I processi di crescita del fitoplancton tossico e di accumulo delle biotossine nei molluschi, pur se relativamente ben conosciuti, dipendono dall’interazione di numerosi fattori che non è possibile conoscere esattamente in tempo reale: questo fa sì che non sia possibile disporre di modelli in grado di predire con sufficiente precisione i livelli di accumulo e, pertanto, per il monitoraggio biotossicologico sia necessario ricorrere ad una elevata frequenza di campionamento. Per questo il Regolamento UE/2019/627 ha definito che la frequenza di base deve essere almeno settimanale, ma può essere rimodulata a quindicinale in base ad una specifica valutazione del rischio. Di conseguenza il Laboratorio Nazionale di Riferimento, il Centro Ricerche Marine di Cesenatico, ha definito le modalità per tale valutazione del rischio e per la sua periodica revisione.
Uno degli elementi cardine di questo processo di valutazione, per poter ottenere un risultato finale di rischio medio-basso, tale da consentire la riduzione della frequenza di campionamento, è l’adozione di un sistema di Early Warning, cioè una procedura che consenta di prevedere, con un sufficiente anticipo, l’insorgere di problemi biotossicologici.
Questo articolo illustra sommariamente il sistema di Early Warning biotossicologico adottato nella AST Ascoli Piceno per i mitili raccolti negli allevamenti situati tra i comuni di Massignano e San Benedetto del Tronto.
Un sistema di Early Warning biotossicologico può essere definito come una previsione (scommessa?) che nei giorni successivi all’ultimo campionamento (quindici nel nostro caso) quella biotossina non avrà raggiunto livelli pericolosi; e la logica di questo processo, che a tutti gli effetti può essere definito un giudizio clinico, è sovrapponibile a quella della formulazione di una diagnosi.
Infatti il processo di formulazione di una diagnosi consiste nel raccogliere una serie di elementi (anamnestici, sintomi e dati analitici), che concorrono a formare una prima valutazione (la probabilità a priori). Questa viene elaborata sulla base dell’esperienza (bravura) del clinico che formula la diagnosi e si conclude con l’elaborazione della probabilità a posteriori, che rappresenta la diagnosi (di probabilità o di certezza). Questo processo bayesiano, consapevole o meno, è stato ben descritto ed analizzato da Gill et al. nell’articolo “Why clinicians are natural bayesians” del 2005.
L’Early Warning biotossicologico adottato nell’AST Ascoli Piceno segue gli stessi principi.
In maniera sommaria possiamo dire che il sistema adottato preveda:
1- La valutazione di una serie di dati anamnestici e analitici per determinare la probabilità a priori,
2- la sua elaborazione, alla luce della probabilità che il risultato del controllo successivo sia ancora favorevole, utilizzando il rapporto di verosimiglianza o Fattore di Bayes specifico,
3- per ottenere, infine, la probabilità a posteriori che la biotossina non si manifesterà a livelli tossici.
Quando la probabilità così ottenuta raggiunge un valore minimo ritenuto accettabile (nel nostro caso il 90%), il prelievo del campione potrà avere una frequenza quindicinale. In caso contrario la frequenza rimarrà settimanale.
La figura che segue rappresenta il processo appena descritto:
Ogni dato anamnestico e analitico apporta una sua probabilità espressa in forma di Odds, che rappresentano una delle scale utilizzate per indicare numericamente la probabilità (è quella che usano i bookmakers). Il prodotto di questi singoli Odds viene moltiplicato per il fattore di Bayes (specifico per quella biotossina e quei bivalvi in quella determinata area) per ottenere la probabilità a posteriori, sempre espressa in Odds. Quindi il risultato viene trasformato in probabilità percentuale, per una lettura più agevole, e confrontato con il valore limite prefissato
I parametri di riferimento adottati sono riassunti nella tabella che segue
Dove Lma= limite massimo ammissibile, LoQ= limite di quantificazione del metodo, VPR= valore predittivo di riferimento, BF= fattore di Bayes e Pma= la soglia di probabilità ritenuta accettabile.
Inoltre, nella figura successiva è stato riportato l’algoritmo del processo decisionale che viene seguito, ogni settimana, per ciascuna biotossina e in ciascuna delle aree di produzione.
