{"id":327281,"date":"2021-11-27T01:00:00","date_gmt":"2021-11-27T00:00:00","guid":{"rendered":"https:\/\/medizinonline.com\/tests-statistiques-de-lacuite-a-la-puissance\/"},"modified":"2021-11-27T01:00:00","modified_gmt":"2021-11-27T00:00:00","slug":"tests-statistiques-de-lacuite-a-la-puissance","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/fr\/tests-statistiques-de-lacuite-a-la-puissance\/","title":{"rendered":"Tests statistiques : de l’acuit\u00e9 \u00e0 la puissance"},"content":{"rendered":"

L’objectif de toute \u00e9tude et de tout test statistique est de d\u00e9montrer de mani\u00e8re fiable des effets r\u00e9els, parfois peu \u00e9vidents au premier abord. Cependant, ce n’est souvent qu’en regardant dans les coulisses que l’on peut interpr\u00e9ter correctement les r\u00e9sultats statistiques. Il ne faut pas n\u00e9gliger, par exemple, la puissance statistique comme mesure de la pertinence des r\u00e9sultats, en particulier des r\u00e9sultats n\u00e9gatifs.<\/strong><\/p>\n

<\/p>\n

La qualit\u00e9 d’une \u00e9tude ou d’un test d\u00e9pend de nombreux facteurs – et est extr\u00eamement pertinente pour l’interpr\u00e9tation des r\u00e9sultats. En effet, \u00e0 quoi sert le traitement de donn\u00e9es le plus sophistiqu\u00e9 si les r\u00e9sultats et les conclusions ont de fortes chances d’\u00eatre erron\u00e9s ? Une mesure de la puissance d’un test ou d’un plan d’\u00e9tude est la puissance statistique, \u00e9galement connue sous le nom de pouvoir discriminant. Il n’est donc pas \u00e9tonnant que les analyses correspondantes soient demand\u00e9es par un nombre croissant de revues, de prestataires et de reviewers. En gros, le pouvoir discriminant d\u00e9crit la probabilit\u00e9 qu’un effet soit d\u00e9tect\u00e9 s’il existe r\u00e9ellement. En comparant le poids des souris et des \u00e9l\u00e9phants, un test \u00e0 puissance statistique \u00e9lev\u00e9e aurait donc plus de chances de donner des r\u00e9sultats indiquant un poids plus \u00e9lev\u00e9 des \u00e9l\u00e9phants qu’un test \u00e0 puissance statistique faible. Dans ce cas, l’hypoth\u00e8se nulle serait : “Les souris sont aussi lourdes ou plus lourdes que les \u00e9l\u00e9phants”. Cette hypoth\u00e8se nulle (fausse) serait correctement rejet\u00e9e par un test \u00e0 pouvoir discriminant \u00e9lev\u00e9, mais ne pourrait pas \u00eatre r\u00e9fut\u00e9e par un test \u00e0 pouvoir discriminant insuffisant. En d’autres termes,  Avec une puissance statistique \u00e9lev\u00e9e, la probabilit\u00e9 de commettre une erreur de type II diminue. Mais ralentissons.<\/p>\n

Des erreurs de premier et de second type<\/h2>\n

Alors que dans une erreur de premier type (\u00e9galement appel\u00e9e erreur \u03b1), une hypoth\u00e8se nulle correcte est rejet\u00e9e, dans une erreur de second type (\u00e9galement appel\u00e9e erreur \u03b2), une hypoth\u00e8se nulle incorrecte est accept\u00e9e. Il n’est pas surprenant que cela soit rapidement oubli\u00e9 et souvent source de confusion. Un moyen mn\u00e9motechnique peut aider \u00e0 r\u00e9soudre ce probl\u00e8me : Si l’on part du principe qu’une personne est innocente (hypoth\u00e8se z\u00e9ro), la condamner malgr\u00e9 son innocence serait une erreur de premier type. Si l’on laisse cette personne en libert\u00e9 et qu’elle est coupable, on commet une erreur de deuxi\u00e8me type.<\/p>\n

La probabilit\u00e9 d’\u00e9viter une telle erreur de second type – c’est-\u00e0-dire l’acceptation erron\u00e9e de l’hypoth\u00e8se nulle – d\u00e9crit maintenant le pouvoir discriminant ou la puissance statistique d’un test. Math\u00e9matiquement, celle-ci peut s’exprimer en cons\u00e9quence par 1 – \u03b2 si \u03b2 est la probabilit\u00e9 de commettre une erreur de second type. Si \u03b2 est petit, la puissance statistique est \u00e9lev\u00e9e. Et vice versa.<\/p>\n

 <\/h2>\n

\"\"<\/h2>\n

 <\/h2>\n

Puissance statistique : qu’est-ce qui est pris en compte ?<\/h2>\n

Outre la m\u00e9thode statistique utilis\u00e9e, d’autres facteurs d\u00e9terminent la puissance statistique. Par exemple, il semble logique qu’une grande diff\u00e9rence entre deux populations passe plus rarement inaper\u00e7ue qu’une petite (il est plus facile de d\u00e9tecter la diff\u00e9rence de poids entre des souris et des \u00e9l\u00e9phants qu’entre des souris et des rats). Par cons\u00e9quent, plus la diff\u00e9rence r\u00e9elle augmente, plus le pouvoir s\u00e9parateur augmente. Il en va de m\u00eame pour une dispersion de plus en plus faible. Plus la dispersion des donn\u00e9es est faible, plus il est facile d’identifier les diff\u00e9rences existantes. Ou encore : s’il y avait des souris de 5 tonnes et des \u00e9l\u00e9phants de 20 grammes, la diff\u00e9rence de poids serait sans doute moins facile \u00e0 prouver. Un facteur important – et influen\u00e7able – dans ce domaine est la taille de l’\u00e9chantillon, car l’erreur standard diminue lorsque la taille de l’\u00e9chantillon augmente. Ainsi, une taille d’\u00e9chantillon plus importante permet de s\u00e9parer plus facilement les petits effets. Le niveau de signification – c’est-\u00e0-dire la probabilit\u00e9 de commettre une erreur de premier type – est \u00e9galement pris en compte dans la puissance statistique.<\/p>\n

