Ogni giorno leggiamo titoli che parlano di rischi per la salute. “Il caffè aumenta il rischio di infarto del 20%”. “Questo farmaco dimezza le probabilità di ammalarsi”. “Chi mangia cioccolato vive più a lungo”. Ma cosa significano davvero questi numeri? E perché così spesso ci lasciano più confusi di prima?
La pandemia di COVID-19 ha reso evidente un problema che esisteva già da tempo: la difficoltà di comunicare – e di capire – i dati sulla salute. L’Organizzazione Mondiale della Sanità ha coniato il termine “infodemia” per descrivere quel fiume di informazioni, vere e false mescolate insieme, che ha accompagnato il virus. Una revisione sistematica del 2024 ha documentato come questa confusione abbia alimentato sfiducia, comportamenti rischiosi e decisioni sbagliate [1]. Ma non serviva una pandemia per scoprire che i numeri, quando si parla di salute, possono ingannare.
Due modi di raccontare lo stesso dato
Immaginiamo che esca uno studio sul cioccolato fondente e il cuore. I ricercatori hanno seguito per dieci anni due gruppi: 1.000 persone che mangiano cioccolato fondente ogni giorno e 1.000 che non ne mangiano mai. Alla fine dello studio, nel gruppo “senza cioccolato” 20 persone hanno avuto un infarto. Nel gruppo “con cioccolato”, solo 10.
Come presentiamo questo risultato?
Prima versione: “Il cioccolato fondente riduce il rischio di infarto del 50%!”
Seconda versione: “Il cioccolato fondente riduce il rischio di infarto dall’2% all’1%.”
Entrambe le frasi sono tecnicamente corrette. Ma producono impressioni molto diverse. La prima fa sembrare il cioccolato un farmaco miracoloso. La seconda ridimensiona: parliamo di 10 persone in meno su 1.000, nell’arco di dieci anni.
La prima versione usa il rischio relativo: confronta i due gruppi tra loro (10 è la metà di 20, quindi -50%). La seconda usa il rischio assoluto: ci dice quante persone su cento sono effettivamente coinvolte (si passa dal 2% all’1%, una differenza di un punto percentuale).
Nessuna delle due è sbagliata. Ma una sola, senza l’altra, racconta solo metà della storia.
Perché il 50% non è sempre tanto
Il problema del rischio relativo è che non ci dice da dove partiamo. Un conto è dimezzare un rischio del 40% (che scende al 20%), un altro è dimezzare un rischio dello 0,002% (che scende allo 0,001%). In entrambi i casi possiamo dire “-50%”, ma l’impatto reale è completamente diverso.
Facciamo un esempio concreto. Un nuovo farmaco per il colesterolo viene presentato così: “Riduce il rischio di eventi cardiovascolari del 36%”. Impressionante, vero? Ma se andiamo a leggere lo studio, scopriamo che nel gruppo di controllo il 3% dei pazienti ha avuto un evento cardiovascolare, contro il 2% nel gruppo trattato.
Questo non significa che il farmaco sia inutile. Significa che dobbiamo valutare se quel beneficio giustifica i costi, i possibili effetti collaterali e l’impegno di assumere un medicinale ogni giorno. Una scelta che richiede numeri completi, non titoli a effetto.
Il trucco del “framing asimmetrico”
C’è un meccanismo ancora più subdolo: presentare i benefici in termini relativi e gli effetti collaterali in termini assoluti.
Immaginiamo la pubblicità di un integratore: “Riduce l’affaticamento del 40%! Solo il 2% degli utenti ha riportato disturbi gastrici.”
Sembra un ottimo affare: un grande beneficio con un piccolo rischio. Ma cosa succede se andiamo a vedere i numeri reali? Forse l’affaticamento è passato dal 5% al 3% (una riduzione assoluta del 2%, presentata come 40% relativo). E quel 2% di disturbi gastrici? È un numero assoluto, quindi sembra piccolo, ma in realtà è identico al beneficio. Se confrontassimo le mele con le mele, vedremmo che benefici e rischi si equivalgono.
Questo trucco – documentato dall’Harding Center for Risk Literacy [2] – è diffusissimo nella comunicazione sanitaria. I ricercatori lo chiamano “mismatched framing”.
Non è solo un problema di giornalisti
Verrebbe da pensare che i medici, almeno loro, non cadano in queste trappole. E invece la ricerca dice altro.
Uno studio del 2023 ha testato medici, specializzandi e studenti di medicina su concetti statistici di base: efficacia di un vaccino, interpretazione di un test diagnostico, significato del valore p. Il risultato? Molti commettevano errori significativi, ma si dichiaravano sicuri delle proprie risposte. I ricercatori l’hanno chiamata “illusione di conoscenza” [3].
