Rechercher
Fermer ce champ de recherche.
Rechercher
Fermer ce champ de recherche.

Où va la P-value ? Préférez-vous le statistiquement significatif ou la pertinence clinique ? Il faut changer nos raisonnements….

Points clés

ASABel article, dont l'auteur principal est à Paris, dans le JAMA en mars 2016 avec le titre "Evolution of Reporting P Values in the Biomedical Literature, 1990-2015" (accès libre), et un éditorial intitulé "The enduring evolution of the P-value".

Le premier auteur de cet article sous l'égide de l'équipe de JPA Ioannidis (METRICS), s'appelle David Chavalarias, et son affiliation est : Centre d’Analyse et de Mathématiques Sociales (CAMS), EHESS–CNRS UMR8557 and Complex Systems Institute of Paris Île-de-France (ISC-PIF, UPS3611), Paris, France. L'article est très détaillé et mérite réflexion, surtout pour le non-statisticien. La conclusion ;"Entre 1990 et 2015, dans MEDLINE, le taux d'abstracts et articles avec des P-values a augmenté, de même le taux d'articles avec des résultats statistiquement significatifs a augmenté. Peu d'articles mentionnent les intervalles de confiance, les facteurs Bayesiens, et les tailles d'effets." L'article est très détaillé, et contient de nombreuses informations. L'analyse a été faite à partir de plus de 4,5 millions de P-values contenues dans 1,6 millions d'abstracts de MEDLINE, et de 3,4 millions de P-values contenues dans 0,4 millions d'articles (full-text) dans PMC (PubMed Central). C'est énorme !  Ce qui est ennuyeyx, c'est de voir que 96 % des abstracts et articles avec des P values avaient au moins un résultat "statistiquement significatif" avec beaucoup de P values autour de 0,05 at 0,001. En bref, 96 % des expériences scientifiques 'marchent'… est-ce que cela représente 'la science' ? Est -ce que des articles seraient 'embellis' ?

De manière concommittante, Nature du 7 mars 2016, a publié une news "Statisticians issue warning over misuse of P values. Policy statement aims to halt missteps in the quest for certainty". C'est l'American Statistical Association qui a émis une recommandation avec 6 principes :

  1. P-values can indicate how incompatible the data are with a specified statistical model.
  2. P-values do not measure the probability that the studied hypothesis is true, or the probability that the data were produced by random chance alone.
  3. Scientific conclusions and business or policy decisions should not be based only on whether a p-value passes a specific threshold.
  4. Proper inference requires full reporting and transparency.
  5. A p-value, or statistical significance, does not measure the size of an effect or the importance of a result.
  6. By itself, a p-value does not provide a good measure of evidence regarding a model or hypothesis.
Partagez cet article sur les réseaux:
Facebook
Twitter
Pinterest
LinkedIn

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Articles populaires

Archives mensuelles

Suivez-nous

Newsletter

Inscrivez-vous à notre newsletter mensuelle

Tags

Vous pourriez aussi aimer