DTA Course > The Fraud
==================== MODULO 1: LA FRODE (THERANOS) ====================
Non hai sentito la storia della donna
who promised to cambiare il mondo con una goccia di sangue,
who raised billions on a test that never worked?
Diapositiva 1.2: Theranos Story
Palo Alto, 2003
STANFORD UNIVERSITY
A Un diciannovenne lasciò il college con una visione: un dispositivo in grado di eseguire centinaia di esami del sangue con una singola goccia, prelevata in modo indolore da un dito.

No more needles. No more vials. No more waiting.

Investors believed. Walgreens believed. The Pentagon believed.

They gave her $9 billion.
Carreyrou J. Bad Blood: Secrets and Lies in a Silicon Valley Startup. 2018
Diapositiva 1.3: La frode
Ma i test lied.
$9 Billion
Built on a test that didn't work
WHAT HAPPENED
Le macchine Theranos ha dato wrong results. Ai pazienti veniva detto che avevano l'HIV quando non era così. Ai pazienti è stato detto che il loro sangue era normale quando erano dying. L'azienda ha nascosto la verità per 15 years.
Diapositiva 1.4: Le vittime
The Victims
PHOENIX, ARIZONA
A una donna incinta è stato detto che il suo bambino sarebbe nato con un'anomalia cromosomica. Si stava preparando al peggio. Era in lutto.

Il test era sbagliato. Il bambino era sano.

But how many women, receiving the same news, made different decisions?
THE QUESTION
How do we know when a test is telling the truth? How do we measure a test's honesty?
Diapositiva 1.5: Il ritornello
"E il test mentì,
e la menzogna era vestita di certezza,
e nessuno mise in dubbio il numeri."

Ecco perché studiamo l'accuratezza dei test diagnostici.

==================== MODULO 2: I QUATTRO RISULTATI ====================
When a test gives a result,
ci sono solo four possible truths.

Due sono benedizioni. Due sono maledizioni.
Diapositiva 2.2: L'albero decisionale
L'albero dei risultati

Every Test Result Has a Reality Behind It

Patient Tested
↓
Test Says: POSITIVE
"You have it"
Test Says: NEGATIVE
"You're clear"
↓
TP
FP
FN
TN
Has disease
Test: Positive
No disease
Test: Positive
Has disease
Test: Negative
No disease
Test: Negative
Diapositiva 2.3: I quattro quadranti
I quattro Verità

True Positive (TP)

Sick person correctly identified.
Il test ha detto la verità.

False Positive (FP)

Healthy person wrongly alarmed.
Il test ha mentito.

False Negative (FN)

Sick person wrongly reassured.
La bugia più mortale.

True Negative (TN)

Healthy person correctly cleared.
Il test ha detto la verità.

Diapositiva 2.4: La tabella 2x2
Il Sacro Tabella

La matrice di confusione 2x2

Disease Present Disease Absent
Test Positive TP
True Positive		 FP
False Positive
Test Negative FN
False Negative		 TN
True Negative
REMEMBER
Ogni studio diagnostico deve riportare questi four numbers. Without them, you cannot judge a test.
Diapositiva 2.5: Il ritornello
"Two outcomes save. Two outcomes harm.
Know them by name.
TP, TN: il test ha parlato vero.
FP, FN: il test ha mentito."
==================== MODULO 3: SENSIBILITÀ E SPECIFICITÀ ====================
A test has two virtues and two vices.

Sensitivity asks: Can it find the sick?

Specificity asks: Can it spare the healthy?
Sensitivity
"Di tutti malati, quanti ne ha presi il test?"
THE FORMULA
Sensitivity = TP / (TP + FN)
True Positives divided by All Diseased
IN SIMPLE WORDS
Se 100 persone hanno il cancro e il test ne trova 90, sensitivity = 90%.

