Recherche documentaire et LCA · pass

Interprétation critique des résultats statistiques

Ce que tu dois retenir

Chapitre 1 — p < 0,05 ne suffit pas

Un résultat statistiquement significatif peut être cliniquement négligeable.

Chapitre 2 — IC 95 % : précision et signification

Un IC étroit témoigne d’une estimation précise.

Chapitre 3 — Puissance statistique : détecter un effet réel

L’absence de preuve n’est pas la preuve de l’absence.

Chapitre 4 — Biais : quand les résultats trompent

Un résultat significatif peut être dû à un biais, pas à une causalité.

Teste-toi

1. Que signifie une p-value de 0,01 ?

AA. Il y a 1 % de chances que l’hypothèse nulle soit vraie.
BB. La probabilité d’observer les données si l’hypothèse nulle est vraie est de 1 %.
CC. L’effet observé est cliniquement important.
DD. La puissance de l’étude est de 99 %.
Voir la réponse

Réponse : B — B. La probabilité d’observer les données si l’hypothèse nulle est vraie est de 1 %.

La p-value est la probabilité d’obtenir un résultat au moins aussi extrême sous H0, et non la probabilité que H0 soit vraie. Elle ne renseigne ni sur la pertinence clinique ni sur la puissance.

2. Un intervalle de confiance à 95 % pour une différence de moyennes est [-2,5 ; 8,1]. Quelle interprétation est correcte ?

AA. La différence est statistiquement significative car l’intervalle est large.
BB. La différence n’est pas statistiquement significative car l’intervalle inclut 0.
CC. La différence est cliniquement significative car la borne supérieure est positive.
DD. L’étude manque de puissance car l’intervalle est asymétrique.
Voir la réponse

Réponse : B — B. La différence n’est pas statistiquement significative car l’intervalle inclut 0.

Lorsque l’IC 95 % d’une différence inclut 0, on ne peut pas rejeter l’hypothèse nulle au seuil de 5 %. La signification statistique ne dépend pas de la largeur ou de l’asymétrie.

3. Qu’indique une puissance statistique de 90 % ?

AA. Il y a 90 % de chances que l’hypothèse nulle soit vraie.
BB. L’étude a 90 % de chances de détecter une différence si elle existe.
CC. La p-value sera inférieure à 0,10.
DD. Le risque d’erreur de type I est de 10 %.
Voir la réponse

Réponse : B — B. L’étude a 90 % de chances de détecter une différence si elle existe.

La puissance est la probabilité de rejeter H0 quand H0 est fausse (1 – β). Elle ne concerne pas le risque α ni la probabilité de H0.

4. Pourquoi un résultat statistiquement significatif peut-il ne pas être cliniquement pertinent ?

AA. Parce que la p-value est trop petite.
BB. Parce que l’effet observé peut être minuscule et sans intérêt pratique.
CC. Parce que l’intervalle de confiance exclut toujours la valeur nulle.
DD. Parce que la puissance est trop élevée.
Voir la réponse

Réponse : B — B. Parce que l’effet observé peut être minuscule et sans intérêt pratique.

Avec un très grand échantillon, une différence infime peut devenir statistiquement significative sans pour autant avoir d’impact clinique. Il faut examiner la taille de l’effet.

5. Un facteur de confusion est une variable qui :

AA. Augmente la puissance de l’étude.
BB. Est associée à l’exposition et à l’issue, pouvant créer une fausse association.
CC. Est toujours responsable d’un biais de sélection.
DD. Est contrôlée par le calcul de la p-value.
Voir la réponse

Réponse : B — B. Est associée à l’exposition et à l’issue, pouvant créer une fausse association.

Un facteur de confusion est lié à la fois à l’exposition et à la maladie, et peut induire une association trompeuse s’il n’est pas pris en compte dans l’analyse.

6. Qu’est-ce qu’une erreur de type I ?

AA. Conclure à une différence qui n’existe pas.
BB. Ne pas détecter une différence qui existe.
CC. Utiliser un test statistique inapproprié.
DD. Inclure un facteur de confusion dans l’analyse.
Voir la réponse

Réponse : A — A. Conclure à une différence qui n’existe pas.

L’erreur de type I (risque α) consiste à rejeter à tort l’hypothèse nulle, c’est-à-dire conclure à un effet qui n’existe pas en réalité.

7. Une étude avec un petit échantillon ne montre pas de différence significative. Quelle est l’interprétation la plus prudente ?

AA. L’absence de différence est prouvée.
BB. L’étude manque peut-être de puissance, on ne peut pas conclure à l’absence d’effet.
CC. La p-value est forcément supérieure à 0,05.
DD. L’intervalle de confiance sera étroit.
Voir la réponse

Réponse : B — B. L’étude manque peut-être de puissance, on ne peut pas conclure à l’absence d’effet.

Un petit échantillon réduit la puissance et élargit l’intervalle de confiance. Un résultat non significatif peut être dû à un manque de puissance, pas à une absence réelle d’effet.

8. Un intervalle de confiance à 95 % d’un odds ratio est [0,9 ; 1,4]. Que peut-on en déduire ?

AA. L’odds ratio est significativement différent de 1.
BB. L’odds ratio n’est pas significativement différent de 1 au seuil de 5 %.
CC. L’odds ratio est exactement égal à 1,15.
DD. L’étude est biaisée car l’intervalle est trop large.
Voir la réponse

Réponse : B — B. L’odds ratio n’est pas significativement différent de 1 au seuil de 5 %.

L’IC inclut 1, donc on ne peut pas rejeter l’hypothèse nulle d’absence d’association. L’odds ratio ponctuel n’est qu’une estimation.

Retour au cours ruedusavoir.com · Apprendre, c'est avancer.