Jonas Ranstam

Medical statistician

Les bons conseils

Comment un évaluateur peut-il détecter des techniques analytiques qui ne sont pas appropriées?

Il est important de déterminer si les hypothèses sous-jacentes sont remplies ou non. Par exemple, la plupart des méthodes statistiques reposent sur l’hypothèse que les observations analysées sont indépendantes. Des mesures répétées, multiples ou bilatérales sur un même sujet ne sont pas indépendantes. Sauf si une méthode traitant spécifiquement ce problème est utilisée, de telles observations corrélées rendent les résultats peu fiables.

Il faut vérifier si l’hypothèse de l’indépendance est remplie, ce qui est difficile si la conception de l’étude n’est pas présentée avec suffisamment de détails.

Comment un réviseur peut-il détecter des chiffres ou des images qui déforment ou manipulent des données?

De telles présentations empêchent le lecteur d’accéder à l’information nécessaire pour interpréter correctement les résultats. Cela peut parfois se produire volontairement, mais probablement plus souvent à cause de mauvaises habitudes.

Un exemple est l’utilisation fréquente de diagrammes à barres, un type de graphique qui masque plus qu’il ne révèle. Il ne montre ni le nombre d’observations, ni la façon dont elles varient individuellement. Une trame ponctuelle est une bien meilleure alternative car elle montre la valeur moyenne, le nombre d’observations et leur variabilité.

Des résultats significatifs ou non-signifiants sont-ils importants pour les recommandations globales d’un journal?

En ce qui concerne les tests d’hypothèses, il est important de clarifier une chose: dans l’usage commun, la signification signifie «importance», mais la signification statistique n’a rien à voir avec une signification pratique. La signification statistique renvoie simplement à l’incertitude inférentielle.

En examinant les résultats, nous devons donc distinguer l’importance et l’incertitude. Une découverte assez peu importante ne devient pas plus intéressante car elle a une faible valeur p, tout comme une conclusion très importante mais complètement incertaine n’est plus intéressante.

Un bon manuscrit présente des résultats importants qui sont raisonnablement certains et je crois que les intervalles de confiance sont plus utiles que les valeurs p pour évaluer cela.

Tous les examinateurs doivent-ils bien comprendre l’analyse statistique?

Non, pas nécessairement, mais je crois qu’un chercheur dans un domaine empirique doit avoir une compréhension générale de la recherche quantitative, et je crois aussi que la spécialisation dans un domaine de recherche comprend (ou devrait inclure) une meilleure compréhension de la méthodologie statistique utilisée dans ce domaine particulier.