Rien n’effacera ce que j’ai vu de mes yeux ! (Didier Raoult)

masque
Print Friendly, PDF & Email

Crédit Image : Orna Wachman de Pixabay

 

Je souhaiterais vous recommander le blog de Frédéric De Conninck  « intitulé Tendances, Espérance» (https://societeesperance.home.blog)  qui est le regard d’un sociologue tentant de décrypter les mouvements de notre société et  ce que les événements actuels nous enseignent sur son état, avec toujours une mise en dialogue pertinente avec  l’Évangile.

Dans un de ses billets, Frédéric De Conninck revient sur la notion de preuve en prenant l’exemple de la saga autour de l’effet de la chloroquine vis-à-vis du COVID-19.

Voir l’article

 

Ce qu’il note, et c’est ce qui a retenu mon attention, est cette expression attribuée au Dr Raoult :

Rien n’effacera ce que j’ai vu de mes yeux

face aux résultats contredisant ses propres travaux.

 

Je ne reviendrai pas sur cette saga en tant que telle qui a été sous le feu des projecteurs médiatiques, mais elle me permet d’insister sur l’importance de la statistique pour décider de manière éclairée si vraisemblablement tel médicament est efficace ou non. Car si nous nous ne reposons que sur ce que nous voyons, nous pouvons être trompés ! Ainsi de mon point de vue, la terre semble plate et le soleil semble tourner autour de la terre !

 

Le premier point que j’aimerais faire, est que la statistique permet de quantifier le risque que je prends de me tromper, c’est-à-dire de dire que tel traitement est plus efficace qu’une absence de traitement. Car en statistique, ma première hypothèse est que le traitement n’a pas d’effet, et donc que toute guérison est une guérison spontanée. Si je connais ce taux de guérison spontanée (ou si je la mesure sur un groupe témoin non traité) je connais exactement la probabilité d’avoir un nombre donné de guérisons sur un échantillon de personnes donné. Le nombre de patients guéris suit une loi binomiale.

 

Or, prenons un exemple que je donne à mes étudiants :  imaginons que le taux spontané de guérisons soit de 20%. Vous traitez 20 patients. Sur ces 20 patients, 8 sont guéris soit 40% des patients traités. C’est deux fois plus qu’attendu si le traitement n’avait pas d’effet. Or le problème c’est que la probabilité d’obtenir ce résultat avec le taux de guérison spontanée de 20% à partir d’un échantillon de cette taille est supérieure à 5%. Cette valeur de 5% est le risque maximum que l’on veut prendre de se tromper en considérant que le traitement à un effet.

 

Je n’ai pas prouvé que le traitement avait le même effet qu’une absence de traitement, je n’ai simplement pas réussi à prouver le contraire, et ici c’est la taille de l’échantillon qui n’est pas assez grande pour passer ce fameux seuil de 5%. Mes yeux me disent que c’est deux fois plus efficace, la statistique me dit ce n’est peut-être que dû au hasard et m’invite à la prudence !

Je n’ai ici parlé que d’une seule notion, mais il faut savoir que les essais cliniques suivent des règles reposant sur la statistique (choix des patients qui seront traités ou non afin d’éviter les biais possibles, nombre de patients à inclure etc..) afin que les résultats soient interprétables et univoques. Ces essais prennent du temps, le temps nécessaire pour prendre des décisions éclairées et rationnelles !

 

 

 

 

Pascal Touzet
Pascal est président de Science & Foi. Ingénieur agronome et Docteur en Génétique, il travaille comme enseignant-chercheur dans un laboratoire d’Ecologie et d’Evolution. Son activité de recherche porte sur l’évolution des systèmes de reproduction et du génome mitochondrial chez les plantes. Il est aussi co-responsable d’une église évangélique à Lille, membre du Conseil National des Evangéliques de France. Il a participé à l’ouvrage collectif sous la direction de Lydia Jaeger « De la Genèse au génome » et est l’auteur d’un livre sur l’évolution et la foi chrétienne dans la collection Croire-Pocket paru en 2012 « Création et évolution. De la confrontation au dialogue ».

11 Commentaires

  1. Avatar
    him sam 11 Juil 2020 Répondre

    Mais comme l’a expliqué Raoult si l’effet est important un petit échantillon peu suffire.
    En reprenant vos 20% de guérisons spontanée, et seulement 5 patients dont 4 sont guéris avec le médicament. Que devient la p-value ?
    Je trouve p = .039942 mais je peux me tromper je suis un ultracrépidarianien.

    • Avatar
      Temaro dim 12 Juil 2020 Répondre

      Salut Him,

       » Comme l’a expliqué Raoult si l’effet est important un petit échantillon peut suffire.  »

      Il ne faut pas confondre la fréquence (f) d’un événement sur un échantillon et la probabilité théorique associée (p)

      Le problème ici (comme le souligne Pascal Touzet) est que c’est la qualité de l’interprétation des fréquences observées qui permettrait de valider l’hypothèse posée (l’effet du médicament est important)
      Or, cette qualité de l’interprétation des fréquences (f) dépend de la taille de l’échantillon (n)

      Ou alors, je n’ai pas bien saisi ce que tu cherches à montrer.