High sensitivity = few false negatives = few missed cases.
Specificity
"Di tutti i sani, quanti ne ha risparmiati il test?"
THE FORMULA
Specificity = TN / (TN + FP)
True Negatives divided by All Non-Diseased
IN SIMPLE WORDS
Se 100 persone sono sane e il test dice correttamente "negativo" per 95 di loro, specificity = 95%.

High specificity = few false positives = few false alarms.
Diapositiva 3.4: Il compromesso
Il crudele Compromesso
THE DILEMMA
A test cannot have both perfect sensitivity AND perfect specificity.

Lower the threshold to catch more sick people? You'll alarm more healthy people.

Raise the threshold to spare healthy people? You'll miss more sick people.

This is the threshold effect—l'altalena della diagnosi.
Diapositiva 3.5: SnNout e SpPin
Le regole della memoria
Sn

SnNout: Sensitive tests rule OUT

A highly sensitive test, when negative, rules out disease. If it didn't find it, it's probably not there.

Sp

SpPin: Specific tests rule IN

Un test altamente specifico, quando positivo, governa la malattia. Se dice che ce l'hai, probabilmente ce l'hai.

REMEMBER
SnNout: Sensitive Negative rules OUT
SpPin: Specific Positive rules IN
"La sensibilità cattura i malati.
La specificità risparmia i buoni.
But no test masters both perfectly—
Questo è il fardello che dobbiamo sopportare orso."
==================== MODULO 4: LO SCANDALO DEL TEST COVID ====================
Nell'anno 2020, quando la pestilenza colpì il terra,
il mondo aveva bisogno di un test in grado trovare rapidamente gli infetti.

But what if the rapid test missed too many?
Diapositiva 4.2: La promessa
La promessa di test rapidi
15 min
Results Time
$5
Cost per Test
Home
Self-Administered
THE HOPE
Rapid antigen tests could be used at home, at work, before gatherings. They could stop outbreaks before they started.
Diapositiva 4.3: La realtà
The Reality
COCHRANE SYSTEMATIC REVIEW, 2022
Quando i ricercatori hanno messo in comune i dati di 155 studi sui test antigenici rapidi per COVID-19:

Nelle persone CON sintomi:
Sensitivity: 73% (missed 27% of cases)

In people WITHOUT symptoms:
Sensitivity: 55% (missed 45% of cases)

Quasi la metà delle persone infette alle persone asintomatiche è stato detto che erano guarite.
Dinnes J et al. Cochrane Database Syst Rev. 2022;7:CD013705
Diapositiva 4.4: Le conseguenze
Si diffondono i falsi negativi
1

Thanksgiving Dinners

Families tested negative in the morning, gathered indoors, unknowingly infected grandparents

2

Workplace Outbreaks

Workers tested negative, came to work, infected colleagues in the break room

3

Hospital Transmission

Patients tested negative, admitted to wards, infected vulnerable patients

THE LESSON
A 55% sensitivity means 45% false negative rate. False negatives are invisible. They feel safe. They spread disease.
"E il test ha dato 'negativo'
e la famiglia si riunirono,
e il nonno abbracciò i suoi nipoti,
e alla fine dell'inverno se n'era andato."
==================== MODULO 5: RAPPORTI DI PROBABILITÀ ====================
Sensibilità e specificità descrivono il test.

Ma il paziente pone una domanda diversa:

"I tested positive. What are my chances?"
Diapositiva 5.2: Il problema con Sens/Spec
The Disconnect
A DOCTOR'S DILEMMA
A test has 99% sensitivity and 95% specificity. Sounds excellent.

Il tuo paziente risulta positivo a una malattia rara (prevalenza 1 su 1000).

Question: Qual è la probabilità che abbia effettivamente la malattia?

