Qu'est-ce qu'une étude « bien conçue » ?
Du bureau du Dr. Danielle Meadows
Il existe de nombreuses nuances qui contribuent à la complexité et à la durée du processus de recherche que j’ai présenté en octobre 2024. C’est pourquoi j’ai voulu prendre le temps, chaque mois, d’explorer certaines de ces nuances et la manière dont elles sont prises en compte dans les programmes de recherche de l’Open Medicine Foundation Canada (OMFCA), en commençant par le début du processus avec la « conception de l’étude ».
L’un des aspects importants de la conception d’une étude est la détermination du nombre de participants. Il s’agit d’un équilibre difficile à trouver entre la conception d’une étude ayant les meilleures chances de produire un résultat significatif et le fait de travailler dans les limites des ressources disponibles.
À l’OMFCA, nous essayons d’utiliser nos ressources à bon escient, en nous concentrant sur des recherches scientifiquement rigoureuses qui ont le potentiel d’orienter la recherche future et les soins aux patients le plus rapidement possible. Mener des recherches de qualité est un élément important de cette mission, c’est pourquoi je voudrais expliquer un peu ce que cela signifie d’un point de vue scientifique et comment cela a influencé la conception de notre premier essai clinique.
Le cœur du sujet
- Une étude « bien conçue » est une étude dont les données sont suffisantes pour assurer la confiance dans les résultats présentés.
- Dans le domaine de la recherche, un calcul d’effectif est un calcul utilisé pour déterminer la taille des échantillons nécessaires pour considérer qu’une étude est bien conçue.
- L’essai d’amélioration de la vie (LIFT) de l’OMF inclura suffisamment de patients pour détecter les effets moyens et importants des médicaments étudiés.
- En règle générale, les études qui comptent moins de 15 participants dans chaque groupe devront faire l’objet d’un suivi dans le cadre d’un projet plus vaste afin de valider les résultats.
L’OMFCA vise à soutenir des études de recherche bien étayées, conçues pour :
- comprendre les causes profondes de l’EM/SFC, de la COVID longue et d’autres maladies chroniques complexes,
- détecter des signatures moléculaires significatives qui pourraient nous aider à identifier un biomarqueur ou un test de diagnostic pour ces maladies, ou…
- tester des traitements basés sur des preuves scientifiques rigoureuses.
Que signifie « bien conçue » ?
L’expression « bien conçue » est une façon statistique de dire que l’étude dispose de suffisamment de données pour indiquer qu’il est peu probable que les résultats découverts soient dus au hasard. Généralement, on y parvient en augmentant la taille de l’échantillon – plus le nombre de participants présentant le même résultat est élevé, plus il est probable que le résultat soit dû à l’élément étudié.
Vous pouvez également considérer le terme « bien conçue » comme un moyen de décrire un ensemble de mesures. Prenons l’exemple d’un essai clinique. L’ensemble de mesures serait vos résultats primaires (par exemple, une série d’enquêtes) et le fait qu’elles soient bien étayées ou non est influencé par le nombre de tests statistiques qui sont effectués sur elles. Plus il y a de tests statistiques, plus la puissance est faible.
Comment les chercheurs savent-ils si leur étude est bien conçue ??
Généralement, au cours de la phase de conception du processus de recherche, les chercheurs effectuent ce que l’on appelle une étude d’effectif pour les aider à calculer la taille de l’échantillon nécessaire pour obtenir l’effet désiré. De nombreux facteurs entrent en ligne de compte dans une étude d’effectif, mais les principaux sont les suivants :
- La taille d’effet : La taille d’effet est souvent définie comme la différence standardisée entre les moyennes de deux groupes. En d’autres termes, elle décrit l’ampleur du changement que l’on s’attend à observer dans une étude. Les valeurs de la taille d’effet sont le plus souvent comprises entre 0 et 1, 0,2 étant considéré comme une petite taille d’effet, 0,5 comme une taille moyenne et 0,8 comme une grande taille. En général, la relation entre la taille d’effet et la taille de l’échantillon est inversement proportionnelle, ce qui signifie qu’il faut des échantillons plus grands pour observer des effets plus petits. Cela est particulièrement vrai dans les populations hétérogènes où l’écart-type des mesures est élevé.
- Le modèle d’analyse statistique : Il existe de nombreux modèles statistiques utilisés pour déterminer si les résultats de la recherche sont significatifs. Le modèle utilisé dépend notamment du nombre de groupes d’étude et du nombre de résultats analysés. Les analyses de puissance doivent donc prendre en compte le modèle statistique qui sera utilisé afin de déterminer le nombre de participants nécessaires dans chaque bras de l’étude.
- Le niveau de signification : Les résultats des analyses statistiques sont le plus souvent rapportés à l’aide de valeurs p. Avant de réaliser une étude, les chercheurs doivent fixer un niveau de signification, qui est le seuil d’une valeur p à partir duquel les résultats sont considérés comme significatifs. La majorité des études fixent leur niveau de signification à p<0,05, ce qui signifie essentiellement qu’il y a 95 % de chances que si la valeur p est inférieure à 0,05, les résultats soient dus à un effet ou à une relation réelle.
Pour rendre ce concept un peu plus tangible, utilisons le Life Improvement Trial (LIFT) comme exemple. En raison de la complexité de l’étude d’effet de plusieurs médicaments dans un seul essai, le LIFT utilisera un modèle statistique qui tient compte des données avec plusieurs points dans le temps et sous-groupes. Le niveau de signification du LIFT est fixé à p<0,05. Compte tenu de ces facteurs, une étude d’effectif a déterminé que 40 participants par bras d’étude (160 participants au total) nous permettront de détecter des effets de taille moyenne et grande, qui, nous l’espérons, seront corrélés à des changements cliniquement significatifs.
Comment savoir si une étude de recherche est bien conçue ?
Avant toute chose, il convient d’examiner le nombre de participants inclus dans chaque groupe de l’étude, parfois appelé « n » – un n de 20 signifie qu’il y a 20 participants dans ce groupe. Bien que de nombreux facteurs entrent en ligne de compte dans les études d’effectif , en règle générale, s’il y a moins de 15 participants dans chaque groupe, l’étude est probablement sous-dimensionnée. Les études sous-dimentionnées peuvent encore fournir des informations utiles, mais il est important que les résultats soient validés par des études plus importantes et plus robustes avant d’être utilisés pour influencer l’action clinique.