Du bon usage des tests dans les essays cliniques

Abstract

231Répondre à de multiples questions au cours d'un même essai clinique est un problème bien connu des chercheurs qui s'investissent dans la recherche clinique. Or, si multiplier les analyses est une tentation légitime, le risque d'aboutir dans ce contexte à des conclusions faussement positives est réel et affecte la crédibilité des résultats. Le contrôle de ces erreurs s'effectue par un ajustement sur l'erreur de type I [1] * . De nombreuses méthodes ont été développées dans cet objectif. Elles utilisent habituellement un «fractionne-ment» du risque d'erreur de type I appliqué à chacune des hypothèses testées. La méthode choisie doit être définie dans le protocole; à défaut, il sera demandé d'utiliser l'approche la plus conservative (procédure de Bonferroni, voir plus loin). Les procédures les plus couramment utilisées sont décrites ci-dessous ; pour approfondir certaines techniques, le lecteur est invité à consulter des revues plus détaillées [2-5], ainsi que les références de chaque technique. Pourquoi ajuster sur l'erreur de type I ?Supposons que n tests, correspondant à n critères de jugement, soient réalisés pour comparer un nouveau traitement à un traitement témoin, chaque test étant réalisé au niveau de signification α (en général, α = 5%) ** . Même si les traitements administrés dans les deux groupes ont des effets identiques, c'est-à-dire que l'hypothèse nulle est vraie pour les n critères de jugement, il est possible que les données expérimentales mettent en évidence des variations dues au seul effet du hasard. Dans le cas des essais à comparaisons multiples, la probabilité de faire au moins une erreur de type I augmente en fonction du nombre de tests réalisés (Figure 1): ainsi, la probabilité d'obtenir au moins une différence faussement significative est de 40% en réa-lisant dix tests, de 64% avec vingt tests et de 87 % avec quarante tests (risque d'erreur= 1 -[1-α] n ). Toutefois, ces probabilités sont calculées en supposant que les tests sont indépendants; or, les tests sont en général positivement corrélés, ce qui diminue le risque d'erreur de type I *** . Néanmoins, le risque d'inflation du risque de type I est réel et doit être contrôlé: on fait alors appel à un ajustement.

Simplifying and optimising management of acute malnutrition in children aged 6 to 59 months: study protocol for a 3 arms community-based individually randomised controlled trial in decentralised Niger

“…To demonstrate non-inferiority of the OptiMA or Com-PAS strategies with standard protocol, we assumed a noninferiority margin of 10%, the same as in other noninferiority trials assessing simplified protocol [11,13]. We reduced the test significant level (alpha) at 1.25 to consider the multiple testing [17], a power of 90% for the main objective and 80% for the 2 main secondary objectives were applied, and an inflation rate of 5% was used to account for unexploitable data. Calculations were performed using the SAS software (Proc Power TwoSample-Freq).…”