En recherche médicale, les statistiques permettent de distinguer une véritable différence d’un simple effet du hasard. Avant d’interpréter vos résultats, il faut comprendre deux notions clés :
- l’hypothèse nulle (H₀)
- la valeur p
Cet article vous guide pas à pas pour comprendre ces concepts essentiels.
Vous êtes médecin, chercheur, professionnel de santé et vous avez une idée à tester :
- Le traitement A est plus efficace que le traitement B ?
- Plus de mortalité avec la chirurgie A qu’avec la B ?
- Une mutation génétique augmente le risque d’un certain cancer ?
Vous commencez donc à récolter vos données dans différents groupes pour tester cette hypothèse.
Et après ?
Comment savoir si la différence observée est due au hasard (variabilité biologique) ou si elle est bien réelle ?
👉 Pas le choix : il faut passer par les tests statistiques. Mais avant ça quelques notions à bien comprendre.
En statistique, tout commence par l’hypothèse nulle, notée H₀.
L’hypothèse nulle suppose qu’il n’y a aucune différence entre les groupes testés.
Si je reprends mes trois exemples initiaux, les hypothèses nulles seraient respectivement :
L’hypothèse inverse est l’hypothèse alternative (notée Ha) : elle suggère qu’une différence existe entre les groupes.
Une fois la notion d’hypothèse nulle comprise, on va pouvoir comprendre le fameux “petit p”.
On part du principe que l’hypothèse nulle est vraie.
La valeur p correspond à la probabilité d’obtenir les données observées si H₀ était vraie.
On part de l’hypothèse nulle : « La pièce est équilibrée ». Imagine que tu lances la pièce 10 fois et tu obtiens 10 fois pile :
Dans la distribution des probabilités, tu te situes alors dans la zone verte “peu probable” sur le graphique ci -dessous. Et comme tu peux le comprendre facilement à l’aide du graphique, plus le « petit p » est petit, plus il est probable que l’hypothèse nulle soit fausse.
Cela ne prouve pas que la pièce n’est pas équilibrée.
Cela signifie simplement que les résultats obtenus sont peu plausibles avec cette hypothèse que la pièce est équilibrée.
Nous proposons un cours "Statistiques pour la recherche médicale" de niveau 1 pour que vous compreniez bien toutes ces notions clés. Vous pourrez y poser toutes vos questions.
.png)
Vous savez ce qu’est une hypothèse nulle et à quoi correspond une valeur p.
Mais comment choisir le bon test statistique selon vos données ?
C’est ce qu’on va voir dans le prochain article: “Quel test statistique choisir selon vos variables ?”
C’est le point de départ de toute analyse statistique. Elle suppose qu’il n’y a pas de différence réelle entre les groupes comparés. Le rôle des tests statistiques est justement de déterminer si les données observées permettent de rejeter ou non cette hypothèse.
Cela veut dire que la probabilité d’obtenir vos résultats par hasard est inférieure à 5 %. On considère alors que la différence observée est statistiquement significative. Mais attention : cela ne prouve pas que votre hypothèse alternative est vraie, seulement que les données sont peu compatibles avec H₀.
Pas forcément. Une p-value supérieure à 0,05 indique simplement qu’on ne peut pas rejeter l’hypothèse nulle avec les données actuelles. Le traitement peut être efficace, mais il faudra plus de données ou une meilleure puissance statistique pour le montrer.
Ut unde possimus qui sunt dolorum in autem dolorem. Non excepturi molestiae sed iure atque et doloremque voluptas et repudiandae dignissimos ea illo consectetur vel excepturi dolor eum quasi tempore.
