Méthodologie : LCA CALCUL DU NOMBRE DE SUJETS NÉCESSAIRES POUR UNE ÉTUDE CLINIQUE - Qu’est ce qu’un test uni ou bilatéral ? - Quel lien unit α et β ? - Quel lien unit β et puissance ? - Comment varie le nombre de sujet à inclure avec α et β ? - Quand a-t-on besoin d’estimer ou de connaitre la variance ? - Qu’est ce qu’un variable binaire ou continue ? - Qu’est ce qu’une variable normale ? … Nombre de sujets à inclure VARIABLE NORMALE Distribution Normale OU NON ? Distribution Non Normales Nombre de sujets à inclure TEST UNI OU BILATÉRAL ? Nombre de sujets à inclure TEST UNI OU BILATÉRAL ? ? ? Nombre de sujets à inclure NOMBRE DÉPEND DE SUJETS À INCLURE ? DU TYPE DE VARIABLE ÉTUDIÉ Variable binaire Variable continue Vivant/décédé Succès/Echec du traitement Consommation/Non consommation (de morphine) Durée, temps Pourcentage Survie Nombre de sujets à inclure LES PARAMÊTRES NÉCESSAIRES Variable binaire Variable continue Le risque de première espèce : α Le risque de première espèce : α Le risque de seconde espèce : β Le risque de seconde espèce : β La réduction relative du risque La réduction relative du risque Le risque de base dans le groupe référence La variance (ou l’écart type) : σ +/- perdus de vue Nombre de sujets à inclure RISQUE DE PREMIÈRE ESPÈCE α? C’est la probabilité de rejeter à tort l’hypothèse nulle H0. Or H0 = la différence entre les deux groupes est nulle. Donc c’est la probabilité de conclure à tort à l’existence d’une différence entre les 2 groupes alors que cette différence n’est due qu’au hasard. α = 5% (par convention) Nombre de sujets à inclure RISQUE DE SECONDE ESPÈCE β? C’est la probabilité de ne pas rejeter H0 alors que H0 est fausse. Or H0 = la différence entre les deux groupes est nulle. Donc c’est la probabilité de ne pas conclure à une différence qui en réalité existe et n’est pas due au hasard. β = 5 à 30% Nombre de sujets à inclure PUISSANCE ? 1−β Peut se formuler comme la « chance » qu’on se donne de trouver la différence que l’on recherche. Probabilité d’accepter H1 sachant que H1 est vraie. Nombre de sujets à inclure RÉDUCTION RELATIVE DU RISQUE ? Effet attendu du traitement = différence des moyennes. S’hypothétise à partir de la littérature ou d’études préliminaires. RISQUE DE BASE DANS LE GROUPE RÉFÉRENCE ? Valeur attendue de la variable dans le bras contrôle. S’hypothétise à partir de la littérature ou d’études préliminaires. Nombre de sujets à inclure ECART TYPE σ (OU LA VARIANCE) ? Dispersion des individus autour de la moyenne pour la variable. 95% de la population EXPRIMÉ EN : Moyenne +/- DS Mean +/- SD Ex : 30% +/- 7,5% Nombre de sujets à inclure COMMENT VARIENT LE NSI AVEC CES PARAMÈTRES ? Nombre de sujets à inclure VARIATION DU RISQUE α Si on augmente α, on augmente le risque de conclure à tort à une différence qui n’existe pas. Intuitivement on comprend que « risque plus grand » correspond à « moins de sujets ». Numériquement et graphiquement : α/2 = 2,5% 95% α/2 = 2,5% zseuil = zα/2 α/2 = 5% 90% α/2 = 5% z'seuil = z’α/2 Nombre de sujets à inclure VARIATION DU RISQUE β Si on augmente β, on augmente le risque de ne pas conclure à une différence qui existe ou encore on diminue la chance de mettre en évidence la différence qui existe (perte de puissance). Intuitivement on comprend que « risque plus grand » ou « chance plus petite » correspond à « moins de sujets ». Numériquement et graphiquement : H0 H1 Nombre de sujets à inclure VARIATION DE ∆ Si on augmente ∆, intuitivement on comprend que l’effet à mettre en évidence est plus grand, ce qui correspond à « moins de sujets ». Numériquement et graphiquement : Exemple : hypothèse que le produit A augmente le HDLc de µ2 – µ1 ≈ 50% µ1 µ2>>µ1 Nombre de sujets à inclure VARIATION DE ∆ Si on augmente ∆, intuitivement on comprend que l’effet à mettre en évidence est plus grand, ce qui correspond à « moins de sujets ». Numériquement et graphiquement : Exemple : hypothèse que le produit A augmente le HDLc de µ2 – µ1 ≈ 20% Faudra-t-il plus de malades dans l’hypothèse que A augmente le HDLc de 50% ou de 20% ? µ1 µ2>µ1 Plus un produit est supposé efficace, moins il faudra le tester sur un échantillon important. Nombre de sujets à inclure VARIATION DE σ Si on augmente σ, intuitivement on comprend que la population étant plus dispersé autour de la moyenne, il faudra plus de sujets pour éliminer l’hypothèse que la différence soit le fruit du hasard (H0) Numériquement et graphiquement : ? ≠ µ1 µ2>>µ1 Nombre de sujets à inclure VARIATION DE σ Si on augmente σ, intuitivement on comprend que la population étant plus dispersé autour de la moyenne, il faudra plus de sujets pour éliminer l’hypothèse que la différence soit le fruit du hasard (H0) Numériquement et graphiquement : ? ≠ µ1 µ2>>µ1 Nombre de sujets à inclure VARIATION DU RISQUE DE BASE DANS LE GROUPE RÉFÉRENCE Si le risque de base augmente dans le groupe de référence, intuitivement on comprend que l’évènement étant plus fréquent, il faudra moins de sujets pour éliminer l’hypothèse que la différence soit le fruit du hasard (H0) Numériquement et graphiquement : Exemple : - L’évènement A dans la population contrôle a une incidence de 50%. Le produit A a un ∆ de 50%. La proportion attendue d’évènements dans le groupe traité par A est de 25%. Soit une différence Contrôle – Traité de 25%. - L’évènement B dans la population contrôle a une incidence de 5%. Le produit A a toujours un ∆ de 50%. La proportion attendue d’évènements dans le groupe traité par A est de 2,5%. Soit une différence Contrôle – Traité de 2,5%. Faudra-t-il plus de sujets pour montrer une différence de 25% d’incidence ou de 2,5% d’incidence ? Nombre de sujets à inclure VARIATION DU RISQUE DE BASE DANS LE GROUPE RÉFÉRENCE Faudra-t-il plus de sujets pour montrer une différence de 25% d’incidence ou de 2,5% d’incidence ? 50% 50% 25% 25% 5% 2,5% 2,5%