Our Evidence Framework

Panoramica

PeptideInsight utilizza un sistema strutturato di classificazione delle prove per aiutare i lettori a valutare rapidamente la qualità e la quantità della ricerca scientifica alla base di ciascun peptide e dei suoi effetti dichiarati. Questo sistema si basa sui principi della medicina basata sull'evidenza (EBM) e adattato specificamente al panorama della ricerca sui peptidi, dove molti dei dati disponibili sono preclinici.

I gradi di evidenza vengono assegnati per peptide e, ove applicabile, per effetto specifico dichiarato. Un singolo peptide può avere prove solide per un'applicazione, prove moderate per un'altra e solo dati preclinici per una terza. Questa granularità è importante perché i materiali di marketing e le discussioni online generalizzano frequentemente dall'uso più supportato di un peptide a tutti i suoi benefici dichiarati.

La Gerarchia delle Prove

Prima di spiegare il nostro specifico sistema di classificazione, è importante comprendere la gerarchia più ampia delle prove scientifiche che lo sottende. Elencate dalla più forte alla più debole:

Livello 1: Revisioni Sistematiche e Meta-Analisi

Una revisione sistematica utilizza una strategia di ricerca predefinita e riproducibile per identificare tutti gli studi pertinenti su una domanda, quindi valuta criticamente e sintetizza i loro risultati. Una meta-analisi va oltre combinando statisticamente i risultati quantitativi di più studi per produrre una stima dell'effetto aggregato con maggiore precisione rispetto a qualsiasi singolo studio.

Perché questo si classifica al primo posto: Aggregando i dati attraverso più studi, le meta-analisi aumentano la potenza statistica, possono rilevare effetti piccoli ma reali e aiutano a identificare la coerenza (o incoerenza) dei risultati tra diverse popolazioni e contesti.

Avvertenze: Una meta-analisi è valida quanto gli studi che include. L'aggregazione di studi difettosi produce una sintesi difettosa: "spazzatura in, spazzatura fuori". L'eterogeneità tra gli studi (diverse popolazioni, dosaggi, endpoint) può rendere inappropriata l'aggregazione.

Livello 2: Studi Controllati Randomizzati (RCT)

I partecipanti vengono assegnati casualmente a ricevere il trattamento o un controllo (placebo o comparatore attivo). La randomizzazione minimizza il bias di selezione e bilancia i fattori confondenti noti e sconosciuti tra i gruppi. Il doppio cieco (né il partecipante né l'investigatore conoscono l'assegnazione) riduce ulteriormente il bias di misurazione e di segnalazione.

Perché questo si classifica in alto: La randomizzazione è il metodo più affidabile per stabilire la causalità. Se l'unica differenza sistematica tra i gruppi è il trattamento, allora le differenze nei risultati possono essere attribuite al trattamento.

Fattori chiave di qualità:

Dimensione del campione e potenza statistica
Adeguatezza della randomizzazione e del mascheramento dell'allocazione
Cieco (singolo, doppio o aperto)
Analisi per intenzione di trattamento (intention-to-treat)
Endpoint primari predefiniti
Tasso di abbandono e gestione dei dati mancanti
Durata del follow-up

Livello 3: Studi di Coorte

Studi osservazionali che seguono gruppi di persone nel tempo, confrontando coloro che sono stati esposti a un fattore (o trattamento) con coloro che non lo sono stati. Gli studi di coorte prospettici seguono i partecipanti in avanti nel tempo; le coorti retrospettive esaminano dati storici.

Punti di forza: Possono studiare esiti a lungo termine, esposizioni rare e molteplici esiti contemporaneamente. Utili quando gli RCT sarebbero non etici o impraticabili.

Debolezze: Non possono stabilire la causalità a causa di variabili confondenti. Le persone che scelgono di assumere un peptide possono differire sistematicamente da coloro che non lo fanno.

Livello 4: Studi Caso-Controllo

I ricercatori identificano persone con un esito (casi) e senza (controlli), quindi guardano indietro per confrontare le esposizioni. Utili per studiare malattie rare.

