question test statistique essais cliniques

[manooon]

Bonjour , je n'ai pas compris ce qu'était le "seuil de signification" dans le cours des essais cliniques et son fonctionnement , dans la partie sur le principe de signification.... 

Si quelqu'un veut bien m'expliquer !!

[Passifacile]

Hello!

 

Alors pour le coup c'est un élément vu en biostat, l'an dernier on avait eu le cours en début d'année donc je pense que vous l'avez déjà eu...

 

En gros c'est une valeur statistique appelée "p", représentée par un pourcentage. Elle représente grossièrement la probabilité que le résultat observé au résultat de l'étude soit dû au hasard. Donc si p=0,10 (10%), il y a 10% de chance que les résultat du test (exemple: Le Métoprolol réduit significativement la tension artériel chez les sujets hypertendus) ne soit pas réel, mais seulement un coup des probabilités.

 

Donc plus ce pourcentage est faible, plus l'étude est "satisfaisante", et plus on est sûr que son résultat est bon. 

En général, on considère que si p<5%, le résultat de l'étude est "réel", et n'est pas attribué au hasard. 

 

C'est plus clair pour toi?

 

(P.S. : J'apporte une petite spécification, ce n'est pas parce que p<0,05 que le médicament est forcément efficace! On peut avoir une étude qui conclut que le médicament n'est pas efficace avec un seuil de signification de 0,013, c'est à dire qu'on est sûr à 0,987% que le médicament n'est pas efficace)

[manooon]

mercii bcp j'avais pas fait le lien avec le cours de maths mdrr 

[GeorgeR]

Juste pour compléter je pense que le concept d'hypothèse nulle (H0) est intéressante aussi et que ça nécessite clarification.

Ce que ta p-value teste réellement c'est la probabilité d'observer un résultat au moins aussi extrême que celui obtenu, en supposant que l'hypothèse nulle soit vraie.
L'hypothèse nulle postule qu'il n'y a aucune différence ou aucun effet (par exemple "le métoprolol n'a aucun effet sur la tension artérielle"). La p-value nous aide à tester cette hypothèse et non pas l'hypothèse inverse (de rejet de l'hypothèse vraie).

C'est une nuance importante puisque même si nous rejetons l'hypothèse nulle, cela ne "prouve" pas nécessairement que l'hypothèse alternative (H1, l'opposé de l'hypothèse nulle) est vraie; cela signifie simplement que les données observées sont peu probables sous l'hypothèse nulle (H0).