Michael A. Überall, Nuremberg, a examiné de plus près les pièges de la lecture des publications d’études et la pertinence des données statistiques lors d’une série de séminaires. Il a recommandé de faire confiance à son bon sens et de ne pas se laisser induire en erreur par les chiffres. En effet, de nombreuses études sont des emballages trompeurs et proposent dès le résumé qu’il ne vaut pas la peine de s’intéresser de plus près à leur contenu.
Chaque année, d’innombrables études sont publiées sur l’efficacité – ou l’inefficacité – des thérapies. La valeur p est un critère central dans l’évaluation de l’efficacité : si la signification statistique n’est pas atteinte avec une valeur >0,05, une étude est généralement considérée comme un échec. “La valeur p ne dit cependant rien sur le vrai ou le faux, elle indique simplement une probabilité”, a expliqué Überall. Ainsi, une valeur p ≤0,05 signifie que le résultat est certain avec une probabilité de 95% ou plus. Mais cette valeur peut aussi être atteinte de manière aléatoire. Avec une valeur p de 0,06, le résultat est encore sûr à 94% – et la différence avec p≤0,05 est minime. “Par conséquent, une valeur p >0,05 signifie-t-elle vraiment que le traitement n’est pas efficace ? Nous devrions nous demander si cette convention est correcte”, conclut-il. En effet, une valeur p = 0,06 peut avoir pour conséquence qu’un médicament dont de nombreux patients ont peut-être un besoin urgent ne soit pas autorisé.
La certitude qu’une différence entre deux groupes n’est pas due au hasard peut être augmentée par des valeurs de p <0,01 ou <0,001. Une valeur p <0,001 est considérée comme hautement significative – et le résultat est sûr à 99,9%. Mais une probabilité d’erreur de 0,1% signifierait que 445 000 ordonnances seraient mal remplies chaque année ou qu’un avion décollant ou atterrissant à Francfort s’écraserait tous les deux jours, a fait remarquer M. Überall. Même une valeur p <0,001 n’est donc pas sûre à 100 %. Selon lui, l’une des valeurs les plus importantes en médecine est l’intervalle de confiance, qui est généralement exprimé à 95%. Si l’intervalle entoure la valeur 1 ou si les intervalles de confiance de deux thérapies se chevauchent, les différences d’efficacité documentées ne sont pas statistiquement pertinentes. “Dans ce cas, vous pouvez mettre l’étude de côté sans crainte”, a affirmé Überall.
Si l’étude ne tient pas ses promesses
En ce qui concerne la lecture des études en général, il suffit souvent de jeter un coup d’œil à l’abstract pour voir si cela vaut la peine de continuer à lire. M. Überall a illustré son propos par une étude sur le traitement des douleurs neuropathiques chez les patients atteints de sclérose en plaques. Le médicament testé n’était pas plus efficace que le placebo pour soulager la douleur, mais il provoquait deux fois plus d’effets secondaires. Néanmoins, les auteurs écrivent dans le titre de la publication que le médicament est une option sûre pour le traitement à long terme des douleurs neuropathiques. “Lisez donc avec bon sens si le contenu d’une publication tient les promesses de son titre”, a appelé Überall aux participants du congrès.
Conclusions erronées à partir d’évaluations incorrectes
Une évaluation qui aurait fait le jeu des sceptiques du vaccin Corona en 2021 montre à quel point les données des études peuvent induire en erreur. Ainsi, selon les données du ministère bavarois de la Santé, les personnes vaccinées présentaient un taux de mortalité plus élevé (4,3%) que les personnes non vaccinées (3,4%). Les personnes âgées étaient toutefois largement surreprésentées dans l’évaluation – et après pondération en fonction de l’âge, il s’est avéré que les personnes vaccinées présentaient un risque de mortalité plus faible que les personnes non vaccinées. Quelles leçons en tirer ? Lire des études, cela s’apprend aussi.
Source : Überall M : Statistiques en médecine de la douleur. Journée allemande de la douleur et des soins palliatifs 2023
InFo NEUROLOGIE & PSYCHIATRIE 2023 ; 21(2) : 29
