Tutte le news

Antipertensivi contro Covid-19: nel team gli statistici UniSR

14 dicembre 2020
Attività di ricerca

È stato pubblicato su PNASProceedings of the National Academy of Sciences, una delle più prestigiose riviste scientifiche mondiali, uno studio effettuato sui dati di 576 pazienti ricoverati all’Ente Ospedaliero Cantonale (EOC) tra il 1° marzo e il 1° maggio 2020, con un’età media di 72 anni.

Il lavoro, che ha riunito un gruppo multidisciplinare di clinici e ricercatori statistici dell’EOC, dell’Università della Svizzera Italiana e di UniSR, ha dimostrato, tramite analisi statistiche avanzate di integrazione dei dati demografici e clinici dei pazienti, che le comuni terapie anti-ipertensive con inibitori del sistema renina angiotensina – i cosiddetti farmaci “RAASi” – riducono di oltre il 60% il rischio di mortalità nei malati COVID-19 considerati a maggior rischio di decesso perché in età avanzata e/o con patologie renali e cardiovascolari.

Un approccio statistico sofisticato

Per la prima volta grazie ad un approccio statistico sofisticato, i ricercatori hanno derivato diversi profili di rischio per valutare l'effetto dei farmaci, analizzare le dipendenze tra i diversi fattori di rischio e l'impatto dei trattamenti sulla sopravvivenza. L’effetto dei RAASi osservato è verosimilmente da attribuire all’interazione tra il coronavirus e lo stesso sistema renina-angiotensina.

È noto infatti che il SARS-CoV-2 entra nelle cellule ospiti dopo essersi legato proprio all'enzima di conversione dell'angiotensina (ACE2) del quale “blocca” la funzione, causando un eccesso di angiotensina e un aumento dell’infiammazione nell’organismo, infiammazione che viene ridotta dai farmaci RAASi.

La Prof.ssa Clelia Di Serio, professore ordinario di Statistica Medica presso UniSR e presso l’Università Svizzera italiana afferma:

“La difficoltà principale nell’analizzare i dati di questa pandemia risiede nella natura della raccolta su base emergenziale, per cui si rendono necessarie tecniche statistico-computazionali in grado di bilanciare gruppi di rischio numericamente sbilanciati e di considerare gli effetti di confondimento.

Con le ricercatrici Federica Cugnata e Chiara Brombin, abbiamo applicato una combinazione di tecniche non parametriche e tipo machine learning che permettessero di derivare la complessa struttura di dipendenza tra trattamenti, comorbidità, fattori di rischio e risposta clinica. L’interazione tra tutti i ricercatori coinvolti ha permesso un’approfondita lettura dei modelli, basata su principi di riproducibilità, e ha confermato dei risultati generalizzabili: riteniamo il risultato sulla protezione dei RAASi molto solido.”

Condividi l'articolo

Ti potrebbero anche interessare

Ricerca e Innovazione su tematiche Green: Bandi PON 2021 aperti
Ricerca02 novembre 2021
Ricerca e Innovazione su tematiche Green: Bandi PON 2021 aperti
Continuano online i Gender Lunch Seminars: 20 ottobre 2021 il prossimo incontro
Attività di ricerca20 ottobre 2021
Continuano online i Gender Lunch Seminars: 20 ottobre 2021 il prossimo incontro
Dalla cura al prendersi cura: il progetto HHH
Attività di ricerca07 settembre 2021
Dalla cura al prendersi cura: il progetto HHH
UniSR partner di UNITE4TB per lo sviluppo di terapie contro la tubercolosi
Attività di ricerca16 luglio 2021
UniSR partner di UNITE4TB per lo sviluppo di terapie contro la tubercolosi