Comparaisons cherchant à montrer une diff érence (en général un bénéfi ce)
99
Pour cette raison, dans un essai randomisé, si l’on envisage de faire des
analyses intermédiaires, il faut les prévoir dans le protocole initial et
en tenir compte dans le calcul des effectifs afin de maintenir le risque
de première espèce à 0,05. Cela implique de se fixer un premier seuil
de signification du premier test que l’on réalise, plus bas que la valeur
habituelle de 0,05. Dans le tableau XVIII, la valeur de 0,05 ne doit pas
être la valeur du premier test, mais celle du dernier qui est prévu. Il
faut donc inclure un plus grand nombre de sujets que si l’on ne faisait
pas de tests intermédiaires. Il existe plusieurs règles communément
utilisées : la règle de Bonferroni fixe comme seuil de signification de
chaque test, non pas 0,05, mais 0,05/n où n est le nombre de tests qu’il
est prévu de réaliser ; la règle de Peto fixe un seuil très faible pour les
premiers tests (en général 0,0001) et réserve le gros du risque pour
l’analyse finale.
Les analyses multiples en fin d’étude
Elles posent les mêmes problèmes et dans des termes analogues. Par
exemple, si le but d’un essai randomisé est de comparer deux traitements pour lesquels il est prévu cinq critères de jugement indépendants, tenant compte des avantages, mais aussi des contreparties des
traitements, et un seuil habituel de risque de première espèce de 0,05,
le risque que l’on observe une différence significative, mais due au
hasard, pour l’un des cinq critères de jugement s’élève à 14 %.
Les analyses de sous-groupes
Il en est de même pour ces analyses. Par exemple si après avoir fait
un test sur l’ensemble des cas inclus dans l’essai, on fait, s’il s’agit
d’un essai thérapeutique, une analyse sur le sous-groupe de malades
qui n’ont pas d’envahissement ganglionnaire, une autre analyse sur
le sous-groupe de malades qui ont un envahissement ganglionnaire,
une autre sur ceux qui n’ont pas d’envahissement de la musculeuse s’il
s’agit d’un cancer du tube digestif, etc. Il est ainsi souvent assez facile
de réaliser de nombreux tests sur des sous-groupes et que l’un des tests
montre une différence statistiquement significative sans tenir compte
du fait qu’en multipliant le nombre des tests, on augmente d’autant
le risque global d’erreur de première espèce, si l’on s’en tient au seuil
« habituel » de signification de 0,05 comme le montre le tableau XVIII.
Autrement dit, de la même façon que le nombre d’analyses intermédiaires augmente le risque de première espèce, il en est de même de
99
Pour cette raison, dans un essai randomisé, si l’on envisage de faire des
analyses intermédiaires, il faut les prévoir dans le protocole initial et
en tenir compte dans le calcul des effectifs afin de maintenir le risque
de première espèce à 0,05. Cela implique de se fixer un premier seuil
de signification du premier test que l’on réalise, plus bas que la valeur
habituelle de 0,05. Dans le tableau XVIII, la valeur de 0,05 ne doit pas
être la valeur du premier test, mais celle du dernier qui est prévu. Il
faut donc inclure un plus grand nombre de sujets que si l’on ne faisait
pas de tests intermédiaires. Il existe plusieurs règles communément
utilisées : la règle de Bonferroni fixe comme seuil de signification de
chaque test, non pas 0,05, mais 0,05/n où n est le nombre de tests qu’il
est prévu de réaliser ; la règle de Peto fixe un seuil très faible pour les
premiers tests (en général 0,0001) et réserve le gros du risque pour
l’analyse finale.
Les analyses multiples en fin d’étude
Elles posent les mêmes problèmes et dans des termes analogues. Par
exemple, si le but d’un essai randomisé est de comparer deux traitements pour lesquels il est prévu cinq critères de jugement indépendants, tenant compte des avantages, mais aussi des contreparties des
traitements, et un seuil habituel de risque de première espèce de 0,05,
le risque que l’on observe une différence significative, mais due au
hasard, pour l’un des cinq critères de jugement s’élève à 14 %.
Les analyses de sous-groupes
Il en est de même pour ces analyses. Par exemple si après avoir fait
un test sur l’ensemble des cas inclus dans l’essai, on fait, s’il s’agit
d’un essai thérapeutique, une analyse sur le sous-groupe de malades
qui n’ont pas d’envahissement ganglionnaire, une autre analyse sur
le sous-groupe de malades qui ont un envahissement ganglionnaire,
une autre sur ceux qui n’ont pas d’envahissement de la musculeuse s’il
s’agit d’un cancer du tube digestif, etc. Il est ainsi souvent assez facile
de réaliser de nombreux tests sur des sous-groupes et que l’un des tests
montre une différence statistiquement significative sans tenir compte
du fait qu’en multipliant le nombre des tests, on augmente d’autant
le risque global d’erreur de première espèce, si l’on s’en tient au seuil
« habituel » de signification de 0,05 comme le montre le tableau XVIII.
Autrement dit, de la même façon que le nombre d’analyses intermédiaires augmente le risque de première espèce, il en est de même de