La maggior parte dei medici dice il 95%. La vera risposta? About 2%.
Likelihood Ratios
How much a test result changes the odds
POSITIVE LIKELIHOOD RATIO
LR+ = Sensitivity / (1 - Specificity)
How much more likely is a positive result in sick vs healthy?
NEGATIVE LIKELIHOOD RATIO
LR- = (1 - Sensitivity) / Specificity
How much more likely is a negative result in sick vs healthy?
What Good LRs Look Like
LR+ > 10
Strong rule-in
LR+ 5-10
Moderate rule-in
LR+ 2-5
Weak evidence
LR- < 0.1
Strong rule-out
LR- 0.1-0.2
Moderate rule-out
LR- 0.2-0.5
Weak evidence
"Sensitivity tells how many sick the test will catch.
Specificity tells how many well it will spare.
But only the likelihood ratio answers:
Cosa significa questo risultato per QUESTO paziente?"
==================== MODULO 6: LA POLEMICA SULLA MAMMOGRAFIA ====================
Non avete sentito la controversia sullo screening
that found too much?

When does finding disease become causing harm?
Diapositiva 6.2: La promessa dello screening
Il sogno della diagnosi precoce
1970s - PRESENT
La logica era bellissima: trovare il cancro precocemente, trattarlo precocemente, salvare vite umane.

Mammography could detect tumors too small to feel.

Alle donne veniva detto: "Annual mammograms save lives."

But what if some of those "cancers" would never have killed?
La maledizione della sovradiagnosi
19-30%
of screen-detected breast cancers may be overdiagnosed
WHAT IS OVERDIAGNOSIS?
Trovare un "cancro" che avrebbe never have caused symptoms or death durante il periodo di vita.

Alla donna viene diagnosticata, curata con intervento chirurgico, radioterapia, chemioterapia— per una malattia che non le avrebbe mai fatto del male.

Independent UK Panel on Breast Cancer Screening. Lancet. 2012;380:1778-1786

Diapositiva 6.4: I numeri
Per ogni 10.000 donne Screening
3-4
Lives saved
dal cancro al seno
~15
Overdiagnosed
(treated unnecessarily)
~500
False alarms
(anxiety, biopsies)
THE TRADE-OFF
To save 3-4 lives, devi accettare che ~15 women saranno curate per tumori che non avrebbero mai potuto danneggiarle, e ~500 women will experience false alarms.

È un buon affare? La risposta dipende dai valori, non solo numeri.
"E il test scoprì ciò che era nascosto,
e la chiamò malattia,
e la donna fu tagliata, bruciata e avvelenata—
per un'ombra che non l'avrebbe mai oscurata giorni."

Questo è il problema della sovradiagnosi.

==================== MODULO 7: META-ANALISI DEI DTA ====================
Uno studio può mentire. Uno studio può essere lusinghiero.

Ma quando raccogli tutti gli studi,
quando soppesi insieme le loro prove—

The truth becomes harder to hide.
Perché mettere insieme le prove?
1

More Precision

Combining studies gives narrower confidence intervals, reducing uncertainty

2

Detect Heterogeneity

Why do different studies give different answers? Setting? Population? Threshold?

3

Expose Publication Bias

Gli studi negativi vengono nascosti? I grafici a imbuto rivelano l'asimmetria

4

Explore Thresholds

Build SROC curves to understand the sensitivity-specificity trade-off

Diapositiva 7.3: Il modello bivariato
Il modello bivariato
WHY IT'S SPECIAL
Non è possibile mettere in comune sensibilità e specificità separatamente.

They are correlated: quando uno sale, l'altro tende a scendere (la soglia effetto).

The bivariate model tiene conto di questa correlazione, fornendo stime aggregate valide.

Reitsma JB et al. J Clin Epidemiol. 2005;58:982-990

La curva ROC riepilogativa

ROC Space

Perfect test 1-Specificity (FPR) →
Ogni punto = uno studio
La curva mostra il compromesso
Higher = better test
↓ Sensitivity Useless test (chance line)
LETTURA DEL SROC
Top-left corner = perfect test (100% sens, 100% spec)
Diagonal line = useless test (random guessing)
The curve = riepilogo delle prestazioni di tutti gli studi
"Uno studio può ingannare. Molti studi, valutati insieme,
iniziano a rivelare la verità.
La curva SROC è il percorso di prove—
showing what the test can truly do."
Ma cosa accadrebbe se gli studi disagree?