Il Fattore di Bayes rappresenta, nel nostro caso, la probabilità che si presenti un risultato inferiore al limite massimo ammissibile, nell’intervallo di tempo considerato (17gg) e dopo un risultato ≤LoQ, rispetto alla probabilità che si presenti lo stesso risultato dopo un valore >LoQ.
Esso è stato determinato per ciascuna delle 5 biotossine, utilizzando i risultati del monitoraggio degli anni dal 2016 al 2022, attribuendo il valore di default 1 quando il calcolo non è possibile per assenza di positività pregresse. Per questo motivo è stato possibile assegnare un valore diverso da 1 nel solo caso dell’Ac. Okadaico. Inoltre è stato previsto un aggiornamento annualmente di tali valori.
La tabella che segue riassume le modalità utilizzate
La determinazione di questa probabilità a posteriori può sembrare un processo lungo e laborioso ma, in realtà, se viene eseguita su un foglio di calcolo, richiede solo pochi minuti.
Tutti i giudizi clinici come questo sono soggetti ad una variabilità (rumore) il cui grado può essere ridotto, con misure di «igiene decisionale», ma che non può essere eliminata completamente. Infatti quello della variabilità del giudizio rappresenta un argomento estremamente interessante che ci coinvolge direttamente, anche nelle scelte che operiamo quotidianamente. Per chi volesse approfondire l’argomento il libro del Premio Nobel Daniel Kahneman, citato in bibliografia, può essere utile.
La riduzione di questo «rumore» ha rappresentato un aspetto cruciale del processo di Early Warning adottato, al fine di garantire la coerenza e la ripetibilità (consistency) del giudizio. Per assicurare un’adeguata consistency dell’output del processo, abbiamo posto estrema attenzione alla predisposizione di misure di igiene decisionale. Tali misure sono rappresentate, per ciascuno dei dati anamnestici e analitici utilizzati, dalla esatta definizione delle relative fonti, dei criteri di interpretazione e dei relativi Odds, come riportato nella tabella che segue.
Passando ad una valutazione critica del metodo adottato possiamo dire che sono evidenziabili almeno due gli elementi di criticità:
- L’adeguatezza dei valori di Odds utilizzati: per poterla valutare abbiamo avviato una verifica basata sull’applicazione, in retrospettiva, di quei valori. Sarà la tesi di specializzazione di uno degli autori.
- I tempi di emissione dei rapporti di prova: devono essere sufficientemente brevi e non superare i 7 giorni, altrimenti il valore dell’Early Warning, e di tutto il monitoraggio stesso, vengono meno.
Invece, punti di forza riconoscibili sono:
- L’elevata flessibilità e scalabilità del sistema che consente il miglioramento continuo basato sul metodo PDCA (Plan – Do – Control – Act)
- l’utilizzo, nell’ambito dell’attività di valutazione del rischio, dell’approccio basato sulla probabilità soggettiva.
Di seguito viene riportata la bibliografia di riferimento per chi voglia approfondire l’argomento.
- AAVV, 2019. Monitoring of Toxins-producing Phytoplankton in Bivalve Mollusc Harvesting Areas. Guide to Good Practices: Technical Application. EU-RL-MB. Issue 1. URL < https://www.aesan.gob.es/en/CRLMB/web/public_documents/seccion/EURLMB_Guides.htm>
- Besozzi M, 2013. 8. Teorema di Bayes e decisioni mediche. in Errori cognitivi, probabilità e decisioni mediche. URL < https://www.bayes.it/ebook/ECPEDM.pdf>
- Gill CG, Sabin L, Schmid CH, 2005. Why Clinicians are natural Bayesians. BMJ. 330:1880. URL < https://www.ncbi.nlm.nih.gov/pmc/articles/PMC557240/pdf/bmj33001080.pdf>
- Kaas RE, Raftery AE, 1995. Bayes Factors, J Am Statistical Association. 90(430):773-795 URL < https://sites.stat.washington.edu/raftery/Research/PDF/kass1995.pdf>
- Kahneman D, Sibony O, Sunstein CR, 2021. Noise. A flaw in human judgment. HarperCollins Publishers, London, UK. URL < https://ia904606.us.archive.org/11/items/ar_20211024/BOOKS.YOSSR.COM-Noise-A-Flaw-in-Human-Judgment.pdf>
Autori:
Cesare Ciccarelli
Angela Marisa Semeraro
Alessia Antonini