      • Avatar
        him dim 12 Juil 2020 Répondre

        Sauf erreur de calcul
        20% de guérisons spontanée, 40% de guérison avec la médication pour 20 patients -> p-value two-tailed = .091157 donc effectivement pas signifiant (on a pas atteint 95% de chance que ce ne soit pas du au hasard)
        20% de guérisons spontanée, 40% de guérison avec la médication pour 20 patients -> p-value one-tailed (plus logique pour ce type de test ?) = . 045579 donc effet signifiant (on a atteint 95% de chance que ce ne soit pas du au hasard)
        20% de guérisons spontanée, 80% de guérison avec la médication pour 5 patients -> p-value two-tailed = .039942 donc effet signifiant (on a atteint 95% de chance que ce ne soit pas du au hasard) et donc a fortiori significatif si ce genre de test est intrinsèquement à estimer en one tailed

        • Avatar
          Temaro lun 13 Juil 2020 Répondre

          Salut Him,

          Je ne sais pas ce qui est le plus pertinent (one tailed or two tailed) mais un point me semble clair.
          Pour une approximation d’une loi binomiale par la loi normale centrée réduite (théorème de Moivre-Laplace) deux conditions doivent être remplies.

          1. L’echantillon doit être suffisamment grand (n>30)
          2. np > 5 et n(1-p) > 5, avec p = taux de succès.

          Et on est loin de remplir ces conditions avec n=20 et à fortiori n=5 !

          A moins qu’une finesse m’échappe.

  2. Avatar
    him sam 11 Juil 2020 Répondre

    Dans l’exemple précédent j’ai considéré que c’était un two-tailed test mais je me demande si,
    dans l’exemple proposé 20% de guérisons spontanée et 40% de guérisons avec médicament pour 20 patients, ce ne serait pas plutot un one tailed test auquel cas la p-value serait de .045579 ? et donc le médicament serait efficace ?

  3. Avatar
    Pascal Touzet mar 14 Juil 2020 Répondre

    En effet sur des échantillons inférieurs à 30 on ne peut pas utiliser la loi normale comme approximation de la loi binomiale. Le pb des petits échantillons c’est que c’est difficile de rejeter l’hypothèse du hasard (on parle d’un ob de puissance c’est à dire notre capacité à rejeter l’effet du hasard). Et attention pour l’interprétation des résultats la p-value doit être inférieure à 5% pour rejeter l’effet du hasard, car c’est le risque que je prends de rejeter le hasard, l’absence d’effet du traitement, et on ne va jamais au delà de 5%.

    • Avatar
      him mar 14 Juil 2020 Répondre

      Curieux car le t-test de Student à été conçu expressément pour les petits échantillons:

      Voir éventuellement
      Using the Student’s t-test with extremely small sample sizes
      https://scholarworks.umass.edu/cgi/viewcontent.cgi?article=1307&context=pare

      Avec la conclusion suivante:
      the t-test provides acceptable power for extremely small sample sizes, provided that the population effect size is very large

      Or dans votre exemple on peut supposer que les 20% de guérison spontanée concerne une très large population à distribution normale.

      Mais bon je suis un ultracrépidarianien.

  4. Avatar
    Pascal Touzet mar 14 Juil 2020 Répondre

    Oui mais pour ce qui nous concerne c’est à dire la comparaison de proportion de patients guéris avec et sans traitement ce n’est pas un test de Student qui doit être effectué mais un test qui repose sur la loi binomiale.

    • Avatar
      him mar 14 Juil 2020 Répondre

      Serait ce parce que dans la vraie vie on dispose facilement de plus de 30 patients et que dans ce cas le t-test n’est pas ce qu’il y a de plus adapté ? Le t-test semble tout de même utilisé pour comparer les moyennes des groupes ?
      Mais dans ton cas d’école à 20 patients le t-test est il vraiment inadapté ? Et s’il n’est pas inadapté faut il faire un calcul one tailed ou two tailed ? Et si c’est le cas mes p-value sont elles correctes ?
      Ca fait beaucoup de questions, je ne voudrais pas trop t’embêter.

  5. Avatar
    Bertrand jeu 27 Août 2020 Répondre

    Le professeur Raoult a un avantage de taille. Il est né en Afrique, et sait comment les africains se soignent face au paludisme (avec des dérivées de la chloroquine, et ce, depuis des décennies). Quand on constate que le/la covid-19 ne prend pas vraiment dans les pays sub-sahariens (heureusement !), on peut simplement se dire, que leur manière de prévention éprouvée et simple, pourrait être efficace pour nous également, si l’on voulait bien s’affranchir de nos préjugés occidentaux étriqués. A un moment donné, il faut être pragmatique. C’est ce que le professeur Raoult me semble être. Après libre à chacun d’attendre des preuves mathématiques sans biais statistique, mais quel temps perdu en vain face à un virus dont le taux de létalité pourrait bien n’être que de 0,45%. Il a vu de ses yeux l’efficacité de son traitement sur des patients atteints de la covid-19. Personnellement, cet homme me parait être un grand spécialiste et non un charlatan. Après, vous pouvez préférer vous baser sur les recommandations officielles de l’OMS.

Laissez une réponse

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

*