Un esperimento più vecchio ma ancora attuale mostrava lo stesso problema [4]. I ricercatori presentarono a un gruppo di medici due domande identiche sullo stesso trattamento: una formulata con il rischio relativo, l’altra con il rischio assoluto. Una parte significativa dei medici cambiò opinione a seconda di come erano presentati i dati, pur trattandosi delle stesse informazioni.
La conseguenza? Pazienti che ricevono trattamenti basati su come i dati erano presentati, non su quanto fossero realmente efficaci. Esami prescritti sulla base di rischi sovrastimati. Ansia generata da numeri interpretati male.
Chi ci guadagna dalla confusione
La statistica non mente, ma chi la usa può scegliere cosa mostrare. Un’azienda farmaceutica che vuole promuovere un farmaco sceglierà naturalmente il numero più impressionante. Un giornale che vuole attirare lettori preferirà il titolo più allarmante. Un comunicato stampa che vuole generare attenzione enfatizzerà l’aspetto più eclatante dello studio.
Non è necessariamente malafede. A volte è semplicemente il modo in cui funziona la comunicazione: i numeri grandi attirano, quelli piccoli annoiano. Ma il risultato è una distorsione sistematica della percezione del rischio.
Studi hanno documentato come i media tendano a sovrastimare certi fattori di rischio (sostanze tossiche, inquinamento) e a sottostimarne altri (fumo, alcol, sedentarietà) [5]. Le ragioni sono complesse: pressioni commerciali, preferenze del pubblico, difficoltà di comunicare concetti sfumati in titoli brevi.
Come difendersi
Non serve diventare statistici per proteggersi dalla disinformazione. Bastano alcune domande da porsi ogni volta che si legge un dato sulla salute.
“Di cosa stiamo parlando esattamente?” Quando leggi “aumenta il rischio del 30%”, chiediti: 30% di cosa? Qual era il rischio di partenza? Un aumento del 30% su un rischio dello 0,01% resta trascurabile. Lo stesso aumento su un rischio del 10% è un’altra storia.
“Quante persone sono state studiate?” Uno studio su 50 persone non può dirci granché. Uno studio su 50.000 è molto più affidabile. E per quanto tempo sono state seguite? Un effetto osservato dopo tre mesi potrebbe scomparire dopo tre anni, o viceversa.
“Chi ha finanziato la ricerca?” Non significa che gli studi finanziati dall’industria siano falsi, ma è utile sapere se chi ha condotto la ricerca aveva interessi in gioco. I conflitti di interesse vanno dichiarati, e vale la pena andare a cercarli.
“Cosa dicono altri studi?” Un singolo studio, per quanto ben fatto, è solo un tassello. La scienza procede per accumulo di evidenze. Se un risultato contraddice tutto quello che sapevamo prima, probabilmente serve cautela.
“Qual è la differenza assoluta?” È la domanda più importante. Ogni volta che leggi una percentuale impressionante, cerca il numero assoluto. Spesso cambia completamente la prospettiva.
I numeri vanno spiegati
I numeri sulla salute non sono neutri. Il modo in cui vengono presentati influenza le nostre scelte, le nostre paure, le nostre speranze. Sviluppare un minimo di alfabetizzazione statistica non è un esercizio accademico: è uno strumento di autodifesa in un mondo saturo di informazioni.
Non si tratta di diventare diffidenti verso tutto, né di smettere di fidarsi dei medici o della scienza. Si tratta di imparare a fare le domande giuste, a cercare i numeri completi, a non fermarsi al titolo. Perché dietro ogni “riduce il rischio del 50%” c’è una storia più complessa – e spesso più rassicurante – di quella che sembra.
Articolo aggiornato a gennaio 2026.
Bibliografia
- Kisa S, Kisa A. A Comprehensive Analysis of COVID-19 Misinformation, Public Health Impacts, and Communication Strategies: Scoping Review. J Med Internet Res. 2024;26:e56931. doi:10.2196/56931
- Harding Center for Risk Literacy. Unstatistik des Monats. https://www.hardingcenter.de/en
- Aupetit M, et al. Illusion of knowledge in statistics among clinicians: evaluating the alignment between objective accuracy and subjective confidence. Cogn Res Princ Implic. 2023;8(1):23. doi:10.1186/s41235-023-00474-1
- Forrow L, Taylor WC, Arnold RM. Absolutely relative: how research results are summarized can affect treatment decisions. Am J Med. 1992;92(2):121-4. doi:10.1016/0002-9343(92)90100-p
- Frost K, Frank E, Maibach E. Relative risk in the news media: a quantification of misrepresentation. Am J Public Health. 1997;87(5):842-5. doi:10.2105/ajph.87.5.842
