LIBRO ULISSE NOVEMBRE 2011 28-11-2011 17 ... - Governo Italiano
LIBRO ULISSE NOVEMBRE 2011 28-11-2011 17 ... - Governo Italiano LIBRO ULISSE NOVEMBRE 2011 28-11-2011 17 ... - Governo Italiano
LIBRO ULISSE NOVEMBRE 2011 28-11-2011 17:09 Pagina 262 Parte Terza - Epidemiologia e prevenzione dei fattori di rischio riore informazione al fine di pervenire ad una diagnosi di secondo livello, migliore della precedente? Lo si può fare applicando il teorema di Bayes, che ora illustreremo in modo intuitivo, facendo riferimento alla tab. 1 . Tab. 1 Immaginiamo di avere 1000 pazienti affetti da una delle tre malattie in questione. In base a quanto visto nel punto 3), in media 70 di questi presenteranno la M1, 380 la M2, 550 la M3. Tenendo presente il punto 4), tra i 70 affetti dalla M1, sempre in media, 49 accuseranno la tosse stizzosa e 21 no. Questo segno sarà poi presente in 76 dei 380 soggetti affetti da M2 (e non presente in 304) e in 83 tra i 550 affetti da M3 (ma non nei restanti 468). Nel complesso, tra questi mille ammalati quelli che presenteranno la tosse stizzosa saranno dunque 208. Quindi, se la tosse è presente, la probabilità che ad originarla sia proprio una delle tre malattie sarà data dal rapporto di quanti hanno la tosse se soffrono di tale malattia diviso il numero totale di ammalati che hanno la tosse (o a causa della malattia M1, o per la M2 o per la M3) che, come visto, sono 208. Avremo perciò: 262 n° malati Malattia n° malati con e senza Tosse M1 70 Tosse 49 N° soggetti no Tosse 21 1000 M2 380 Tosse 76 no Tosse 304 M3 550 Tosse 83 no Tosse 468 Malati con Tosse 208 Malati senza Tosse 793 Totale 1000 Prob(M1/T) 49/208 0.24 Prob(M2/T) 76/208 0.36 Prob(M3/T) 83/208 0.40
LIBRO ULISSE NOVEMBRE 2011 28-11-2011 17:09 Pagina 263 Pr(M1/Tosse) = 49/208 = 0.24 (24%); Pr(M2/Tosse) = 76/208 = 0.36 (36%); Pr(M3/Tosse) = 83/208 = 0.40 (40%). Il problema dell’identificazione dei conducenti pericolosi La scrittura Pr(Mi/Tosse) sta ad indicare qual è la probabilità che il soggetto sia affetto dalla malattia Mi nel caso abbia la tosse. Si tratta ora non già di una probabilità assoluta, ma di una probabilità condizionata (condizionata al fatto che è presente la tosse stizzosa). Come si vede, sfruttando accanto alle proporzioni delle malattie anche l’informazione ‘tosse’, le cose cambiano: la probabilità che il paziente sia affetto dalla temuta M1 cresce più di tre volte, passando dal 7% (probabilità assoluta, basata solo sulle prevalenze naturali delle tre malattie) al 24% (probabilità condizionata all’avere accertato che il paziente presenta quella particolare tosse). Quella che prima sembrava una possibilità non troppo consistente, è diventata una possibilità piuttosto concreta. A questo punto, al medico non resta che sottoporre il signor Rossi a delle analisi specifiche, biologiche e strumentali, per decidere ancor più affidabilmente se si possa star tranquilli o se sia uscita la maledetta ‘pallina nera’. 5 Siamo in presenza di un conducente pericoloso? Il teorema di Bayes applicato alla sicurezza stradale Vediamo ora come il teorema di Bayes possa essere usato ai fini del miglioramento della sicurezza stradale. Ne faremo, come in precedenza, un’applicazione estremamente elementare (con dati fittizi), volta all’identificazione di conducenti pericolosi. Naturalmente, si tratta di un qualcosa di molto semplificato: l’importante è che quanto esposto permetta di capire a fondo (e di convincersi) del perché si sia ora in presenza di una situazione in cui è bene in ogni caso ricordarsi del passato (del conducente) e non già dimenticare, come perorato – in ben altro contesto - dalla canzone di Fiorelli e Valente. Immaginiamo di poter dividere i conducenti in tre categorie: quella dei ‘virtuosi’, quella degli ‘incostanti’ e quella dei ‘pericolosi’ (pervenire ad una suddivisione di questo tipo è l’obiettivo di una delle ricerche che stiamo attualmente portando avanti, analizzando dati accidentologici retrospettivi; ma non avendo ancora terminato il lavoro, utilizzeremo qui, come detto, dei dati fittizi). Siano dunque i conducenti virtuosi il 60% di tutti i conducenti (trattasi di persone attente al codice e sempre prudenti nella loro condotta di guida); siano il 30% gli incostanti (qualche infrazione importante, qualche azzardo, ma non così frequentemente nel tempo); siano infine il 10% i pericolosi (infrazioni importanti e ripetute alle norme del codice della strada, guida sistematicamente veloce, problemi personali vari, ad es. con l’alcol, con le droghe, ecc. ecc.). 263
