Risques d’erreur statistique et test statistique Origine de la problématique Fluctuations aléatoires Échantillon 1 48% Obtenir pile à pile ou face (Probabilité = 50%) Échantillon 2 52% Échantillon 3 50% Échantillon 4 45% Fluctuations aléatoires Échantillon 1 9% Même type de patients (Probabilité d'AVC = 12%) Échantillon 2 12% Échantillon 3 16% Échantillon 4 26% Fluctuations aléatoires d'échantillonnage Fortes pour des effectifs petits et moyens Faibles pour des grands effectifs Jamais nulles Conséquences pour la comparaison de 2 échantillons – les proportions observées dans 2 échantillons peuvent être différentes – uniquement du fait du hasard – même si dans ces 2 échantillons la vraie probabilité était la même les FAE sont susceptibles de fausser les comparaisons Conséquences des fluctuations Effet du traitement = 0 Vrai risque = 10% Vrai risque = 10% Groupe T+ Groupe T- Risque observé = 6% Risque observé = 12% Différence observée = -6% Problématique des comparaisons Quand on ignore la réalité, la différence observée de -6% est-elle ? – une manifestation des fluctuations aléatoires, donc due uniquement au hasard – la traduction d’une réelle différence entre les deux groupes, donc d’un effet non nul du traitement Comment départager ces 2 possibilités ? Solution : test statistique . But des comparaisons Quel est le but des comparaisons ? Grp T diff -6% Conclure à l'existence d'une différence Décider d'utiliser le nouveau traitement Grp C La conclusion doit être conforme à la réalité mais elle se base uniquement sur l’observé Effets des fluctuations dans une comparaison Le hasard peut faire apparaître une différence qui n'existe pas en réalité Inversement, le hasard peut réduire une différence qui existe réellement donc 2 façons de fausser la conclusion Risques d’erreur statistique Risques de conclusions erronées Deux risques d'erreur – Risque alpha – Risque bêta Erreurs statistiques – dues uniquement au hasard Erreur statistique alpha Conclure à l'existence d'une différence qui n'existe pas en réalité : faux positif Échantillon 1 7.5% Différence non réelle Vrai valeur 12% Échantillon 2 15% Erreur statistique bêta Ne pas conclure à une différence qui existe pourtant en réalité : faux négatif Vrai valeur 12% Échantillon 1 15% Fausse absence de différence Vrai valeur 19% Échantillon 2 15% Risques d'erreur statistiques Risque alpha : risque de conclure à une différence qui n’existe pas Risque bêta : risque de ne pas mettre en évidence une différence qui existe réellement Puissance : 1 - bêta : probabilité de mettre en évidence une différence qui existe réellement Application à l’essai thérapeutique Risque alpha : considérer comme efficace un traitement qui ne l’est pas Risque bêta : ne pas conclure alors que le traitement est efficace Puissance : montrer l’efficacité d’un traitement réellement efficace Conclusion Réalité Différence Erreur bêta Différence Pas de différence Pas de différence Erreur alpha Tests statistiques Outils d'aide à la décision Principe – conclure à une différence – que si le risque de faire une erreur (de première espèce) est faible Quantification du risque d'erreur alpha – à partir des données disponibles (Risque de commettre une erreur alpha = risque alpha) Principe général p1 = 7% Quelle est la probabilité de commettre une erreur si je conclus à partir de ces données à l'existence d'une réelle différence p0 = 13% Probabilité faible Probabilité forte Conclusion Pas de conclusion Conclure à l'existence d'une différence que si le risque de faire une conclusion erronée est faible Démarche du test statistique Calcul de la probabilité p p : probabilité que "la différence observée soit due uniquement au hasard" p représente le risque de faire une conclusion erronée si l'on décidait de conclure p est une quantification du risque alpha On ne conclut que si ce risque d'erreur est suffisamment petit Seuil de risque Seuil de risque de conclusion erronée acceptable – seuil de risque alpha = 5% p < 5% – on prend le risque de conclure p > 5% – on ne conclut pas < ou ? Signification statistique Différence