Debolezze: Altamente suscettibili al bias di richiamo e al bias di selezione. Non possono stabilire la causalità.

Livello 5: Serie di Casi e Rapporti di Casi

Descrizioni di singoli pazienti o piccoli gruppi di pazienti. Possono generare ipotesi e identificare eventi avversi rari, ma non possono stabilire l'efficacia o la causalità.

Livello 6: Studi su Animali (In Vivo)

Studi condotti su animali vivi, più comunemente topi e ratti. Questi forniscono informazioni essenziali su meccanismi, tossicità e farmacocinetica in un sistema biologico completo, ma i risultati spesso non si traducono negli esseri umani. Circa il 90% dei farmaci che hanno successo negli studi su animali fallisce negli studi clinici sull'uomo.

Livello 7: Studi In Vitro

Esperimenti condotti su colture cellulari, preparazioni tissutali o sistemi biochimici isolati. Preziosi per comprendere i meccanismi molecolari, ma i più distanti dalla rilevanza clinica.

Livello 8: Opinione di Esperti e Ragionamento Meccanicistico

Argomentazioni teoriche basate sulla biologia nota o sul consenso degli esperti senza test empirici diretti. La forma di prova più debole, sebbene a volte l'unica forma disponibile per composti nuovi.

I Nostri Quattro Livelli di Evidenza

Sulla base della gerarchia sopra riportata, PeptideInsight assegna uno dei quattro gradi di evidenza (più una categoria "Dati Insufficienti") a ciascuna coppia peptide-indicazione.

Evidenza Solida

Criteri — devono essere soddisfatti tutti i seguenti:

Almeno due RCT ben progettati sull'uomo con risultati positivi coerenti
Preferibilmente supportato da almeno una revisione sistematica o meta-analisi
Risultati replicati da gruppi di ricerca indipendenti (non tutti da un unico laboratorio)
Pubblicato su riviste peer-reviewed con fattori di impatto consolidati
Dimensioni dell'effetto clinicamente significative (non solo statisticamente significative)
Tipicamente ha almeno un'approvazione da parte della FDA, EMA o altra importante agenzia regolatoria

Cosa significa per i lettori: L'evidenza supporta che questo peptide funziona per questa specifica indicazione nell'uomo, con parametri di sicurezza noti. Ciò non significa che il peptide sia privo di rischi o appropriato per tutti i pazienti.

Esempi:

Semaglutide per il diabete di tipo 2 e la gestione del peso (decine di RCT di Fase III, molteplici meta-analisi)
Tirzepatide per il diabete di tipo 2 e l'obesità (programmi di studi SURPASS e SURMOUNT)
Bremelanotide per il disturbo da desiderio sessuale ipoattivo nelle donne in premenopausa (studi RECONNECT di Fase III)
Octreotide per l'acromegalia e la sindrome carcinoide

Evidenza Moderata

Criteri — almeno due dei seguenti:

Uno o più RCT sull'uomo con risultati positivi, ma limitati in numero, dimensione del campione o ambito
Molteplici studi osservazionali ben progettati sull'uomo con risultati coerenti
Dati preclinici estesi e coerenti a supporto di un meccanismo plausibile
Almeno studi clinici di Fase II completati o in corso
Dati da più di un gruppo di ricerca indipendente

Cosa significa per i lettori: Esistono prove significative che suggeriscono che questo peptide possa essere efficace per questa indicazione, ma le prove non sono ancora definitive. Sono necessari ulteriori studi sull'uomo.