Uno studio afferma che la sensibilità è del 95%.
Another says 60%.

A quale verità credi?
Eterogeneità: il disaccordo
DEFINITION
Heterogeneity è la variazione tra studi che non può essere spiegata solo per caso.

High heterogeneity means gli studi misurano risultati diversi cose— or the test performs differently in different settings.
Perché gli studi non concordano
T

Threshold Differences

Diversi valori limite per risultati "positivi" (ad esempio, diverse soglie di HbA1c per il diabete)

P

Population Differences

Disease severity, age, comorbidities differ between studies

S

Setting Differences

Primary care vs. specialist clinic vs. emergency room

Q

Quality Differences

Risk of bias, verification bias, spectrum bias

Misurare il disaccordo
I² < 25%
Low heterogeneity
Studies agree
I² 25-75%
Moderate
Some disagreement
I² > 75%
High heterogeneity
Major disagreement
THE WARNING
When I² > 75%, the pooled estimate may be meaningless.

Non è possibile calcolare la media di mele e arance. Devi explain why studies differ before pooling them.
"Quando gli studi sono in disaccordo,
non tacere il dissenso.
Ask: Why do they see differently?
Il disaccordo stesso insegna."
==================== MODULO 9: IL DTA TOOLKIT ====================
Il tuo DTA Toolkit
Le misure essenziali e quando utilizzarle
Diapositiva 9.2: Le misure
Essential Metrics
1

Sensitivity & Specificity

How well the test performs on sick vs. healthy people

2

Likelihood Ratios (LR+, LR-)

How much a result changes the probability of disease

3

Diagnostic Odds Ratio (DOR)

Single measure of test discrimination (DOR = LR+ / LR-)

4

Area sotto il Curva SROC (AUC)

Overall test performance across all thresholds (0.5 = useless, 1.0 = perfect)

Diapositiva 9.3: Strumenti e software
Strumenti del mestiere
mada
R package for
bivariate meta-analysis
metaDTA
Stata module
per revisioni DTA
DTA Pro
Browser-based
strumento ad accesso aperto
LO STANDARD RIFERIMENTI
Reitsma et al. 2005 - Bivariate model
Rutter & Gatsonis 2001 - HSROC model
Cochrane Handbook Ch. 10 - DTA methods
Diapositiva 9.4: La lista di controllo
Prima di fidarsi di uno studio DTA
✓

Was there a valid reference standard?

Gold standard test applied to all patients?

✓

Gli interpreti erano accecati?

Test readers unaware of diagnosis, and vice versa?

✓

Lo spettro era appropriato?

Patients similar to your clinical population?

✓

Era la soglia pre-specificata?

O è stato scelto per massimizzare i risultati?

"Armed with sensitivity, specificity, likelihood,
armato dello SROC e della misura dell'accordo,
puoi vedere oltre la menzogna del test—
e giudicarne la verità te stesso."
==================== MODULO 10: STORIE DI DECISIONI DEL MONDO REALE ====================
========== STORIA 1: IL MIRAGGIO DI THERANOS ==========
Have you considered what happens when a test promises everything?

When a machine claims to see what no other machine can see,
e nessuno chiede: "Mostrami la prova"?
Diapositiva 10.2: Real Data Box
Theranos Mirage
REAL DATA: FDA INSPECTION FINDINGS
Theranos claimed: 200+ tests from a single finger prick

FDA found:
• Results varied by 146% between runs on the same sample
• Edison machines failed 87% of proficiency tests
• Zero studi di validazione peer-reviewed pubblicati
• I pazienti hanno ricevuto risultati positivi all'HIV per campioni negativi

Sources: FDA Warning Letter 2016; Carreyrou J. Bad Blood. 2018; CMS Inspection Reports.