Dans ce cadre, il est tout \u00e0 fait pertinent d’\u00e9valuer le pouvoir discriminant d’un plan d’\u00e9tude avant de le mettre en \u0153uvre. En effet, \u00e0 ce stade, la taille de l’\u00e9chantillon, par exemple, peut encore \u00eatre ajust\u00e9e. Les analyses de puissance permettent de d\u00e9cider du nombre de sujets n\u00e9cessaires pour mener une \u00e9tude de mani\u00e8re pertinente. Une analyse de puissance effectu\u00e9e a posteriori – g\u00e9n\u00e9ralement en l’absence de r\u00e9sultats significatifs – peut certes permettre de savoir combien de sujets suppl\u00e9mentaires auraient \u00e9t\u00e9 n\u00e9cessaires, mais elle est g\u00e9n\u00e9ralement trop tardive. Habituellement, on choisit un pouvoir discriminant d’environ 80%, la probabilit\u00e9 de manquer une diff\u00e9rence significative est donc souvent de 20%. Une solution de compromis classique, apr\u00e8s tout, une augmentation de la puissance statistique \u00e0 90% n\u00e9cessiterait une augmentation d’environ 30% de la taille de l’\u00e9chantillon. La conclusion est qu’un r\u00e9sultat d’\u00e9tude n\u00e9gatif n’est pas n\u00e9cessairement d\u00fb \u00e0 une absence d’effet. Peut-\u00eatre l’\u00e9chantillon \u00e9tait-il trop petit, la dispersion trop importante, l’effet trop faible ou l’analyse statistique mal choisie.<\/p>\n

 <\/p>\n

Litt\u00e9rature :<\/p>\n

    \n
  1. StatistikGuru, version 1.96 : puissance statistique. https:\/\/statistikguru.de\/lexikon\/statistische-power.html (dernier acc\u00e8s le 27.09.2021).<\/li>\n
  2. Bortz J : Statistiques – pour les chercheurs en sciences sociales. 5e \u00e9dition : Springer-Verlag Berlin Heidelberg ; 1999.<\/li>\n<\/ol>\n

    \nInFo ONKOLOGIE & H\u00c9MATOLOGIE 2021 ; 9(5) : 25<\/em><\/p>\n","protected":false},"excerpt":{"rendered":"

    L’objectif de toute \u00e9tude et de tout test statistique est de d\u00e9montrer de mani\u00e8re fiable des effets r\u00e9els, parfois peu \u00e9vidents au premier abord. Cependant, ce n’est souvent qu’en regardant…<\/p>\n","protected":false},"author":7,"featured_media":113132,"comment_status":"closed","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"pmpro_default_level":"","cat_1_feature_home_top":false,"cat_2_editor_pick":false,"csco_eyebrow_text":"Statistiques en 5 minutes","footnotes":""},"category":[11527,11315,11482,11549],"tags":[18427,18423,14490],"powerkit_post_featured":[],"class_list":["post-327281","post","type-post","status-publish","format-standard","has-post-thumbnail","category-etudes","category-medecine-interne-generale","category-prevention-et-soins-de-sante","category-rx-fr","tag-pouvoir-de-discrimination","tag-puissance","tag-statistiques","pmpro-has-access"],"acf":[],"publishpress_future_action":{"enabled":false,"date":"2026-06-25 18:48:04","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category","extraData":[]},"publishpress_future_workflow_manual_trigger":{"enabledWorkflows":[]},"wpml_current_locale":"fr_FR","wpml_translations":{"it_IT":{"locale":"it_IT","id":327293,"slug":"test-statistici-di-acutezza-e-potenza","post_title":"Test statistici: di acutezza e potenza","href":"https:\/\/medizinonline.com\/it\/test-statistici-di-acutezza-e-potenza\/"},"pt_PT":{"locale":"pt_PT","id":327301,"slug":"testes-estatisticos-de-nitidez-e-potencia","post_title":"Testes estat\u00edsticos: de nitidez e pot\u00eancia","href":"https:\/\/medizinonline.com\/pt-pt\/testes-estatisticos-de-nitidez-e-potencia\/"},"es_ES":{"locale":"es_ES","id":327307,"slug":"pruebas-estadisticas-de-nitidez-y-potencia","post_title":"Pruebas estad\u00edsticas: De nitidez y potencia","href":"https:\/\/medizinonline.com\/es\/pruebas-estadisticas-de-nitidez-y-potencia\/"}},"_links":{"self":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts\/327281","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/users\/7"}],"replies":[{"embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/comments?post=327281"}],"version-history":[{"count":0,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/posts\/327281\/revisions"}],"wp:attachment":[{"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/media?parent=327281"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/category?post=327281"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/tags?post=327281"},{"taxonomy":"powerkit_post_featured","embeddable":true,"href":"https:\/\/medizinonline.com\/fr\/wp-json\/wp\/v2\/powerkit_post_featured?post=327281"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}