Qu'est-ce qu'un intervalle de confiance ? | Statistiques

Un intervalle de confiance est une plage de valeurs qui est utilisée pour estimer un paramètre inconnu de la population avec un certain niveau de confiance. C'est une façon d'exprimer l'incertitude autour de l'estimation d'un paramètre de population, tel que la moyenne.

Par exemple, dans une étude portant sur l'efficacité d'un nouveau traitement de physiothérapie pour les douleurs lombaires, les chercheurs peuvent recueillir des données auprès d'un échantillon de patients et calculer la réduction moyenne de la douleur pour le groupe de traitement. Un intervalle de confiance à 95 % pour la réduction moyenne de la douleur serait une fourchette de valeurs dans laquelle la réduction moyenne réelle de la douleur dans la population devrait se situer avec une probabilité de 95 %. Cela signifie que si la même étude est menée 100 fois, environ 95 études auront la moyenne réelle de la population dans leur intervalle de confiance de 95 %.

Un exemple typique serait :

"Les résultats montrent une réduction moyenne de la douleur sur l'échelle VAS à quatre semaines de 2,3 (IC 95 % 1,8 - 2,8)."

L'intervalle de confiance est calculé sur la base des statistiques de l'échantillon et du niveau de confiance souhaité (généralement 95% ou 99%). Il est important de noter qu'un intervalle de confiance n'indique pas si l'hypothèse nulle est vraie ou fausse, mais il fournit un intervalle de valeurs susceptible d'inclure le véritable paramètre de la population avec un certain niveau de confiance.

Et la largeur ?

Un intervalle de confiance étroit indique que la moyenne de l'échantillon est une estimation plus précise de la moyenne de la population, tandis qu'un intervalle de confiance large indique que la moyenne de l'échantillon est moins précise. En général, des échantillons de plus grande taille ont tendance à donner des intervalles de confiance plus étroits, et donc des estimations plus précises des paramètres de la population.

Idées fausses

Il est important de noter que l'on ne peut pas dire qu'il y a 95% de chances que la vraie moyenne de la population se situe dans un intervalle donné d'un certain papier. Ce sera simplement le cas, ou pas. Cependant, si cette étude est répétée un nombre infini de fois, la vraie moyenne sera trouvée dans les intervalles générés dans 95 % des cas.

IC par rapport aux valeurs P

Un intervalle de confiance fournit une fourchette de valeurs pour un paramètre de population (tel que la différence moyenne entre deux groupes) estimé à partir d'un échantillon. L'intervalle est calculé de telle sorte que, si nous devions répéter l'étude plusieurs fois, un certain pourcentage des intervalles (déterminé par le niveau de confiance, généralement 95 %) contiendrait la véritable valeur de la population.

En revanche, une valeur p est une probabilité que l'hypothèse nulle (par exemple, aucune différence entre les groupes) soit vraie compte tenu des données de l'échantillon et de l'hypothèse que l'hypothèse nulle est correcte. Une petite valeur p (généralement inférieure à 0,05) est souvent utilisée pour rejeter l'hypothèse nulle et suggérer qu'il existe des preuves d'une différence entre les groupes.

Cependant, la valeur p ne fournit qu'une réponse binaire à la question de savoir si l'hypothèse nulle peut être rejetée ou non. Il ne donne aucune information sur l'ampleur ou la précision de l'effet, ni sur la probabilité qu'il se produise dans une population plus large. C'est là que l'intervalle de confiance peut s'avérer plus utile. En fournissant une fourchette de valeurs pour l'effet, l'intervalle de confiance donne une image plus claire de la mesure dans laquelle le traitement est censé modifier le résultat et de l'incertitude qui entoure cette estimation. En outre, l'intervalle de confiance peut aider à éviter une surinterprétation d'une valeur p significative, car un résultat statistiquement significatif ne signifie pas nécessairement que l'effet est significatif d'un point de vue pratique ou clinique. Taille des effets peut vous aider à prendre cette décision.

En résumé, un intervalle de confiance donne une image plus complète et plus nuancée des résultats d'une étude, tandis qu'une valeur p ne fournit qu'une réponse binaire à la question de la signification statistique.

Kamper, S. J. (2019). Confidence intervals : linking evidence to practice. journal of orthopaedic & sports physical therapy, 49(10), 763-764.

Gardner, M. J., & Altman, D. G. (1986). Intervalles de confiance plutôt que valeurs P : estimation plutôt que test d'hypothèse. Br Med J (Clin Res Ed), 292(6522), 746-750.

O'Brien, S. F., et Yi, Q. L. (2016). Comment interpréter un intervalle de confiance ? Transfusion, 56(7), 1680-1683.