observée Test Différence significative p<0.05 Il est peu probable que la différence observée soit due au hasard Différence non significative p>0.05 La probabilité que la différence observée soit due au hasard est forte Seuil de signification statistique Le test statistique est un moyen qui autorise à conclure à l'existence d'une différence que si le risque de commettre une erreur est faible Risque d'erreur faible = 5% (en général) – seuil de décision Contrôle du risque alpha – mais le risque d'erreurs alpha persiste – 100 essais avec un traitement sans efficacité • conclusion à tort à l'efficacité dans 5 essais Réalisation du test Calcul à partir des données de la probabilité de commettre une erreur alpha = p p = 0.04 p<5% conclusion à l'existence de la différence parce que le risque de faire une conclusion fausse est faible p = 0.25 p>5% impossible de conclure à l'existence d'une différence car si on concluait à une différence, le risque d'erreur serait trop fort p1 = 7% p0 = 13% p1 = 20% p0 = 17% P < 0.05 En concluant à l'efficacité, on prend un risque de 5% de faire une conclusion erronée 5% est un risque d'erreur élevé – en pratique 2 essais significatifs – risque = 5% * 5% = 2.5/1000 Disparition du risque d'erreur bêta Le risque bêta est incalculable Impossible de quantifier le risque d'erreur quand on fait une conclusion d'absence de différence – il est donc impossible de faire ce type de conclusion – les tests permettent seulement de conclure à l'existence d'une différence – en cas de différence non signification • impossible de conclure • et ne permet surtout pas de conclure à l'absence de différence vu que le risque d'erreur est inconnu • "l'absence de preuve n'est pas la preuve de l'absence" Différence non significative Absence réelle d'effet Résultat non significatif ? Manque de puissance Impossible de conclure Ne pas conclure à l’absence de différence «L’absence de preuve n’est pas la preuve de l’absence» OBJECTIF : Evaluer l’efficacité d’une injection unique de tobramycine (T) chez des patientes traitées pour une pyélonéphrite aiguë noncompliquée par de la ciprofloxacine (CIP) (500 mg 2 fois par jour per os). RÉSULTATS : Cent dix huit patientes ont été inclues, 60 dans le groupe tobramycine et 58 dans le groupe placebo. E. coli a été isolé de façon prédominante et tous les germes isolés étaient sensibles à la ciprofloxacine RÉSULTATS : Cent dix huit patientes ont été inclues, 60 dans le groupe tobramycine et 58 dans le groupe placebo. E. coli a été isolé de façon prédominante et tous les germes isolés étaient sensibles à la ciprofloxacine et à la tobramycine. Deux échecs sont survenus dans le groupe CIP + T et 4 dans le groupe CIP + P (non significatif). CONCLUSION : L’administration d’une dose de tobramycine n’améliore aucun paramètre clinique dans le traitement des pyélonéphrites aiguës non compliquées traitées par de la ciprofloxacine par voie orale. Dualité entre test et intervalle de confiance définition des IC Intervalle qui a 95% de chance de contenir la vraie valeur il est raisonnable de parier que la vraie valeur est dans l'intervalle (prob de 95%) il est peu probable (prob 5%) – que la vraie valeur soit > à bs – ou que la vraie valeur soit < à bi – il est donc peu raisonnable de parier que la vraie valeur soit à l'extérieur de l'IC Intervalle de confiance Différence = -6% IC 95% = [-8%;-4%] L’intervalle [-8%;-4%] à 95% de chance de contenir la vraie valeur de la différence reflète l'incertitude de l'estimation Il n'est pas possible d'exclure que le vrai effet ne soit que de -4% – situation la pire – efficacité plus faible que les -6% de l'estimation ponctuelle Ensemble des valeurs non statistiquement différentes du résultats p<0.05 NS IC 95% Résultat observé Relation entre IC et test IC d’une différence n'incluant pas 0 – [-10% ; -4%] – la probabilité d’avoir ce type d’intervalle si la vraie valeur est zero est <=5% – donc il est possible de conclure à une différence non nulle car le risque d’erreur alpha est <=5% = différence significative (au seuil de 5%) IC de la différence des risques