Esempi:

BPC-157 per la riparazione tissutale (dati estesi su animali da molteplici modelli, dati molto limitati da studi formali sull'uomo, ma meccanismo plausibile)
Timosina beta-4 per la guarigione delle ferite corneali (studi di Fase II completati)
GHK-Cu per la rigenerazione della pelle (molteplici studi in vivo e alcuni studi sull'uomo)

Evidenza Preliminare

Criteri — almeno uno dei seguenti:

Studi sull'uomo in fase iniziale (Fase I, studi pilota o piccole serie di casi)
Risultati positivi coerenti da studi su animali in molteplici gruppi di ricerca indipendenti
Forte razionale meccanicistico supportato da dati in vitro, ma conferma limitata in vivo
Ricerca principalmente da una singola regione geografica o gruppo di ricerca, ma con metodologia plausibile

Cosa significa per i lettori: Ci sono segnali che questo peptide possa avere l'effetto dichiarato, ma le prove sono ben lontane dall'essere conclusive. I risultati sugli animali potrebbero non tradursi negli esseri umani e i dati preliminari sull'uomo sono troppo limitati per avere fiducia.

Esempi:

Semax per il miglioramento cognitivo (studi clinici russi, limitata replicazione occidentale)
LL-37 per la guarigione delle ferite (dati di Fase I/II, estesi in vitro)
Ipamorelina per la secrezione di GH (dati di Fase II, limitati di Fase III)

Solo Preclinico

Criteri:

Evidenza limitata a studi su animali (in vivo) e/o studi di laboratorio (in vitro)
Nessun dato di studi clinici sull'uomo pubblicato per l'indicazione specifica
Il meccanismo è proposto sulla base di risultati di laboratorio, ma la traduzione umana è incerta
Potrebbe avere dati da un solo gruppo di ricerca o da un solo tipo di modello animale

Cosa significa per i lettori: Questo peptide ha mostrato promesse in laboratorio, ma non ci sono prove dirette che funzioni nell'uomo per questa indicazione. Il salto dalla coltura cellulare o dal modello roditore alla terapia umana è enorme e la maggior parte dei composti che appaiono promettenti in questa fase non diventano mai farmaci di successo.

Esempi:

Epitalon per l'attivazione della telomerasi e l'anti-invecchiamento (principalmente dati del laboratorio Khavinson)
DSIP per la regolazione del sonno (modelli animali, dati sull'uomo limitati e incoerenti)
Molti peptidi nuovi o scoperti di recente

Dati Insufficienti

Esiste troppo poca ricerca pubblicata per fare una valutazione significativa. Il peptide potrebbe essere molto nuovo, o la ricerca disponibile potrebbe essere troppo scarsa, mal progettata o contraddittoria per trarre conclusioni.

Tipi di Disegno di Studio che Valutiamo

Quando si esamina la letteratura per un peptide, prendiamo in considerazione i seguenti disegni di studio e li ponderiamo di conseguenza:

Studi Interventistici (esperimenti):

Studi controllati randomizzati (gruppo parallelo, crossover, fattoriale)
Studi controllati non randomizzati
Studi interventistici a braccio singolo (senza gruppo di controllo)

Studi Osservazionali:

Studi di coorte prospettici
Studi di coorte retrospettivi
Studi caso-controllo
Studi trasversali
Studi ecologici

Studi Descrittivi:

Serie di casi
Rapporti di casi

Ricerca Secondaria:

Revisioni sistematiche (con o senza meta-analisi)
Revisioni narrative
Revisioni ombrello (revisioni di revisioni sistematiche)

Ricerca Preclinica:

Studi su animali in vivo (roditori, primati, altri)
Studi su tessuti ex vivo
Studi su colture cellulari in vitro
Studi computazionali in silico

Concetti Statistici che Consideriamo

Valori P

Il valore p rappresenta la probabilità di osservare risultati almeno altrettanto estremi di quelli ottenuti, assumendo che l'ipotesi nulla (nessun effetto) sia vera. Un valore p di 0,05 significa che c'è una probabilità del 5% di osservare tali risultati se il trattamento non ha realmente alcun effetto.

Cosa NON dicono i valori p:

La probabilità che l'ipotesi sia vera o falsa
La dimensione o l'importanza clinica dell'effetto
Se il risultato si replicherà

Segnaliamo studi che si basano su valori p limite (0,04–0,05) senza dimensioni del campione adeguate e studi che testano molti esiti senza aggiustamenti per confronti multipli.