L'albero decisionale
Sei un amministratore ospedaliero. Theranos ti offre un contratto.

Cosa scegli?

Theranos Contract Offered
↓
PATH A: Trust Marketing Claims
↓
Firma il contratto
↓
Misdiagnose thousands
Face lawsuits
Harm patients
PERCORSO B: Dati di convalida della domanda
↓
Non trovare peer-reviewed Studi
↓
Rifiuta il contratto
Proteggi i tuoi pazienti
Avoid Scandal
Diapositiva 10.4: La rivelazione
THE REVELATION
Elizabeth Holmes never validated a single test externally.

A $9 billion valuation became a criminal fraud conviction.

Ogni ospedale che ha richiesto dati di convalida prima di firmare
era protetto da la bugia.

Ogni ospedale che si è fidato del marketing
became complicit in harming patients.
THE LESSON
No peer-reviewed validation = No trust.
L'assenza di prove non è un problema di marketing.
It is a patient safety emergency.
========== STORIA 2: IL CAOS DEI TEST RAPIDI COVID ==========
When speed defeats accuracy,
chi paga il prezzo?

The test result comes in 15 minutes.
Ma cosa succede se il risultato è 15 minutes of false confidence?
Diapositiva 10.6: Real Data Box
The COVID Rapid Test Chaos
DATI REALI: PRODUTTORE VS. REALTÀ
Manufacturer claims: 97% sensitivity

Real-world performance (Cochrane 2022):
• Symptomatic individuals: 73% sensitivity (missed 27%)
• Asymptomatic individuals: 58% sensitivity (missed 42%)
• Early infection (days 0-3): ~50% sensitivity

A quasi la metà delle persone asintomatiche infette è stato detto che erano "guarite".

Source: Dinnes J et al. Cochrane Database Syst Rev. 2022;7:CD013705

L'albero decisionale
Sei un'infermiera scolastica durante un'ondata di COVID. Un insegnante sintomatico risulta negativo al test rapido.

Cosa scegli?

Symptomatic Teacher + Negative Rapid Test
↓
PATH A: Trust the Negative Result
↓
Send Teacher to Class
↓
Outbreak infects 30 students
School closure
Three hospitalizations
PATH B: Remember Sensitivity Limits
↓
Require PCR Confirmation
↓
PCR positive confirmed
Teacher isolates
Outbreak prevented
Diapositiva 10.8: La Rivelazione
THE REVELATION
A negative test non significa no infection.

It means: "not detected."

La differenza tra queste due frasi
is measured in lives.
THE LESSON
When sensitivity is 58%, a negative result in a symptomatic person
is almost meaningless.

SnNout only works when sensitivity is HIGH.
Know your test's limits before trusting its verdict.
========== STORIA 3: LA CONTROVERSIA SULLA MAMMOGRAFIA ==========
Può un test che finds cancer
still cause harm?

E se il cancro trovasse
would never have hurt you?
Diapositiva 10.10: Real Data Box
La mammografia Controversia
DATI REALI: IL PARADOSSO DELLO SCREENING
Test characteristics:
Sensitivity: ~85% | Specificity: ~90%

Per 1.000 donne sottoposte a screening ogni anno per 10 anni:
• 1 death prevented dal cancro al seno
• 5 women overtreated per tumori che non avrebbero mai potuto danneggiarle
• 100-500 false alarms leading to biopsies, anxiety, repeat imaging

Overdiagnosis rate: 19-30% of screen-detected cancers

Source: Independent UK Panel on Breast Cancer Screening. Lancet. 2012;380:1778-1786

L'albero decisionale
A 45-year-old woman asks your advice on mammography screening.

Cosa scegli?