incluant 0 – [-20% ; 20%] = différence non significative -5% [-10%,-2%] P<0.05 -2% [-9%;+2%] NS 0 Différence Pertinence clinique Signification statistique pertinence clinique Réduction de mortalité de 25% à 12%, p<0.05 – réduction statistiquement significative – pertinente cliniquement Réduction de mortalité de 2.3% à 2.1%, p<0.05 – réduction statistiquement significative – peu pertinente cliniquement Présentation théorique Théorie des tests d'hypothèses Hypothèse nulle – H0 : p1 - p0 = 0 (p1 = p0) (le traitement n'a pas d'effet) Hypothèse alternative – H1 : p1 - p0 0 (p1 p0) (le traitement à un effet) Test statistique = – retenir une de ces 2 hypothèses – en fonction des données recueillies Risques d'erreur alpha et bêta – = Prob[ accepter H1 alors que H0 est vraie ] – = Prob[ accepter H0 alors que H1 est vraie ] Rappel H0 : p1 = p0 H1 : p1 <> p0 Calcul de p p = prob [ d'observer une différence au moins aussi importante que ce que l'on a observé alors que H0 est vraie ] soit z = p1 - p0 la différence entre les 2 prop. p1 et p0 si H0 est vraie, z suit une loi normale (si n grand) – moyenne 0 (H0) – écart type p1(1 p1 ) p0 (1 p0 ) n1 n0 – Principe du test : calculer la probabilité d'observer dans ce cas une différence au moins aussi grande que celle qui a été effectivement observée (par exemple 7% - 13% = -6%) f(x) Distribution de Z sous l'hypothèses nulle p = surface sous la courbe Pr(Z -6%) -6% z observé 0 z p quantifie le degré de désaccord entre l'hypothèse nulle et ce qui a été observé Rejet de l'hypothèse nulle H0 Autre façon de réaliser un test But du test – rejeter H0 ( p1 - p0 = 0 ) – pour accepter H1 ( p1 - p0 0 ) – rejeter H0 conclusion = diff. significative – ne pas rejeter H0 conclusion = diff. non significative – sans évaluation précise du p Limites de rejet – valeurs de décision pour le rejet de H0 – valeurs de différences observées – notées L (et -L) -L Rejet 0 PAS de rejet de H0 L Diff observée Rejet L est déterminé par le seuil choisi (5%) – par définition = Prob [conclure si H0] – Prob [ diff. observée <-L ou >L si H0] = 2.5% 2.5% -L L Différence z L défini les différences qui ont une probabilité faible d'être observées sous l'hypothèse nulle L = 1.96 – ( = écart type de la différence) Rappel Loi normale N(0,) 95 % -1.96 0 1.96 x – Exemple 1 • diff. observée z = -5% • L = 7% pour alpha=5% (-L = -7%) • pas de rejet de H0 – Exemple 2 • • • • diff. observée z = 12% L = 7% rejet de H0 conclusion : diff. significative au seuil de 5% – Exemple 3 • • • • diff. observée z = -4% L = 2% (-L = -2%) rejet de H0 conclusion : diff. significative au seuil de 5% Possibilité de diff. significative aussi bien en cas de : – différence positive (p1 > p0) – différence négative (p1 < p0) Test bilatéral Comparaison des 2 approches Rejet de l'hypothèse nulle – calcul de L – si diff. observée <-L ou diff. observée >L rejet de h0 diff significative – si -L < diff observée < L pas de rejet de H0 diff non significative Calcul de p – si p<0.05 diff. significative – si p>0.05 diff. non significative L dépend de – alpha – p1 p0 – n1 n0 Écart type de la différence (erreur standard) p dépend de – différence observée – p1 p0 Écart type de la différence (erreur standard) – n1 n0 Exemple : – Diff. Observée = -5% – approche par rejet de H0 • conclusion : diff. Significative • le risque d'erreur encouru en concluant à la différence est < 5% – approche par calcul de p • résultat : p = 0.03 • prob de cette diff. soit due uniquement au hasard est de 0.03 • le risque d'erreur encouru en concluant à la différence est de 3% Résumé Erreur alpha – type d'erreur statistique Risque alpha – risque de commettre une erreur alpha Seuil de la signification statistique – valeur de risque alpha consenti – en général 5% p – quantification à partir des données observées du risque alpha Erreurs d'interprétation p n’est pas la prob. de l’hypothèse nulle – p est la prob. d’obtenir le résultat observé si H0 est vraie p n’est pas la prob. que le ttt. n’ait pas d’effet – p est la prob. d’obtenir le résultat qui a été observé si le ttt. est en réalité inefficace "obtenir le résultat observé" = obtenir une diff. au moins aussi importante que le résultat observé – cf. définition de p – rappel : avec une VA continue, la prob d'une valeur est nulle p<0.05 ne signifie pas qu’il y a moins de 5% de chance que le ttt. soit sans effet p<0.05 ne signifie pas qu’il y a 95% de chance que le ttt. est un effet – il y a moins de 5% de chance d’observer le résultat obtenu si le ttt. est sans effet p n’est pas Pr(H0) ou 1-Pr(H1) Bilatéral / unilatéral traitement A > traitement B Test bilatéral Diff. significative Test Diff. significative unilatéral 0 traitement A < traitement B Différence non significative Diff. significative Différence non significative Valeur de la différence 0,70 0,79 1 0,98 1,45 Risque rel Test bilatéral Diff. significative Test unilatéral Diff. significative Différence non significative Diff. significative Différence non significative Conséquences Un résultat NS en bilatéral peut être significatif en unilatéral pas de choix a posteriori Répétitions des tests statistiques Répétition des tests Plusieurs tests réalisés pour répondre à une même question – par exemple plusieurs critère de jugement Conclusion à un effet à partir du moment où il existe au moins un test significatif Le risque de la conclusion est bien supérieure à 5% Inflation du risque alpha Rappel, avec un ttt. sans effet, – sur 100 tests, il y en aura 5 significatifs (en moyenne) 1 test Conclusion Contrôle parfait du risque alpha (5%) Conclusion Le risque de conclure à tort est > à 5% (seuil de 5%) Test 1 Test 2 Test 3 Test 4 A partir du moment où au moins 1 test est significatif Comparaisons multiples Aux dés, la probabilité d ’obtenir un six est plus forte avec 3 dés qu ’avec un seul Test 1 Risque de conclure à tort à une différence = 5% Test 2 Risque de conclure à tort à une différence = 5% Test 3 Risque de conclure à tort à une différence = 5% Globalement, le risque de conclure à tort à une différence lors de ces 4 comparaisons est bien plus important que 5%. Test 4 Risque de conclure à tort à une différence = 5% Comparaisons multiples Avec un traitement sans efficacité en faisant 10 tests statistiques (p.e. 10 essais) nous avons 40% de risque de faire au moins une conclusion (à tort) global 1 1 k Nb de tests Risque alpha global 5 0.23 10 0.40 20 0.64 50 0.92 Critères de jugement Aspirine pour la prévention des événements cardiovasculaires Critères de jugement – – – – – – – mortalité totale Événements cardiovasculaires mortels ou non mortels DC cardiovasculaires Mort subite Infarctus Accident vasculaire cérébraux Interventions de revascularisation Risque alpha de conclure à tort à l'efficacité ? Critère de jugement principal • Décès de toute cause • Décès cardiovasculaire • Mort subite Critère principal • Décès de toute cause Critères secondaires • Infarctus • Décès cardiovasculaire • Accident vasculaire cérébraux • Mort subite • Chirurgie • Infarctus • Accident vasculaire cérébraux • Chirurgie Pas de définition de critère principal 7 tests statistiques Risque de conclure à tort à l ’efficacité du traitement = 30% Définition a priori d ’un critère principal Un seul test statistique Risque de conclure à tort à l ’efficacité du traitement = 5% Critère principal Conclusion que si le critère principal est significatif Critères secondaires : explicatifs Multiplicité des critères de jugement - Exemple In women, however (Table 2), a positive effect on BMD was observed at several sites (mostly trabecular bone zones), namely the femoral neck and the Ward’s triangle in the 60–69 y group, and upper and total radius in the 70–79 y group. Autres situations de répétition des tests mesures répétées au cours du temps Analyse en sous-groupes - Essai non concluant Essai 0.92 NS 1 Age<75 2 Age>75 0.92 0.95 NS NS 3 Hommes 4 Femmes 0.92 0.99 NS NS 5 Antécédents d'infarctus 6 Pas d'antécédents d'infarctus 0.87 1.03 NS NS 7 Prise d'aspirine 8 Pas d'aspirine 0.78 1.09 p<0.05 NS Limites- Multiplicité des tests 1 Age<75 2 Age>75 test 1 test 2 risque erreur 5% risque erreur 5% 3 Hommes 4 Femmes test 3 test 4 risque erreur 