La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

1 Test statistique : principe. 2 1. Exemple : comparaison de taux de guérison On souhaite comparer deux traitements dans le cadre dun essai randomisé

Présentations similaires


Présentation au sujet: "1 Test statistique : principe. 2 1. Exemple : comparaison de taux de guérison On souhaite comparer deux traitements dans le cadre dun essai randomisé"— Transcription de la présentation:

1 1 Test statistique : principe

2 2 1. Exemple : comparaison de taux de guérison On souhaite comparer deux traitements dans le cadre dun essai randomisé sur les lombosciatiques : –corticoïdes par infiltrations –placebo Critère de jugement : succès/échec à J20 par auto-évaluation du patient Planification de létude : inclusion prévue de 43 patients/groupe

3 3 Au terme de létude : –85 patients inclus –résultats observés : corticoïdes : 22/43 (51,2%) de succès placebo : 10/42 (23,8%) de succès –différence statistiquement significative on conclut à une différence defficacité entre les corticoïdes et le placebo

4 4 2. Les hypothèses a priori Lhypothèse nulle ( H 0 ) : –celle que lon cherche à réfuter –celle qui est « vraie », tant quon nait pas démontré le contraire Ex : H 0 : taux de succès identiques sous corticoïdes et sous placebo

5 5 Lhypothèse alternative (H 1 ) : –hypothèse contraire de lhypothèse nulle –celle que lon cherche à démontrer Ex : H 1 : taux de succès différents sous corticoïdes et sous placebo

6 6 Erreur de première espèce ( ) : –probabilité de trouver une différence statistiquement significative alors quil ny en a pas –Prob(Rejeter H 0 alors que H 0 est vraie) –cf Test diagnostic : faux positif Ex : Conclure à une différence defficacité entre corticoïdes et placebo alors que les taux de succès sont identiques 3. Les erreurs a priori

7 7 Erreur de seconde espèce ( ) : –probabilité de ne pas mettre en évidence une différence statistiquement significative alors quelle existe –Prob(Ne pas rejeter H 0 alors que H 1 est vraie) –cf Test diagnostic : faux négatif Ex : Ne pas réussir à prouver une différence defficacité entre corticoïdes et placebo alors que cette différence existe

8 8 Puissance statistique : (1- –cest laptitude à mettre en évidence une différence lorsquelle existe –cf Test diagnostic : sensibilité –on calcule un nombre de sujets nécessaire pour obtenir une puissance donnée

9 9 3. Le calcul du nombre de sujets nécessaire Hypothèse quantitative sous H 1 a priori : –70% de succès sous corticoïdes –40% de succès sous placebo Risques derreur –erreur de première espèce : = 5% –erreur de seconde espèce : = 20% 43 patients par groupe

10 10 4. Lexpérience Recueil des données

11 11 5. Analyse statistique Résultats observés : –taux de succès sous corticoïdes : 22/43 (51,2%) –taux de succès sous placebo : 10/42 (23,8%)

12 12 Statistique de test : –statistique du chi-deux observée : 6,77 (estimée à partir des données recueillies) –degré de signification associé : p = 0,009 –le chi-deux observé est supérieur à la valeur théorique (3,84) (ou, p < 0,05) rejet de H 0 on met en évidence une différence de taux de succès

13 13 Règle de décision (Neyman-Pearson) : –soit la statistique observée est supérieure à la valeur théorique p 0,05 rejet de H 0 –soit la statistique observée est inférieure à la valeur théorique p > 0,05 non rejet de H 0

14 14 6. Le degré de signification (« p ») Ex : si les taux de succès sous corticoïdes et sous placebo sont identiques, la probabilité dobserver une telle différence (i.e. 51,2% vs 23,8%) ou une différence plus grande encore est de 0,009

15 15 Définition : –quantifie le « désaccord » entre ce quon observe et lhypothèse nulle H 0 –la probabilité dobserver des résultats au moins aussi en désaccord avec lhypothèse nulle H 0 que ceux quon a observés

16 16 Interprétation : –plus le degré de signification est faible, plus on est convaincu que les résultats observés ne sont pas en cohérence avec lhypothèse nulle

17 17 ATTENTION !!!! (1) Le degré de signification nous permet daffirmer avec plus ou moins de conviction quil y a une différence, mais en aucun cas il ne nous renseigne sur limportance de cette différence

18 18 Exemple : –1) 22/43 (51,2%) vs 10/42 (23,8%) Différence defficacité = 27,4% (p = 0,009) –2) 14/22 (63,6%) vs 5/21 (23,8%) Différence defficacité = 39,8% (p = 0,009) –3) 1104/4200 (26,3%) vs 1000/4200 (23,8%) Différence defficacité = 2,5% (p = 0,009)

19 19 La valeur de p dépend : –de la différence observée entre les deux groupes –de la taille déchantillon Sil existe une différence réelle, aussi infime soit-elle,entre 2 groupes, nimporte quel test statistique va aboutir à une valeur de p inférieure à 0,05, dès lors que le nombre de sujets étudiés sera important

20 20 La signification statistique nimplique pas la pertinence clinique

21 21 ATTENTION !!!! (2) Ne pas mettre en évidence de différence statistiquement significative entre deux groupes ne signifie pas quil y ait équivalence entre les deux groupes

22 22 Ex : 0/3 (0,0%) vs 3/3 (100,0%) Différence defficacité = 100,0% p = 0,010 (test exact de Fisher)

23 23 Un résultat non statistiquement significatif peut avoir 2 causes : –lhypothèse H 0 est vraie (i.e. il y a équivalence entre les deux groupes) –la puissance statistique nest pas suffisante (i.e. nombre de sujets insuffisant)


Télécharger ppt "1 Test statistique : principe. 2 1. Exemple : comparaison de taux de guérison On souhaite comparer deux traitements dans le cadre dun essai randomisé"

Présentations similaires


Annonces Google