Rédiger la partie « Analyse statistique » du Matériel et méthodes

Sa place dans le Matériel et méthodes

L'analyse statistique est l'une des dernières sous-parties du Matériel et méthodes (M&M). Elle vient après le type et le cadre de l'étude, la population, le recueil des données, les variables étudiées et les critères de jugement, et avant les considérations éthiques. Son rôle : permettre à un lecteur de refaire vos calculs à partir de votre base.

Son numéro et la forme de son titre dépendent de votre faculté : chiffres romains ou arabes, capitales ou non, deux-points final ou non. Par exemple, les « Recommandations du déroulement et la rédaction des thèses » de la Faculté de médecine de Sfax demandent une numérotation exclusivement en chiffres arabes, sans « : » après les titres. Avant de numéroter, vérifiez les règles de votre faculté dans notre guide mise en forme de la thèse de médecine en Tunisie.

Le registre est celui de tout le M&M : verbes au passé, le plus souvent en tournures impersonnelles (« ont été comparées », « a été retenu ») plutôt que « nous avons choisi ». Si votre faculté ou votre directeur a une préférence, suivez-la dans toute la thèse.

Le contenu obligatoire, dans l'ordre

Suivez toujours le même ordre, du plus simple au plus complexe. Le jury retrouve ainsi chaque information à sa place, et vous n'oubliez rien.

Vous pouvez y ajouter un tableau « Plan de l'analyse statistique », qui relie chaque partie des Résultats aux outils utilisés. Nous y revenons plus bas : c'est le moyen le plus simple de vérifier la cohérence entre M&M et Résultats.

Logiciel, description et normalité

Le logiciel

Déclarez le logiciel que vous avez réellement utilisé, avec sa version : « IBM SPSS Statistics, version 26 », par exemple. SPSS est très utilisé par les étudiants en médecine ; un autre logiciel convient tout autant, à condition de le déclarer avec sa version, qui figure dans le menu « Aide ». Si la saisie a été faite sous Excel, vous pouvez le préciser.

La description des variables

• Variables quantitatives : moyenne ± écart-type (avec les extrêmes) si la distribution est normale, médiane [Q1–Q3] dans le cas contraire.
• Variables qualitatives : effectif et pourcentage, n (%), calculés sur les données disponibles.

La vérification de la normalité

Nommez le test : Shapiro-Wilk, ou Kolmogorov-Smirnov avec correction de Lilliefors. SPSS donne les deux dans le menu Explorer. Pour une comparaison, la normalité se vérifie dans chaque groupe, pas sur l'échantillon entier. Un histogramme et la comparaison moyenne/médiane complètent utilement le test, surtout sur un très petit ou un très grand effectif.

Les tests et leurs conditions

Pour chaque test, écrivez la condition qui l'a fait choisir. C'est ce qui rend votre méthode vérifiable. Si vous hésitez sur le test lui-même, consultez notre guide quel test statistique choisir.

L'effectif théorique est celui qu'on attendrait en l'absence de toute différence. Exemple fictif : 70 patients, 40 dans le groupe A et 30 dans le groupe B, 8 complications au total. L'effectif théorique de complications dans le groupe B vaut 30 × 8 / 70 = 3,4. Il est inférieur à 5 : le test exact de Fisher s'impose, même si les effectifs observés semblent corrects.

Dans la sortie de SPSS, retenez la ligne du Chi² de Pearson, et non celle de la correction pour continuité (Yates). Pour le test t, SPSS affiche deux lignes, variances égales et variances inégales (Welch) : le test de Levene, donné dans le même tableau, vous dit laquelle lire.

Association et analyse multivariée

Odds ratio et intervalle de confiance

Quand vous cherchez des facteurs associés à un événement binaire (décès, complication, récidive), annoncez que la force de l'association a été exprimée par l'odds ratio (OR) avec son IC 95 %, et que l'association est significative lorsque l'intervalle ne contient pas 1. Si vous avez utilisé le test exact de Fisher, l'IC calculé par la méthode exacte est le plus cohérent avec le p ; l'option « Risque » du tableau croisé de SPSS donne un IC asymptotique, des outils comme OpenEpi proposent l'IC exact.

Le modèle multivarié et sa règle de sélection

C'est l'oubli le plus fréquent. Le M&M doit dire quelles variables sont entrées dans le modèle et selon quelle règle :

• Le type de modèle : régression logistique binaire pour un événement oui/non, régression linéaire pour une variable continue, modèle de Cox pour un délai jusqu'à un événement.
• Le seuil d'entrée : variables significatives en univarié (p < 0,05), ou p < 0,20 ; les deux se rencontrent, l'important est de l'écrire.
• Les variables forcées dans le modèle pour leur intérêt clinique (âge, sexe, gravité), le cas échéant.
• La méthode : toutes les variables à la fois (méthode « Entrée » de SPSS) ou sélection pas à pas descendante, avec son critère de sortie (par exemple p > 0,10).
• La vérification du modèle : test de Hosmer-Lemeshow pour la régression logistique.

Règle de prudence : comptez environ dix événements par variable introduite. Exemple fictif : 120 patients dont 30 décès autorisent trois variables. Au-delà, annoncez le modèle comme exploratoire. Pour la lecture des OR ajustés, voir notre guide régression logistique et odds ratio.

Seuil de signification et données manquantes

Le seuil s'écrit en une phrase : « Le seuil de signification a été fixé à p < 0,05 pour des tests bilatéraux. » Pour les données manquantes, la solution la plus simple et la plus fréquente est l'analyse sur les données disponibles, variable par variable, avec le dénominateur affiché dès qu'il diffère de l'effectif total (« 34/48 »). Le modèle multivarié, lui, ne porte que sur les patients complets pour toutes ses variables : indiquez leur nombre dans les Résultats. N'imputez aucune valeur sans l'annoncer.