- Page 211 and 212: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 213 and 214: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 215 and 216: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 217 and 218: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 219 and 220: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 221 and 222: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 223 and 224: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 225 and 226: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 227 and 228: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 229 and 230: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 231 and 232: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 233 and 234: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 235 and 236: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 237 and 238: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 239 and 240: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 241 and 242: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 243 and 244: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 245 and 246: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 247 and 248: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 249 and 250: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 251 and 252: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 253 and 254: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 255 and 256: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 257 and 258: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 259 and 260: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 261: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 265 and 266: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 267 and 268: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 269 and 270: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 271 and 272: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 273 and 274: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 275 and 276: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 277 and 278: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 279 and 280: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 281 and 282: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 283 and 284: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 285 and 286: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 287 and 288: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 289 and 290: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 291 and 292: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 293 and 294: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 295 and 296: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 297 and 298: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 299 and 300: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 301 and 302: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 303 and 304: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 305 and 306: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 307 and 308: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 309 and 310: LIBRO ULISSE NOVEMBRE 2011 28-11-20
- Page 311 and 312: LIBRO ULISSE NOVEMBRE 2011 28-11-20
<strong>LIBRO</strong> <strong>ULISSE</strong> <strong>NOVEMBRE</strong> <strong>20<strong>11</strong></strong> <strong>28</strong>-<strong>11</strong>-<strong>20<strong>11</strong></strong> <strong>17</strong>:09 Pagina 262<br />
Parte Terza - Epidemiologia e prevenzione dei fattori di rischio<br />
riore informazione al fine di pervenire ad una diagnosi di secondo livello,<br />
migliore della precedente?<br />
Lo si può fare applicando il teorema di Bayes, che ora illustreremo in modo intuitivo,<br />
facendo riferimento alla tab. 1 .<br />
Tab. 1<br />
Immaginiamo di avere 1000 pazienti affetti da una delle tre malattie in questione.<br />
In base a quanto visto nel punto 3), in media 70 di questi presenteranno la M1,<br />
380 la M2, 550 la M3.<br />
Tenendo presente il punto 4), tra i 70 affetti dalla M1, sempre in media, 49 accuseranno<br />
la tosse stizzosa e 21 no.<br />
Questo segno sarà poi presente in 76 dei 380 soggetti affetti da M2 (e non presente<br />
in 304) e in 83 tra i 550 affetti da M3 (ma non nei restanti 468).<br />
Nel complesso, tra questi mille ammalati quelli che presenteranno la tosse stizzosa<br />
saranno dunque 208.<br />
Quindi, se la tosse è presente, la probabilità che ad originarla sia proprio una<br />
delle tre malattie sarà data dal rapporto di quanti hanno la tosse se soffrono di<br />
tale malattia diviso il numero totale di ammalati che hanno la tosse (o a causa<br />
della malattia M1, o per la M2 o per la M3) che, come visto, sono 208. Avremo<br />
perciò:<br />
262<br />
n° malati<br />
Malattia n° malati con e senza<br />
Tosse<br />
M1 70 Tosse 49<br />
N° soggetti no Tosse 21<br />
1000<br />
M2 380 Tosse 76<br />
no Tosse 304<br />
M3 550 Tosse 83<br />
no Tosse 468<br />
Malati con Tosse 208<br />
Malati senza Tosse 793<br />
Totale 1000<br />
Prob(M1/T) 49/208 0.24<br />
Prob(M2/T) 76/208 0.36<br />
Prob(M3/T) 83/208 0.40