{"id":325016,"date":"2022-08-18T01:00:00","date_gmt":"2022-08-17T23:00:00","guid":{"rendered":"https:\/\/medizinonline.com\/la-probabilite-en-ligne-de-mire\/"},"modified":"2022-08-18T01:00:00","modified_gmt":"2022-08-17T23:00:00","slug":"la-probabilite-en-ligne-de-mire","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/fr\/la-probabilite-en-ligne-de-mire\/","title":{"rendered":"La probabilit\u00e9 en ligne de mire"},"content":{"rendered":"

Les statistiques constituent une m\u00e9thode essentielle dans la recherche m\u00e9dicale et la m\u00e9decine fond\u00e9e sur les preuves. En m\u00eame temps, elle pose des exigences tr\u00e8s \u00e9lev\u00e9es en termes de m\u00e9thodologie et de savoir-faire professionnel. De solides connaissances de base en statistiques sont donc indispensables pour comprendre la litt\u00e9rature m\u00e9dicale. Parmi les piliers fondamentaux figure la notion de “probabilit\u00e9”.<\/strong><\/p>\n

<\/p>\n

Dans la pratique quotidienne, les probabilit\u00e9s ne sont pas directement accessibles. Au lieu de cela, on observe des accumulations d’\u00e9v\u00e9nements. Ils correspondent \u00e0 une fr\u00e9quence absolue ou relative. En revanche, l’indication de probabilit\u00e9s vise \u00e0 quantifier le hasard. Cependant, il s’agit d’une construction th\u00e9orique qui ne peut \u00eatre qu’approximativement respect\u00e9e dans la pratique. Par exemple, un m\u00e9decin annonce \u00e0 son patient atteint d’une tumeur qu’apr\u00e8s une chimioth\u00e9rapie, il a 50% de chances de survivre les deux prochaines ann\u00e9es. Cette affirmation ne doit pas \u00eatre comprise comme signifiant que, sur deux patients trait\u00e9s simultan\u00e9ment, l’un mourra dans les deux premi\u00e8res ann\u00e9es et l’autre sera s\u00fbr \u00e0 100% de survivre pendant ces deux ann\u00e9es. Il faut plut\u00f4t comprendre que dans un grand collectif de patients, pr\u00e8s de la moiti\u00e9 d’entre eux survivent les deux ann\u00e9es suivantes, mais l’autre moiti\u00e9 ne le fait pas. Un destin individuel n’est qu’indirectement impliqu\u00e9 par cette d\u00e9claration. Cela s’explique par le fait que le m\u00e9decin traitant ne peut pas conna\u00eetre tous les facteurs d’influence qui permettent d’\u00e9tablir un pronostic individuel fiable.<\/p>\n

Les humains sont tr\u00e8s mauvais pour interpr\u00e9ter les donn\u00e9es explicites de probabilit\u00e9s. Cela s’explique par le fait que les deux t\u00e2ches sont tr\u00e8s diff\u00e9rentes : pr\u00e9dire des plausibilit\u00e9s de mani\u00e8re \u00e0 peu pr\u00e8s correcte ou, au contraire, r\u00e9soudre un probl\u00e8me math\u00e9matique. L’intuition statistique se trompe parfois. Testez-vous vous-m\u00eame : dans un pays o\u00f9 une personne sur 1000 est infect\u00e9e par le VIH (ce qui correspond \u00e0 une pr\u00e9valence de 0,1%), une personne choisie au hasard re\u00e7oit un r\u00e9sultat de test positif. Le test est fiable \u00e0 99%, le r\u00e9sultat est donc faux dans 1% des cas. Quelle est la probabilit\u00e9 que la personne test\u00e9e positive soit r\u00e9ellement infect\u00e9e par le VIH ? 99% ? Faux. La bonne r\u00e9ponse est environ 10%. En effet, math\u00e9matiquement, la situation se pr\u00e9sente comme suit : Sur 1000 personnes, une seule est infect\u00e9e et son test est tr\u00e8s probablement positif. Mais 10 des 999 personnes saines restantes obtiennent \u00e9galement un r\u00e9sultat de test positif, car la marge d’erreur est de 1 %. Parmi les 11 personnes au total dont le test est positif, il y a donc 10 personnes en bonne sant\u00e9 (les faux positifs) et une qui est r\u00e9ellement infect\u00e9e. Cela fait une probabilit\u00e9 de moins de 10% d’\u00eatre infect\u00e9 par le VIH si l’on est test\u00e9 positif.<\/p>\n

Le vaste champ des probabilit\u00e9s<\/h2>\n

Dans la recherche m\u00e9dicale, la probabilit\u00e9 est d\u00e9sign\u00e9e par un terme technique sp\u00e9cifique selon l’application. Il s’agit par exemple du risque, de l’incidence ou encore de la sensibilit\u00e9. En principe, toutes les probabilit\u00e9s sont calcul\u00e9es de la m\u00eame mani\u00e8re sur la base du calcul des probabilit\u00e9s. La probabilit\u00e9 est une mesure de la r\u00e9alisation ou non d’un \u00e9v\u00e9nement et est divis\u00e9e en probabilit\u00e9 inconditionnelle et conditionnelle. En \u00e9pid\u00e9miologie, on calcule ensuite des mesures telles que le risque absolu ou relatif, la r\u00e9duction absolue du risque, le nombre de personnes \u00e0 traiter et l’odds ratio. Mais l’incidence, la pr\u00e9valence, la mortalit\u00e9 et la l\u00e9talit\u00e9 sont \u00e9galement soumises au calcul des probabilit\u00e9s. Mais la pens\u00e9e statistique ne consiste pas seulement \u00e0 calculer de fa\u00e7on routini\u00e8re des grandeurs caract\u00e9ristiques ou \u00e0 appliquer de simples tests statistiques (dans l’espoir d’obtenir un r\u00e9sultat significatif), mais plut\u00f4t \u00e0 s’efforcer de faire la lumi\u00e8re sur les donn\u00e9es et de se rapprocher de la v\u00e9rit\u00e9.<\/p>\n

 <\/p>\n

Litt\u00e9rature compl\u00e9mentaire :<\/p>\n