Le « petit p », c’est quoi ?

Les résultats présentés doivent l’être avec un calcul du « p » et/ou de l’intervalle de confiance. Ceci permet de refléter le risque de fluctuations liées au hasard.
Un résultat n’est statistiquement significatif que si le p est inférieur au risque alpha (5% habituellement). Ceci permet de vérifier que l’association est une véritable association statistique.
Par exemple :

• Une différence de mortalité de 10% (p = 0,03) est statistiquement significative
• Une différence de mortalité de 10% (p = 0,2) n’est pas statistiquement significative

Une différence statistique est-elle forcément pertinente ?

Les analyses statistiques permettent de mettre en évidence une supériorité statistique d’un médicament testé. Cependant, il faut être vigilant sur la traduction clinique de cette supériorité.

Par exemple, une étude peut mettre en évidence une diminution statistiquement significative de la durée des symptômes d’une maladie avec un nouveau médicament. Cependant, si cela correspond à une diminution d’une demi-journée, cela est peu pertinent en pratique.

Ex : durée des symptômes avec traitement = 6,5 jours versus avec placebo = 7 jours (p=0,04).
Il faut aussi prendre en compte les effets indésirables des médicaments. En effet, si l’efficacité du médicament est démontrée mais qu’il entraîne beaucoup d’effets indésirables graves (par exemple, des atteintes de certains organes (cœur, foie, rein, …)), il n’est pas forcément intéressant.

Il faut réfléchir à la « balance bénéfice/risque », c’est-à-dire vérifier que le bénéfice du traitement ne soit pas au prix d’effets indésirables graves importants.

La différence statistique est-elle forcément due au médicament ?

Non, ce n’est pas parce qu’une étude met en évidence une association statistique qu’elle est due au médicament.
En effet, des « biais » peuvent venir fausser les résultats ou leur interprétation.