Un modèle complet à adapter

Voici un paragraphe type pour une étude analytique classique, qui compare deux groupes puis recherche des facteurs associés. Remplacez les mots entre crochets et supprimez toute phrase qui décrit une analyse que vous n'avez pas faite.

« Les données ont été saisies sur Microsoft Excel puis analysées avec le logiciel [IBM SPSS Statistics, version 26]. Les variables quantitatives ont été exprimées en moyenne ± écart-type, avec leurs valeurs extrêmes, lorsque leur distribution était normale selon le test de Shapiro-Wilk, et en médiane avec premier et troisième quartiles [Q1–Q3] dans le cas contraire. Les variables qualitatives ont été exprimées en effectifs et en pourcentages, calculés sur les données disponibles. Les variables qualitatives ont été comparées par le test du Chi² de Pearson lorsque tous les effectifs théoriques étaient supérieurs ou égaux à 5, et par le test exact de Fisher dans le cas contraire. Les variables quantitatives de distribution normale dans les deux groupes ont été comparées par le test t de Student, ou par le test de Welch en cas de variances inégales (test de Levene) ; les variables de distribution non normale, par le test U de Mann-Whitney. La force de l'association a été exprimée par l'odds ratio (OR) avec son intervalle de confiance à 95 % (IC 95 %) ; un OR supérieur à 1 signifie que [l'événement] est plus fréquent en présence du facteur. Les variables associées à [l'événement] avec un p < [0,05] en analyse univariée ont été introduites dans un modèle de régression logistique binaire [méthode Entrée], afin de rechercher les facteurs indépendamment associés à [l'événement]. Les résultats ont été exprimés en OR ajustés (ORa) avec leur IC 95 %. L'adéquation du modèle a été vérifiée par le test de Hosmer-Lemeshow. Les données manquantes n'ont pas été remplacées : les analyses ont porté sur les données disponibles. Le seuil de signification a été fixé à p < 0,05 pour des tests bilatéraux. »

Les variantes selon le type d'étude

Étude descriptive seule

Pas de comparaison, donc pas de test : n'en citez aucun. Gardez le logiciel, la description des variables, la normalité (elle décide entre moyenne et médiane) et les données manquantes. Ajoutez l'intervalle de confiance de la proportion principale. Exemple fictif : 42 complications sur 120 patients, soit 35,0 % [IC 95 % : 27,1–43,9] par la méthode de Wilson.

« La fréquence de [l'événement] a été accompagnée de son intervalle de confiance à 95 %, calculé par la méthode de Wilson. L'étude étant descriptive, aucun test de comparaison n'a été réalisé. »

Étude diagnostique

Annoncez le test de référence, puis la sensibilité, la spécificité et leurs IC 95 %. Les valeurs prédictives positive et négative ne s'annoncent que si la fréquence de la maladie dans votre échantillon reflète celle de la population visée, jamais dans un recrutement de type cas-témoins. Pour une mesure continue, ajoutez la courbe ROC, l'aire sous la courbe (ASC) avec son IC 95 % et la méthode de choix du seuil (indice de Youden ou seuil publié). Le détail est dans notre guide courbe ROC et seuil optimal.

Données appariées

Quand les mêmes patients sont mesurés deux fois (avant et après un traitement), annoncez des tests appariés : t de Student pour séries appariées si les différences individuelles suivent une loi normale, test des rangs signés de Wilcoxon sinon, test de McNemar pour une variable binaire. Dans une étude cas-témoins appariée, l'analyse doit aussi respecter l'appariement (McNemar en univarié, régression logistique conditionnelle en multivarié) : faites valider ce choix par votre encadrant.

« Les valeurs avant et après [le traitement] ont été comparées par le test t de Student pour séries appariées lorsque les différences individuelles suivaient une loi normale, et par le test des rangs signés de Wilcoxon dans le cas contraire. Les proportions mesurées deux fois chez les mêmes patients ont été comparées par le test de McNemar. »

La cohérence avec les Résultats

La règle tient en deux phrases. Chaque analyse présentée dans les Résultats est annoncée dans le M&M. Chaque méthode annoncée dans le M&M a son résultat dans les Résultats. Un jury repère vite un Kaplan-Meier annoncé et jamais montré, ou un modèle multivarié qui surgit dans les Résultats sans avoir été décrit.

L'outil le plus sûr est un tableau « Plan de l'analyse statistique », placé dans le M&M, avec une ligne par partie des Résultats :

Relisez ce tableau après avoir fini les Résultats : ajoutez ce qui manque, retirez ce qui n'a pas été fait.

Les erreurs fréquentes

• Citer un test qui n'a pas été utilisé, par copier-coller d'une autre thèse (ANOVA, Kaplan-Meier ou kappa « au cas où »).
• Déclarer un logiciel qu'on n'a pas utilisé, ou sans sa version.
• Oublier la règle de sélection des variables du modèle multivarié : seuil d'entrée, variables forcées, méthode.
• Écrire « tests paramétriques et non paramétriques selon le cas » sans dire quel cas mène à quel test.
• Annoncer le Chi² sans dire quand le test exact de Fisher le remplace.
• Annoncer la moyenne ± écart-type pour toutes les variables quantitatives, y compris très asymétriques (durées de séjour, CRP).
• Passer sous silence les données manquantes, ou les compter comme « non ».
• Écrire au futur ou au présent (« seront comparées ») un M&M de travail déjà réalisé.

Une partie « Analyse statistique » juste se rédige mieux une fois l'analyse terminée : elle décrit ce qui a été fait, pas ce qui était prévu. Si votre protocole annonçait d'autres méthodes, mettez-la à jour avec votre encadrant.