—

—

TRUE

1.76

1.07, 2.85

0.023

overweight_pos

FALSE

—

—

TRUE

1.23

0.73, 1.99

0.4

underweight_pos

FALSE

—

—

TRUE

0.94

0.62, 1.41

0.8

time_hiv_dummy

long

—

—

short

0.51

0.19, 1.13

0.13

1OR = Odds Ratio, CI = Confidence Interval

Al momento risultano significagivi i consumo di alcol e la diagnosi di una malattia infettiva (oltre l’HIV).

Il tempo in terapia non risulta associato. Per esserne sicuri abbiamo anche fatto questo grafico in cui non si vede alcuna variazione con passare dei giorni in terapia.

Potrebbe essere uno dei findings dello studio, soprattutto se in letteratura qualcuno ha già discusso del tempo in terapia per HIV e rischio cardiovascolare. Buono a sapersi che non aumenta dei pazienti in terapia da tanto tempo.

TUTTAVIA… abbiamo anche provato a vedere come si distribuiscono nelle tre classi del tempo in terpaia che hanno senso clinico ovvero:

  1. in terapia da meno di 6 mesi

  2. In terapia da 6-12 mesi

  3. In terapia da più di 12 mesi

E viene il grafico seguente.

Come potete vedere quelli in terapia da poco tempo sono pochissimi, quindi è un po’ difficile valutare se ci sono differenze sostanziali con i “vecchi pazienti”. Quindi la domanda principale è : Ha senso fare in maniera approfondita questo discorso sul tempo in terapia visto che abbiamo quasi tutti pazienti in terapia da più di un anno?

Per completare il quadro su questo ragionamento vi metto anche la distribuzione dei pazienti a seconda del tempo in terapia. Come vedete, in realtà, abbiamo una bella distribuzione, per cui semmai ha senso questo dicorso per osservare differenze tra vecchi e vecchissimi.

Abbiamo quindi riprovato a vedere come si distribuiscono le classi di rischio dividendo il tempo in terapia con cut-off a 10 anni. Ci abbiamo provato anche con cut-off a 5 anni ma abbiamo notato che le differenze sono più evidenti con cut-off a 10 anni (che poi è anche circa la metà del nostro campione)

Si vede chiaramente una differenza nel grafico, ma abbiamo fatto anche qualche test statistico.

Il primo test è il chi quadro per vedere se la distribuzione nelle classi tra prima è dopo 10 anni è statisticamente significativa. Ecco il risultato qui sotto. Si vede che la distribuzione è differente. Il valore p è 0.0002285, che è molto inferiore a 0.05 (soglia tipica per la significatività statistica). Un valore p così basso indica che è estremamente improbabile che la relazione osservata tra il tempo dalla diagnosi di HIV e i livelli di rischio sia dovuta al caso.

## 
##  Pearson's Chi-squared test
## 
## data:  table_data
## X-squared = 21.713, df = 4, p-value = 0.0002285

Abbiamo anche esplorato la differenz tra le varie classi. Qui. sotto riporto i risultati. Questa è l’interpretazione:

##         <10%  10% to <20%  20% to <30%  30% to <40%        >=40% 
## 1.740221e-04 7.070183e-05 1.000000e+00 1.000000e+00 1.000000e+00

Infine, per dare un dato che capiscono tutti gli epidemiologi, abbiamo accorpato le classi di rischio maggiori del 10% e abbiamo calcolato un Odds Ratio. Qui sotto il risultato. Come si vedere quelli in terapia da più di 10’ anni hanno circa il doppio della probabilità di avere un rischio cardiovascolare maggiore del 10%. Non so dire se da un punto di vista clinico è qualcosa di rilevante, comunque i numeri ci dicono questo. Lasciamo a voi medici l’interpretazione clinica.

Characteristic OR1 95% CI1 p-value
time_class
    New — —
    Old 1.90 1.41, 2.57 <0.001
1 OR = Odds Ratio, CI = Confidence Interval