Intervalli di Confidenza (IC)

Un intervallo di confidenza al 95% fornisce un intervallo entro il quale è probabile che cada l'effetto reale. Intervalli più stretti indicano stime più precise. Preferiamo studi che riportano intervalli di confidenza rispetto a quelli che riportano solo valori p, perché gli IC trasmettono sia la magnitudo che la precisione dell'effetto.

Regole chiave di interpretazione:

Se l'IC al 95% per una differenza attraversa lo zero (o per un rapporto, attraversa 1,0), il risultato non è statisticamente significativo al livello di 0,05
IC ampi indicano stime imprecise, spesso dovute a piccole dimensioni del campione
Due studi possono essere entrambi "significativi" ma avere magnitudo dell'effetto molto diverse

Numero Necessario da Trattare (NNT)

Il numero di pazienti che devono essere trattati affinché un paziente in più ne tragga beneficio. NNT più bassi indicano trattamenti più efficaci. Un NNT di 1 significherebbe che ogni paziente ne trae beneficio; un NNT di 100 significa che è necessario trattare 100 pazienti affinché uno ne tragga beneficio. Utilizziamo l'NNT per contestualizzare la significatività clinica quando disponibile.

Rapporti di Rischio (HR)

Utilizzati principalmente nelle analisi di sopravvivenza e negli studi sul tempo all'evento. Un rapporto di rischio di 0,5 significa che il gruppo di trattamento ha la metà del tasso di evento (ad esempio, morte, progressione della malattia) rispetto al controllo in qualsiasi momento dato. Un HR di 1,0 significa nessuna differenza.

Riduzione del Rischio Assoluto vs. Relativo

Prestiamo molta attenzione se gli studi riportano riduzioni del rischio assolute o relative, poiché le misure relative possono essere fuorvianti. Se un trattamento riduce il rischio dal 2% all'1%, la riduzione del rischio relativo è del 50% (suona impressionante) ma la riduzione del rischio assoluto è solo dell'1% (meno impressionante). Entrambi i numeri sono tecnicamente corretti, ma la riduzione assoluta trasmette meglio l'impatto pratico.

Tipi di Bias che Valutiamo

Bias di Selezione

Differenze sistematiche tra i gruppi confrontati. Negli RCT, questo è minimizzato da una corretta randomizzazione e mascheramento dell'allocazione. Negli studi osservazionali, questo è una preoccupazione importante.

Bias di Pubblicazione

Gli studi con risultati positivi hanno maggiori probabilità di essere pubblicati rispetto a quelli negativi. Ciò crea una letteratura distorta in cui i trattamenti appaiono più efficaci di quanto non siano realmente. Cerchiamo segni di bias di pubblicazione, inclusi grafici a imbuto asimmetrici nelle meta-analisi e studi registrati che non hanno mai pubblicato i risultati.

Bias di Finanziamento

Gli studi finanziati dall'industria tendono a riportare risultati favorevoli più spesso della ricerca finanziata in modo indipendente. Notiamo le fonti di finanziamento e valutiamo se il disegno dello studio potrebbe essere stato influenzato da interessi commerciali.

Bias dell'Osservatore/Rilevamento

Differenze nel modo in cui gli esiti vengono misurati o valutati tra i gruppi. Minimizzato mascherando i valutatori all'assegnazione del gruppo.

Bias di Attrito

Differenze sistematiche nei tassi di abbandono tra i gruppi. Se più pazienti abbandonano il gruppo di trattamento (a causa di effetti collaterali, ad esempio), i partecipanti rimanenti potrebbero non essere rappresentativi.

Bias di Segnalazione

Segnalazione selettiva degli esiti. Uno studio può misurare 15 endpoint ma riportare solo i 3 che hanno mostrato risultati significativi. Controlliamo le registrazioni degli studi (ClinicalTrials.gov) rispetto ai risultati pubblicati per identificare potenziali bias di segnalazione.