Patient Asks: "Should I Get Annual Mammograms?"
↓
PATH A: Recommend Without Context
↓
Small Tumor Found
↓
Mastectomy performed
Il tumore era indolente (DCIS)
Would never have harmed her
PATH B: Explain Trade-offs
↓
Shared Decision-Making
↓
Patient makes informed choice
Comprende benefici e danni
Autonomy preserved
Diapositiva 10.12: La rivelazione
THE REVELATION
L'accuratezza del test non è l'unico parametro.

A test can be accurate e ancora causa harm.

When overdiagnosis exceeds lives saved,
we must ask: Is finding always helping?
THE LESSON
Il danno derivante falsi positivi e sovradiagnosi
può superare il beneficio derivante da true positives.

Always weigh benefits against harms.
Lo screening non sempre salva.
========== STORIA 4: IL PARADOSSO DEL PSA ==========
What if finding the disease
is worse than missing it?

What if the treatment causes more suffering
than the disease ever would?
Diapositiva 10.14: Real Data Box
Il paradosso del PSA
DATI REALI: LA SOGLIA TRAPPOLA
PSA cutoff of 4.0 ng/mL:
• Sensibilità per il cancro ad alto grado: 21%
• Detects many indolent cancers that would never harm

Lower cutoff to 2.5 ng/mL:
• Sensitivity rises to: 40%
• But overdiagnosis doubles

Treatment consequences:
• 20-30% of men experience incontinence after prostatectomy
• 30-70% experience erectile dysfunction

Source: US Preventive Services Task Force. JAMA. 2018;319(18):1901-1913

L'albero decisionale
Stai impostando una politica di screening del PSA per un sistema sanitario. Tre strade si trovano davanti a te.

Quale soglia scegli?

PSA Screening Policy Decision
↓
PATH A: Low Threshold (2.5)
↓
Maximize sensitivity
Thousands of unnecessary
biopsie e trattamenti
PATH B: High Threshold (4.0)
↓
Miss some cancers
But most missed are indolent
Fewer unnecessary treatments
PATH C: Abandon PSA Screening
↓
Miss aggressive cancers
Some preventable deaths
No overtreatment harm
Diapositiva 10.16: La Rivelazione
THE REVELATION
There is no "right" cutoff.

Every threshold trades sensibilità per specificità,
rilevamento di sovradiagnosi.

La scelta non è medica. È ethical.
Dipende da quali danni sei disposto ad accettare.
THE LESSON
L'effetto soglia non è un problema tecnico.
It is a values problem.

Before choosing a cutoff, ask:
What is worse: missing disease or overtreating the healthy?
========== STORIA 5: IL TEST DELLA TBC IN DUE POPOLAZIONI ==========
Lo stesso test. Lo stesso limite.
Different truths.

How can identical numbers
mean opposite things?
Diapositiva 10.18: Real Data Box
Il test della tubercolosi in due popolazioni
REAL DATA: SAME TEST, DIFFERENT MEANING
Tuberculin Skin Test (10mm cutoff)
Sensitivity: ~80% | Specificity: ~95%

In high-prevalence setting (TB prevalence 10%):
• Positive Predictive Value: 85%
• A positive test usually means TB

In low-prevalence setting (TB prevalence 0.1%):
• Positive Predictive Value: 15%
• A positive test is usually a false positive

Source: Pai M et al. Lancet Infect Dis. 2014;14(8):765-773

L'albero decisionale
Sei un medico di Londra che visita un immigrato proveniente da un paese ad alto tasso di tubercolosi. Il TST è positivo.

Cosa concludi?

Positive TST in Immigrant Patient
↓
PATH A: Apply UK Population PPV
↓
Assume "Probably False Positive"
↓
Miss active TB
Patient infects family
Ritarda la diagnosi di mesi
PATH B: Consider Patient's Pre-Test Probability
↓
Recognize PPV Depends on Prevalence
↓
Investigate further
Chest X-ray, sputum
Treat early if confirmed
Diapositiva 10.20: La Rivelazione
THE REVELATION
Sensibilità e specificità are properties of the test.

