Quel est le niveau Alpha ? | Statistiques

En statistique fréquentiste, le niveau alpha (également appelé niveau de signification) est la probabilité de rejeter l'hypothèse nulle lorsqu'elle est vraie. Dans le contexte de la recherche en physiothérapie, l'hypothèse nulle pourrait être qu'il n'y a pas de différence dans la réduction de la douleur entre deux interventions physiothérapeutiques différentes. Le niveau alpha est généralement fixé à 0,05, ce qui signifie qu'il y a 5 % de chances de rejeter à tort l'hypothèse nulle (c'est-à-dire de conclure qu'il y a une différence dans la réduction de la douleur alors qu'il n'y en a pas) à long terme.

Il est particulièrement important de considérer cela comme un résultat à long terme. Si 100 études similaires sont menées, 5 d'entre elles, en moyenne, donneront un résultat faussement positif s'il n'y a pas d'effet.

Expliqué à l'aide d'un exemple

Supposons qu'une étude compare deux interventions de physiothérapie pour des douleurs lombaires, et que les résultats montrent que la réduction moyenne de la douleur pour l'intervention A est de 6 points sur une échelle de douleur, et que la réduction moyenne de la douleur pour l'intervention B est de 8 points sur une échelle de douleur. Avec un niveau alpha de 0,05, les chercheurs rejetteraient l'hypothèse nulle et concluraient qu'il existe une différence statistiquement significative dans la réduction de la douleur entre les deux interventions, car la différence entre les moyennes est supérieure à ce que l'on pourrait attendre du hasard.

Tous les grêles p<0,05 ?

Il est important de noter que la fixation d'un niveau alpha de 0,05 est une convention et non une règle. Le choix du niveau alpha dépend du contexte de l'étude et des conséquences potentielles d'un résultat faussement positif ou faussement négatif. Par exemple, si les conséquences d'un résultat faussement positif (c'est-à-dire conclure qu'un traitement est efficace alors qu'il ne l'est pas) sont plus graves, les chercheurs pourraient choisir d'utiliser un niveau alpha plus faible (par exemple 0,01) pour réduire la probabilité d'un résultat faussement positif.

Vue à long terme

Nous souhaitons souligner à nouveau l'importance d'une vision à long terme. Vous ne pouvez pas simplement dire qu'il y a 5 % de chances que le document soit devenu un résultat faussement positif. Lorsque la recherche est menée, il s'agit simplement d'un faux positif, ou non. Les 5 % concernent des résultats à long terme. En effectuant ce test dans plusieurs études présentant des conditions similaires, environ 5 % des articles donneront un résultat faussement positif.

Une intervention de physiothérapie peut sembler très efficace pour réduire les douleurs lombaires, avec une petite valeur p (indiquant une différence statistiquement significative) et une grande taille d'effet. Toutefois, si cette étude unique n'est pas reproduite dans d'autres études, il est difficile de déterminer si les résultats sont dus au hasard ou à un effet réel.

Une vision à long terme prend en compte les résultats de plusieurs études dans le temps pour fournir une compréhension plus complète de l'efficacité d'une intervention. Cette approche est particulièrement importante dans la recherche en physiothérapie, où les résultats d'une seule étude peuvent ne pas être généralisés à d'autres populations ou contextes.

Idées fausses

La valeur p fait l'objet de plusieurs idées fausses :

• Lavaleur P est une mesure de la force de la preuve: La valeur p ne pas mesurer la force de la preuve contre l'hypothèse nulle, mais plutôt la probabilité d'observer une statistique de test aussi extrême ou plus extrême que celle observée, en supposant que l'hypothèse nulle est vraie.
• Unefaible valeur p signifie que l'hypothèse nulle est fortement contestée: Une petite valeur p indique seulement que les données ne sont pas compatibles avec l'hypothèse nulle, mais elle n'a pas d'effet sur les résultats de la recherche. pas fournir des preuves de l'hypothèse alternative. En outre, une faible valeur p n'implique pas que l'effet soit grand ou important
• Lavaleur P de 0,05 est un seuil strict de signification: Le seuil de 0,05 est arbitraire et a été adopté comme seuil conventionnel pour la signification statistique, mais il n'a pas de signification statistique. pas signifie que les résultats dont la valeur p est supérieure à 0,05 sont automatiquement non significatifs. L'interprétation de la valeur p doit dépendre du contexte et de la question de recherche étudiée
• Lavaleur P est la probabilité que l'hypothèse nulle soit vraie: La valeur p n'est pas la probabilité que l'hypothèse nulle soit vraie, mais plutôt la probabilité d'observer les données si l'hypothèse nulle est vraie.
• Lavaleur P peut être utilisée pour faire une inférence causale: La valeur p ne fait que confirmer ou infirmer une hypothèse nulle et n'implique pas nécessairement un lien de causalité. L'inférence causale nécessite des informations supplémentaires, telles qu'une étude bien conçue avec des contrôles appropriés pour les facteurs de confusion.

Pour plus d'informations sur la valeur P. Consultez notre article à ce sujet ici!

Upshur, R. E. (2001). The ethics of alpha : reflections on statistics, evidence and values in medicine. Theoretical Medicine and Bioethics, 22(6), 565-576.

Berger, V. W., & Hsieh, G. (2005). Repenser les statistiques : baser les niveaux alpha d'efficacité sur les données de sécurité dans les essais randomisés. Israeli Journal of Emergency Medicine, 5(3), 55-60.

Neyman, J. et Pearson, E.S. (1928) On the Use and Interpretation of Certain Test Criteria for Purposes of Statistical Inference. Biometrika, 20A, 175-240.

Greenland, S., Senn, S. J., Rothman, K. J., Carlin, J. B., Poole, C., Goodman, S. N., & Altman, D. G. (2016). Tests statistiques, valeurs P, intervalles de confiance et puissance : un guide des erreurs d'interprétation. European journal of epidemiology, 31(4), 337-350.