Considerazioni Speciali: Peptidi di Khavinson

Diversi peptidi discussi su PeptideInsight — inclusi Epitalon, Vilon, Thymalin e altri peptidi brevi — provengono principalmente dal laboratorio del Professor Vladimir Khavinson presso l'Istituto di Bioregolazione e Gerontologia di San Pietroburgo. Applichiamo un ulteriore scrutinio a questi composti perché:

La maggior parte della ricerca pubblicata proviene da un unico gruppo di ricerca
Molti studi sono pubblicati su riviste in lingua russa con una revisione paritaria internazionale limitata
Alcuni meccanismi dichiarati (ad esempio, interazione diretta del DNA da parte di tetrapeptidi) non sono ben supportati dalla ricerca biochimica indipendente
I peptidi sono commercializzati in Russia, creando potenziali conflitti di interesse
La replica indipendente da parte di gruppi di ricerca occidentali è molto limitata

Ciò non significa che questi peptidi siano inefficaci, ma significa che le prove dovrebbero essere interpretate con maggiore cautela. Notiamo esplicitamente questa limitazione di fonte singola nelle nostre valutazioni delle prove.

Categorie di Stato Regolatorio

Tracciamo anche lo stato regolatorio di ciascun peptide:

Approvato dalla FDA: Il peptide è stato approvato dalla U.S. Food and Drug Administration per almeno un'indicazione specifica
Approvato dall'EMA: Approvato dall'Agenzia Europea per i Medicinali
Approvato in altre giurisdizioni: Approvato in paesi specifici (ad esempio, Russia, Giappone, Australia) ma non FDA/EMA
In studi clinici: Attualmente in fase di sperimentazione in studi clinici registrati sull'uomo (Fase I, II o III)
Sperimentale: In fase di ricerca attiva ma non ancora in studi clinici formali
Composto di ricerca: Disponibile per la ricerca di laboratorio; non approvato per l'uso umano
Interrotto: Sviluppo interrotto a causa di problemi di sicurezza, mancanza di efficacia o motivi commerciali

Come Assegniamo e Aggiorniamo i Gradi

Il nostro processo di classificazione segue questi passaggi:

Ricerca bibliografica: Cerchiamo su PubMed, Google Scholar, ClinicalTrials.gov, Cochrane Library ed EMBASE tutta la ricerca pubblicata su ciascuna coppia peptide-indicazione
Catalogazione degli studi: Cataloghiamo ogni studio pertinente per disegno, dimensione del campione, qualità e fonte di finanziamento
Valutazione della qualità: Valutiamo la qualità dello studio utilizzando framework consolidati (strumento Cochrane Risk of Bias per gli RCT, Scala Newcastle-Ottawa per gli studi osservazionali)
Controllo di replicazione: Valutiamo se i risultati sono stati replicati da gruppi di ricerca indipendenti in contesti diversi
Valutazione della coerenza: Valutiamo se la totalità delle prove punta nella stessa direzione o è contraddittoria
Assegnazione del grado: Assegniamo un grado in base alla totalità delle prove disponibili, ponderando maggiormente le prove di qualità superiore
Revisione paritaria: I gradi vengono revisionati da almeno un altro membro del team prima della pubblicazione
Aggiornamenti periodici: Rivediamo e aggiorniamo i gradi man mano che vengono pubblicate nuove ricerche significative, con la data dell'ultimo aggiornamento mostrata su ciascuna pagina del peptide

Limitazioni del Nostro Sistema

I gradi di evidenza riflettono lo stato attuale della ricerca pubblicata e possono cambiare man mano che emergono nuovi studi
Un basso grado di evidenza non significa che un peptide sia inefficace — significa che esistono ricerche insufficienti per trarre conclusioni definitive
Un alto grado di evidenza per un'applicazione non si estende ad altri usi dichiarati dello stesso peptide
Il nostro sistema non può tenere pienamente conto di dati non pubblicati, studi in corso non ancora riportati o ricerche in lingue a cui non possiamo accedere
Miriamo all'obiettività, ma tutti i sistemi di classificazione comportano un certo grado di giudizio
La nostra classificazione non sostituisce il processo decisionale clinico da parte di operatori sanitari qualificati