Une équipe de Floride rapporte dans le British Journal of Clinical Pharmacology des résultats très intéressants.
En bref, les investigateurs ont eu la curiosité de comparer dans plus de 10.000 essais cliniques de phase III, le nombre de patients initialement requis par les statisticiens et le nombre de patients ayant terminé l’étude. Les calculs effectués sur les médianes, indiquent une population requise de 302 patients, une population finale de 228 patients et un taux médian de sortie d’études de 11%.
Conséquence de cette situation, une majorité des études analysées n’a pas la puissance statistique suffisante (80%) pour détecter des effets de faible ampleur et environ la moitié ne détecte pas des effets de moyenne ampleur (respectivement small/medium effects sizes).
A noter que cette situation n’a pas évolué au cours des quelque 20 années couvertes dans le cadre de cette recherche, ce qui amène les investigateurs à recommander de tenir compte plus systématiquement dans les calculs de taille d’échantillons à recruter, de l’ampleur de l’effet recherché, de la variabilité selon les sponsors des études et des taux d’abandon.
En attendant que ce vœu soit exaucé, profitons de ce travail pour rappeler, s’il en est besoin, qu’une très petite valeur de « p » n’est nullement synonyme d’un effet de grande ampleur. La valeur de « p » indique que l’effet observé est statistiquement significatif mais ne préjuge en rien de l’ampleur de l’effet observé. De larges échantillons peuvent générer des valeurs de p dites “hautement significatives” pour des différences entre les groupes de faible ampleur.
