Bien souvent, lorsque les résultats d’un essai clinique sont présentés par des journalistes au grand public, on peut lire ou entendre : « tel médicament réduit de 30% le risque d’infarctus chez les patients qui le prennent » « le risque de développer un cancer du poumon est 20 fois plus important chez les patients fumeurs que chez les patients non-fumeur.
Pourtant, lorsque l’on s’intéresse aux résultats d’une étude scientifique, on se rend compte que les résultats sont toujours accompagnés d’un intervalle de confiance à 95%.
Pour bien comprendre de quoi on parle, prenons comme exemple les résultats de l’étude ACEND parue en octobre 2018 dans le New England Journal of Medecine. Cette grande étude randomisée contre placebo portant sur plus de 15000 patients cherchaient à évaluer la balance bénéfice risque de la prise d’aspirine à petites doses chez les patients diabétiques de plus de 45 ans n’ayant jamais eu d’évènements cardiovasculaires (infarctus, AVC…).
On peut lire dans le paragraphe des résultats :
A total of 15,480 participants underwent randomization. During a mean follow-up of 7.4 years, serious vascular events occurred in a significantly lower percentage of participants in the aspirin group than in the placebo group (658 participants [8.5%] vs. 743 [9.6%]; rate ratio, 0.88; 95% confidence interval [CI], 0.79 to 0.97; P=0.01)
Que signifie cette intervalle de confiance à 95% ?
Une interprétation simple est largement répandue : l’intervalle de confiance à 95% correspond à l’intervalle à l’intérieur duquel on est sûr à 95% que le résultat réel de ce qu’on a mesuré se situe. Dans notre exemple, cette définition nous permettrait de dire : On est certain à 95% que l’effet protecteur de l’aspirine sur la réduction des accidents cardiovasculaires est située entre 0.79 et 0.97. Soit une réduction du risque cardiovasculaire comprise entre 21% et 3%.
Pourtant, la véritable interprétation de cette intervalle de confiance est un peu plus complexe. La définition strice de cet intervalle de confiance est : si on répète l’expérience que l’on vient d’effectuer un grand nombre de fois et que l’on mesure un intervalle de confiance à 95% à chaque fois, alors 95% de ces intervalles de confiance contiendraient la valeur réelle de ce que l’on veut mesurer. Dans notre exemple, cela voudrait dire que si on répète cette étude des milliers de fois et que l’on calculait à chaque fois l’intervalle de confiance du résultat obtenu, celui-ci se situerait entre 0.79 et 0.97 dans 95% des études.
Cette définition plus précise et juste d’un point de vue statistique permet de comprendre pourquoi cette intervalle de confiance est d’autant plus petit que le nombre de sujets participant à une étude est grand. Cela permet aussi de saisir pourquoi on peut parler de résultat significatif si l’intervalle de confiance à 95% exclut la valeur nulle (c’est à dire un risque relatif à 1 ou une différence entre deux interventions de 0).
Bon courage pour la dernière semaine de l’année 2019…
Source : Higgins JPT, Green S (editors). Cochrane Handbook for Systematic Reviews of Interventions Version 5.1.0 [updated March 2011]. The Cochrane Collaboration, 2011. Available from http://www.handbook.cochrane.org.
Rando Médicale 