Una crescita lineare vacillante o un tasso di crescita anormalmente lento in un bambino
in altezza o lunghezza sono indicatori importanti di cattiva salute infantile che colpisce milioni di bambini in tutto il mondo (Keats et al., 2021).
Una riduzione di una crescita lineare durante la prima infanzia è stata collegata ad una crescita non ottimale, con risultati cognitivi ed educativi ed aumento del rischio di malattie
morbilità e mortalità (Adair et al., 2013; Cheung & Ashorn, 2010;de Onis & Branca, 2016; Scharf et al., 2018).
Interventi disponibili per alleviare il peso della scarsa crescita lineare sono stati limitati
in efficacia, con studi randomizzati e controllati spesso stimanti entità dell’effetto che non sono considerati clinicamente significativi (Ahmed et al., 2021; Keats et al., 2021; Pickering et al., 2019).
Come nuovamente continuano gli interventi per affrontare il peso della vacillante crescita lineare da sviluppare, è necessario ottimizzare i metodi di analisi utilizzati negli studi clinici delle nuove gestioni.
Gli studi controllati randomizzati mirati alla crescita lineare vacillante generalmente utilizzano lunghezza per età z-score (Length‐for‐Age Z‐score, LAZ), un’età standardizzata
misura della lunghezza del bambino, come endpoint primario. Per quanto la lunghezza possa essere misurata longitudinalmente, con misurazioni pre-intervento spesso si ottengono risultati.
Recenti sperimentazioni servono come esempio di dove le misurazioni della lunghezza sono state effettuate al basale prima di qualsiasi intervento e nuovamente ai tempi di follow-up (Deboer et al., 2018; Iannotti et al., 2017; Mangani et al., 2015).
Vanno considerati interventi di crescita e sviluppo dell’infanzia in Tanzania
(Early Life Interventions of ChIldhood Growth and Development in Tanzania, ELICIT, Deboer et al., 2018), che hanno randomizzato antimicrobici e/oo nicotinamide per promuovere la crescita fino ai 18 mesi di età.
I neonati sono stati arruolati entro 14 giorni dalla nascita e hanno ricevuto lo studio
con farmaci periodicamente dall’arruolamento fino ai 18 mesi di età. La lunghezza
è stata misurata al momento dell’arruolamento e successivamente ogni 3 mesi.
Come in altri studi clinici, i ricercatori dell’ELICIT hanno dovuto definire l’analisi
di lunghezza in un piano di analisi statistica a priori e in particolare come farlo
gestire le misurazioni di base nella loro analisi primaria.
Questo studio confronta le prestazioni di diversi metodi. Sono stati simulati studi randomizzati controllati che valutavano un ipotetico intervento per migliorare il punteggio z lunghezza per età (Length-for-Age Z-score, LAZ) dalla nascita fino ai 24 mesi di età.
L’effetto dell’intervento è stato valutato utilizzando la regressione lineare e cinque metodi per gestire le misurazioni del basale:
- Confronto delle sole misurazioni finali (FINAL),
- Confronto della misurazione finale aggiustata per il basale (ADJUST),
- Confronto della variazione della misurazione nel tempo (DELTA),
- Aggiustamento per il basale quando confrontando le variazioni nel tempo (DELTA+ADJUST) e
- Aggiustando per il basale nell’approccio dei residui in due fasi (RESIDUALS).
Gli Autori hanno calcolato la distorsione, la precisione e la potenza di ciascun metodo per scenari con e senza uno squilibrio di base in LAZ.
Utilizzando una dimensione dell’effetto di 0,15 a 18 mesi, FINAL e DELTA hanno richiesto rispettivamente 1.200 e 1.500 partecipanti iscritti per raggiungere l’80% di potenza, mentre ADJUST, DELTA+ADJUST e RESIDUALS hanno richiesto solo 900 partecipanti.
I modelli corretti hanno anche prodotto stime imparziali quando si è verificato uno squilibrio di base, mentre i metodi FINAL e DELTA hanno prodotto stime distorte, rispettivamente inferiori e superiori di 0,07 rispetto all’effetto reale.
I metodi adattati richiedevano dimensioni del campione più piccole e producevano risultati più precisi rispetto ai metodi DELTA e FINAL in tutti gli scenari di test.
Se la randomizzazione fallisce e c’è uno squilibrio nel LAZ al basale, i metodi DELTA e FINAL possono produrre stime distorte, ma i modelli aggiustati rimangono imparziali. Questi risultati mettono in guardia contro l’utilizzo dei metodi FINAL o DELTA.
Matern Child Nutr. 2023 Oct;19(4):e13547. Leggi l’articolo (FREE)