5% risque erreur 5% 5 Antécédents d'infarctus 6 Pas d'ATCD d'infarctus test 5 test 6 risque erreur 5% risque erreur 5% 7 Prise d'aspirine 8 Pas d'aspirine test 7 test 8 risque erreur 5% risque erreur 5% Analyses en sous groupes - Essai concluant Essai 0.78 p<0.05 1 Age<75 2 Age>75 0.65 0.90 p<0.01 NS 3 Hommes 4 Femmes 0.76 0.78 p<0.05 p<0.05 5 Antécédent d'infarctus 0.97 6 Pas d'antécédent d'infarctus 0.70 NS p<0.01 7 Diabétique 8 Non diabétique p<0.001 p<0.05 0.50 0.91 Analyses intermédiaires en cours d’essai, avant que tous les patients prévus aient été recrutés et/ou avant la fin de la période de suivi initialement prévue But arrêter prématurément – pour efficacité – pour toxicité – pour futilité Ajustement du seuil de signification Méthode de Bonferroni – Pour k comparaisons, le seuil ajusté est : – Pour k=3, saj = 5% / 3 = 1.67% – Quand est petit, k 1 1 k saj k 1 1 k – Donc pour conserver un risque alpha global de 5% : k k 0.05 0.05 k – Inconvénient : fait l’hypothèse d’une stricte indépendance des variables testées méthode conservatrice Ajustement du seuil de signification - 2 Méthode de Tukey saj k – Pour k=3, saj = 5% / 1.73 = 2.89% Cas 1 Analyse intermédiaire 1 2 p = 0.10 p = 0.011 3 Analyse finale 3 analyses intermédiaires + 1 analyse finale = 4 comparaisons saj 5%/ 4 1.25% Arrêt prématuré de l’essai Cas 2 Analyse intermédiaire 1 2 3 Analyse finale p = 0.25 p = 0.08 p = 0.04 p = 0.01 Pas d’arrêt prématuré mais conclusion à l’efficacité Cas 3 Analyse intermédiaire 1 2 3 Analyse finale p = 0.42 p = 0.28 p = 0.12 p = 0.04 Pas d’arrêt prématuré et résultat non significatif (p=4%>saj) Cas 4 Analyse intermédiaire 1 2 3 Analyse finale P = 0.89 p = 0.48 p = 0.25 p = 0.10 Résultat non significatif Essai 1 Essai 2 Infarctus mortels et non mortels p=0.03 p=0.001 infarctus non mortels p=0.05 p=0.010 décès par infarctus p=0.02 p=0.010 décès de toute cause p=0.06 p=0.03 Conclusion essai 1 – pas de démonstration de l'efficacité Conclusion essai 2 – démonstration de l'efficacité de manière statistiquement significative (p<0.05) – sur les 3 premiers critères de jugement Catalogue des tests statistiques Taille de l’échantillon Avec les échantillons de grandes tailles – les distributions des • • • • moyennes proportions différence de moyenne différence de proportions sont des distributions normales --> calcul simple de p et des IC Avec les échantillons de petites tailles (n<30) – ces distributions ne sont pas normales (en général) • (en général inconnues) – techniques spéciales dites "non paramétriques" Variable continue – Données : distribution normale • moyenne : distribution normale qq soit n – Données : distribution quelconque symétrique • moyenne : distribution normale qq n>30 – Données : distribution quelconque • moyenne : distribution normale qq n>100 Variable binaire – proportion : distribution normale qd n>30 Séries statistiques appariées 2 séries statistiques provenant de l'observation des mêmes sujets (unités statistiques) 2 méthodes de dosage de la glycémie A et B les 2 méthodes sont appliquées aux mêmes sujets – pour chaque patient : 2 valeurs, une avec chaque méthode – = 2 séries appariées 2 groupes de patients différents – méthode A utilisée avec le 1er grp – méthode B utilisée avec le 2e grp – = 2 séries non appariées Catalogue des tests statistiques Le test utilisé doit être précisé avec le résultat Un test pour chaque situation définie par : – type de la variable (continue, binaire) – petit ou grand effectif – séries appariées ou non Var. continues (comparaison des moyennes) – Séries non appariées • grand effectif – test t (test de Student), Test z • test non paramétrique – Test de Wilcoxon (Mann-Whitney) – Séries appariées • grand effectif – test t pour séries appariées (Student pour séries appariées) • test non paramétrique – Test de Wilcoxon pour séries appariées Var. binaires (comparaison des proportions) – Séries non appariées • grand effectif – Chi 2 2 ( ) • test non paramétrique – Test exact de Fisher – Séries appariées – test de McNemar Var. qualitative à plusieurs modalités – idem var. binaires