PPV e NPV are properties of the population.

Lo stesso risultato significa different things
in different people.
THE LESSON
Never interpret a test result without knowing the pre-test probability.

A positive test in a high-risk patient means disease.
The same positive in a low-risk patient means probably nothing.

Context is everything.
Diapositiva 10.21: Riepilogo del modulo
Five Stories, Five Lessons
1

Theranos: Demand Validation

No peer-reviewed data = no trust, regardless of marketing claims

2

COVID Rapid Tests: Know Sensitivity Limits

"Non rilevato" non è la stessa cosa di "non infetto"

3

Mammography: Weigh Benefits vs. Harms

Finding is not always helping; overdiagnosis causes real harm

4

PSA: The Threshold is a Values Choice

Ogni il cut-off scambia la sensibilità con la specificità; non esiste una risposta "giusta"

5

TB Test: Context Determines Meaning

The same result means different things in different populations

==================== MODULO 11: RIFERIMENTI E QUIZ ====================
References

Fonti chiave citate in questo Corso

  1. Carreyrou J. Bad Blood: Secrets and Lies in a Silicon Valley Startup. Knopf, 2018.
  2. Dinnes J, et al. Rapid, point-of-care antigen tests for diagnosis of SARS-CoV-2 infection. Cochrane Database Syst Rev. 2022;7:CD013705.
  3. Gruppo indipendente britannico sullo screening del cancro al seno. I benefici e i danni dello screening del cancro al seno. Lancet. 2012;380:1778-1786.
  4. Reitsma JB, et al. L'analisi bivariata di sensibilità e specificità produce misure riassuntive informative nelle revisioni diagnostiche. J Clin Epidemiol. 2005;58:982-990.
  5. Rutter CM, Gatsonis CA. A hierarchical regression approach to meta-analysis of diagnostic test accuracy evaluations. Stat Med. 2001;20:2865-2884.
  6. Deeks JJ, et al. The performance of tests of publication bias in systematic reviews of diagnostic test accuracy. J Clin Epidemiol. 2005;58:882-893.
  7. Macaskill P, et al. Cochrane Handbook for Systematic Reviews of Diagnostic Test Accuracy. Chapter 10. 2023.
  8. Higgins JPT, Thompson SG. Quantifying heterogeneity in a meta-analysis. Stat Med. 2002;21:1539-1558.
  9. US Food and Drug Administration. Warning Letter to Theranos Inc. 2016.
  10. US Preventive Services Task Force. Screening for Prostate Cancer. JAMA. 2018;319(18):1901-1913.
  11. Pai M, et al. Tuberculosis. Lancet Infect Dis. 2014;14(8):765-773.
Nella storia di Theranos, qual era il problema fondamentale con i loro esami del sangue?
Erano troppo costosi
Davano risultati sbagliati che potevano danneggiare i pazienti
Lo erano troppo lento
They required too much blood
A COVID rapid test has 55% sensitivity in asymptomatic people. What does this mean?
Il 55% dei risultati positivi è corretto
Il test funziona il 55% delle volte
The test misses 45% of infected asymptomatic people
Il 55% dei risultati negativi è sbagliato
What does "SnNout" mean?
A highly Sensitive test, when Negative, rules OUT disease
A highly Specific test, when Negative, rules OUT disease
A sensitive test should be used for screening
Sensibilità e specificità sono negative correlati
Perché non è possibile raggruppare sensibilità e specificità separatamente nella meta-analisi?
They use different scales
Sono correlati a causa dell'effetto soglia
They come from different populations
It's computationally too difficult
✔
Course Complete
"Ora conosci i quattro risultati,
le due virtù di un test,
il crudele compromesso della soglia,
e l'arte del pooling prove.

Quando la prossima prova ti mentirà:
you will know how to see through it."

Quando la prova ti mentirà, ora lo sai.

1 / 5