Qu'est-ce qu'une taille d'effet ? | Statistiques

La taille de l'effet est un moyen de mesurer la force de la relation statistique entre deux variables. Il s'agit d'une mesure standardisée qui est utilisée pour indiquer l'ampleur de l'effet d'une intervention ou d'un traitement. En d'autres termes, l'ampleur de l'effet.

Grande ou petite taille de l'effet

En physiothérapie, les tailles d'effet peuvent être utilisées pour déterminer l'efficacité de différents traitements pour des pathologies telles que la lombalgie chronique non spécifique ou l'arthrose du genou. Par exemple, si un programme d'exercices pour le mal de dos a une taille d'effet importante, cela signifie que le traitement a un effet positif important sur la réduction de la douleur. En revanche, si la taille de l'effet est faible, le traitement a un effet minime sur la réduction de la douleur.

La taille de l'effet est indépendante de la taille de l'échantillon, de sorte qu'une petite taille d'échantillon n'implique pas nécessairement une petite taille de l'effet. De petits échantillons peuvent avoir de grands effets et vice versa.

Comparaison de différentes études

Les tailles d'effet peuvent être particulièrement utiles dans la recherche médicale car elles permettent de comparer les effets des traitements entre différentes études, populations et mesures de résultats. Par exemple, deux études peuvent montrer qu'un traitement a un résultat statistiquement significatif. Néanmoins, une étude peut montrer un effet plus important que l'autre, ce qui indique que le traitement peut être plus efficace dans certains contextes ou certaines populations.

La taille de l'effet est indépendante de la taille de l'échantillon, de sorte qu'une petite taille d'échantillon n'implique pas nécessairement une petite taille de l'effet. De petits échantillons peuvent avoir de grands effets et vice versa.

Le d de Cohen

Une statistique courante de l'ampleur de l'effet utilisée dans la recherche en physiothérapie est le d de Cohen, qui compare le changement moyen dans une mesure de résultat (par exemple, le score de douleur) entre deux groupes (par exemple, le groupe de traitement et le groupe de contrôle) et l'exprime en unités d'écart-type. En fonction de l'étude considérée, d'autres statistiques sur l'ampleur de l'effet, telles que le g de Hedge ou le r, peuvent également être utilisées.

Faible valeur p ≠ grande taille de l'effet

En outre, les tailles d'effet peuvent aider à surmonter les limites des valeurs p, qui sont souvent utilisées pour déterminer la signification statistique dans les études médicales. Valeurs P indiquent seulement si un effet observé est statistiquement significatif, mais ne fournissent aucune information sur la taille de l'effet. En revanche, les tailles d'effet fournissent une mesure de l'importance pratique ou clinique d'un effet, qui peut être plus pertinente pour la prise de décisions médicales.

Il est essentiel de comprendre qu'une valeur p n'indique pas la taille d'un effet. Certains lecteurs pensent que lorsqu'une valeur p donnée est faible, cela signifie que l'effet est important. Ce n'est pas vrai. Un échantillon énorme avec une différence minuscule entre les groupes peut créer une petite valeur p.

Calcul facile

Certains chercheurs n'indiquent pas la taille de l'effet dans leurs articles. Un calcul à l'envers vous indiquera la taille de l'effet :

La formule d de Cohen :

(M1 - M2)/SD groupé

M1 : moyenne 1

M2 : moyenne 2

SDpooled : écart-type groupé

Il est important de noter que cette formule fonctionne mieux pour des échantillons supérieurs à n = 50 et des groupes de taille égale. Les effets paraîtront plus importants qu'ils ne le sont réellement dans les petits groupes. Ceci est dû au bruit des données.

Référence

Kamper S. J. (2019). Interprétation des résultats 2 - Signification statistique et signification clinique : Relier les preuves à la pratique. The Journal of orthopaedic and sports physical therapy, 49(7), 559-560.

Nuzzo R. (2014). Méthode scientifique : erreurs statistiques. Nature, 506(7487), 150-152.