11 Le cas des essais « négatifs »

     

Les résultats d’essais randomisés « négatifs », non concluants, car non statistiquement significatifs, ne permettent pas de conclure, évidemment, à l’intérêt du traitement et ne peuvent pas justifier un changement de pratique.

Ils ne permettent pas, non plus, de conclure à l’absence formelle d’intérêt, car un résultat non statistiquement significatif ne permet pas de conclure à l’absence d’effet (« l’absence de preuve n’est pas la preuve de l’absence »).

La formulation de la conclusion doit être du type : l’essai à échouer à mettre en évidence le bénéfice du traitement ou l’essai n’a pas permis de mettre en évidence le bénéfice. À la rigueur : aucun bénéfice n’a été montré dans cet essai ou l’étude ne montre pas de bénéfice du traitement.

Dans de rares cas, il est cependant possible de conclure à l’absence d’intérêt du traitement, quand l’intervalle de confiance est très étroit autour de l’absence d’effet (RR=0.99, IC 95% entre 0.96 et 1.02 par exemple) ou que le résultat montre une tendance non significative à un effet délétère (RR=1.9, IC 95% entre 0.98 et 2.82 par exemple).

La non-signification statistique peut provenir d’un manque de puissance qui ferait que l’essai est faussement négatif (risque beta). Cependant, même s’il est possible d’expliquer la négativité d’un résultat par un manque de puissance, cela ne permet pas néanmoins de conclure à l’intérêt du traitement. Cela peut seulement laisser penser qu’un nouvel essai, suffisamment puissant cette fois-ci, pourrait être concluant. Mais en attendant ce résultat, aucune preuve n’est disponible.

La lecture critique des essais négatifs n’intéresse pas le médecin, car ces résultats ne l’amènent pas à se poser la question de s’il doit utiliser ou non le nouveau traitement. Pour ce type de résultats, le raisonnement de lecture critique est complètement inversé par rapport aux résultats positifs. La question qui se pose avec les résultats négatifs est celle d’un résultat faussement négatif, pour savoir s’il faut faire un autre essai ou abandonner définitivement la molécule. Les biais recherchés ne sont donc plus du tout les mêmes. Ce ne sont plus les circonstances qui peuvent faire apparaitre une différence à tort qui entrainent un biais, mais bien celles qui auraient pu faire disparaitre la différence existant entre les 2 produits. De même, au niveau statistique ce n’est plus une question d’erreur alpha, mais d’erreur beta.