I termini "efficacia" e "sicurezza", tanto sbandierati da nomi altisonanti nell'ambito sanitario per veicolare le scelte del pubblico verso determinati approcci farmacologici e non, in realtà sono utilizzati in maniera deliberatamente impropria.
Dovete sapere che, nell'ambito delle ricerche scientifiche (e le relative indagini statistiche che accompagnano queste ricerche), niente è realmente "efficace e sicuro".
Ciò che emerge dalle conclusioni statistiche di uno studio clinico, per quanto ottimistiche esse siano, saranno sempre il prodotto di una funzione di probabilità e, probabilità, in matematica statistica, è un termine che denuncia il nostro grado di conoscenza (e quindi di ignoranza) sul funzionamento di un fenomeno (W. Heisemberg). La funzione di probabilità fa riferimento alla "tendenza" di un gruppo di soggetti (chiamato campione) a comportarsi in un determinato modo a seguito dell'esposizione ad un particolare intervento (sia esso farmacologico, chirurgico o riabilitativo). Ma questo, purtroppo, non dice nulla rispetto al comportamento del singolo individuo a quel particolare intervento. La teoria dei sistemi complessi (ed il corpo umano è a tutti gli effetti un sistema complesso esattamente come i sistemi economico - finanziari, sociali, gli ecosistemi, il clima…), formulata a partire dalla fine del XIX secolo (e successive riformulazioni) dalle più grandi menti nell'ambito della matematica, fisica e biologia (Lorenz, von Foerster, von Bertalanffy…), è molto chiara in questo: i sistemi complessi sono sistemi il cui comportamento non può essere compreso a partire dal comportamento dei singoli elementi che li compongono; sarà l'interazione tra i singoli elementi che determinerà il comportamento globale del sistema e, tale interazione, fornirà delle proprietà comportamentali al sistema che possono essere completamente estranee alle proprietà comportamentali degli elementi singoli.

Immagino che a questo punto siate già arrivati alla conclusione che non accettereste mai di assumere una qualsivoglia sostanza della quale non si conoscano con precisione gli effetti che potrà avere sulla vostra persona (ammesso e non concesso che si possano realmente conoscere con precisione gli effetti).
Detto ciò, è evidente come il comportamento di un gruppo, avrà moltissime probabilità di allontanarsi dal comportamento del singolo. E, maggiore sarà la numerosità del gruppo, maggiori saranno le probabilità che il comportamento del gruppo si discosti da quello del singolo.
Purtroppo, però, uno dei parametri tanto ambiti dai ricercatori per rendere forte uno studio clinico è la numerosità del campione: maggiore sarà il numero di soggetti reclutati maggiori saranno le speranze di trovare ciò che si sta cercando….Estremizzando il discorso, e un po' come sparare nel mucchio, prima o poi qualcosa la prendo.
A proposito di questo, esistono software che permettono di calcolare quanto deve essere numeroso il campione affinché si verifichi un esito favorevole nello studio (chissà perché mi suona in mente la frase di una nota pubblicità che dice: "Ti piace vincere facile").

In risposta alla lettera di D. Lakens dal titolo "Justify Your Alpha" e pubblicata su "Nature Human Behavior" insieme ad altri 87 ricercatori, dove si accoglie la proposta di D.J. Benjamin di abbassare le soglie del P-value degli studi sperimentali (tra qualche riga spiegherò cos'è il P-value), c'è stata una forte opposizione da parte di altri ricercatori adducendo che, questo, richiederebbe dimensioni molto più grandi della numerosità campionaria delle ricerche, rendendo impossibile quindi la fattibilità di molti studi.
Per tale motivo, preferisco sempre affidarmi a ricerche la cui numerosità campionaria è relativamente piccola, proprio perché è più alta la probabilità che l'esito favorevole dello studio si possa applicare anche al singolo (a patto, però, che vengano utilizzati adeguati strumenti statistici come l'effect size, il power test e gli intervalli di confidenza e, soprattutto, che vengano correttamente interpretati).
A completezza di descrizione, il P-value è un valore che viene applicato alle indagini statistiche inferenziali degli studi sperimentali e descrive la probabilità di accettare o meno l'ipotesi dichiarata nello studio (le ipotesi sono per esempio: il farmaco A produce un abbassamento del colesterolo; la ginnastica posturale produce un cambiamento della forma della colonna…). Normalmente, il P-value viene arbitrariamente fissato a P<0,05: ciò vuol dire che, se l'indagine statistica dello studio assume un valore P inferiore a 0,05 allora il dato è "significativo" e l'ipotesi fatta nello studio è vera; se superiore si dice "non significativo" e l'ipotesi fatta nello studio non è vera. Anche se la maggior parte dei ricercatori utilizza questa dicitura come un mantra, la realtà, non è proprio così semplice (vedi Greenland et al., Statistical tests, P values, confidence intervals, and power: a guide to misinterpretations, Eur J Epidemiol. 2016; 31: 337–350; Lytsy, P in the right place: Revisiting the evidential value of P‐values, J Evid Based Med. 2018 Nov; 11(4): 288–291.; C. Andrade, The P Value and Statistical Significance: Misunderstandings, Explanations, Challenges, and Alternatives, Indian J Psychol Med. 2019 May-Jun; 41(3): 210–215.), ma non voglio scendere nei particolari a causa della difficoltà dell'argomento.

Il messaggio che deve passare è che, non è assolutamente possibile etichettare come "efficace e sicura" una qualsiasi procedura solo sulla significatività di un dato statistico, "soprattutto quando uno studio è grande perché, effetti molto minori o piccole violazioni nelle ipotesi possono invece portare a test statisticamente significativi dell'ipotesi nulla" (cioè l'ipotesi esattamente contraria a quella formulata nello studio – Greenland et al.). Inoltre, c'è un altro aspetto molto importante da tenere in considerazione quando si ha a che fare con gli studi sperimentali: quando il dato di uno studio viene identificato come "significativo" (quindi successivamente qualificato come sorprendente, efficace e sicuro), non si ha la minima idea di quali soggetti partecipanti allo studio abbiano avuto la risposta positiva all'intervento… si sa solo quanti, ma non chi! In altre parole, nulla ci dice quali siano i soggetti che hanno risposto, quali non hanno risposto, e perché. Questo aspetto non viene considerato da nessuno ma, personalmente, ritengo sia di fondamentale importanza, perché definirebbe con estrema precisione quali debbano essere le caratteristiche peculiari del soggetto per far sì che quell'intervento funzioni davvero…peccato che non sia possibile farlo in alcun modo, perché, per quanto siano intensi gli sforzi per capire a posteriori i motivi per i quali alcuni soggetti hanno risposto ed altri no, dovrà sempre essere fatta una ipotesi di ricerca con conseguente indagine statistica che sarà comunque esposta alle problematiche sopra descritte. Questo vale anche nella scelta a priori del campione che, secondo i canoni della ricerca, dovrebbe essere fatta a seguito di un'attenta analisi delle caratteristiche in relazione alle ipotesi di ricerca stabilite.
In conclusione, se vi proponessero un qualsiasi prodotto utilizzando il termine di "tendenza" ad ottenere un certo risultato invece di "certezza", adottereste la stessa leggerezza nell'assumerlo? Quindi, attenzione sempre alta quando vengono usati con estrema facilità i termini "efficace e sicuro" in merito a prodotti che dovrebbero avere un effetto sulla vostra salute.