Introduction aux études expérimentales

alors imaginons que je suis un laboratoire pharmaceutique et que je vient d'élaborer une nouveau médicament qui peut aider à traiter le diabète donc imaginons que j'ai ce médicament là qui se présentent pas lassant des comprimés est ce que je prétends c'est que ce médicament aide à réduire le taux d'hémoglobine a1c donc si tu sais pas ce que c'est que ces thèmes globine à 1 cgt engage aller te renseigner là dessus notamment sur la khan academy tu pourras trouver quelques vidéos à ce sujet mais l'idée générale c'est que si tu as un taux de sucre sanguin élevé un taux de sucre sanguin élevé en moyenne un taux de sucre sanguin moyens lv d'iso sur une période de trois mois eh bien tu vas avoir un taux d'hémoglobine a1c élevé voilà ça c'est une première chose est exactement la même manière si tu as un taux de sucre sanguin moyens faibles sur une période de trois mois eh bien tu auras un taux d'hémoglobine a1c faible donc si tu t'aperçois que la prise de ton médicament entraîne effectivement un taux d'hémoglobine plus faible que ce qui se passerait dans des conditions normales aléatoire ou bien en influant sur d'autres variables d'autres facteurs eh bien tu pourra considérer qu effectivement ton médicament peut aider à traiter le diabète donc évidemment pour tirer cette conclusion il va falloir qu'on arrive à construire une expérience et quand on va essayer de construire cette expérience en fait on a deux choses on a d'abord le fait de prendre ou de ne pas prendre ce médicament ça c'est ce qu'on va appeler la variable explicative c'est à dire que c'est là dessus qu'on va agir pour provoquer des résultats qu'on voit ensuite observé alors de l'autre côté il y à ce taux d'hémoglobine a1c et ça pour notre expérience eh bien c'est ce qu'on appelle la variable réponse la variable réponse on dit aussi parfois la variable expliqué et en fait c'est donc ce sur quoi on attend un effet de la prise ou non du médicament alors disons par exemple que notre étude va porter sur 100 personnes 100 personnes qui ont besoin d'un traitement pour le diabète donc on a ici 100 personnes que je vais représenter voilà comme ça ça c'est l'ensemble des 100 personnes sur lesquelles vont porter cette étude et puisqu'on va faire en fait s'est séparé ces personnes en deux groupes distincts on va avoir un premier groupe qui est le groupe ce qu'on pourrait appeler le groupe de traitement qui va être soumis à la prise du médicament et puis un deuxième groupe qu'on va appeler le groupe de contrôle qui sera pas soumis aux médicaments et si on s'aperçoit que dans le groupe de traitement le taux d'hémoglobine a1c beaucoup plus faible suffisamment pour que cette différence ne soit pas attribuable à juste un effet aléatoire disent on est bien on pourra effectivement conclure que le traitement à un résultat positif donc ici je vais constituer mon premier groupe qui est le groupe témoin ici voilà qui va donc contenir 50 personnes qui seront pas soumis au traitement ça c'est le groupe de contrôle et puis à côté je vais constituer le groupe de traitement donc constitué de 50 personnes à qui on va administrer le médicament ca c le groupe de traitement le problème c'est qu'en fait cette répartition comme ça elle peut avoir un effet psychologique qui va fausser un peu l'étude c'est à dire que on peut très bien imaginer qu'une personne qui prend le médicament va se dire ah ben oui mais je prends un médicament est d'une certaine manière ça peut avoir une influence sur son taux d'hémoglobine a1c donc sur son taux de sucre sanguin de la même manière on pourrait imaginer que quelqu'un qui prend ce médicament va tout d'un coup se mettre à avoir une vie plus saine et des habitudes alimentaires plus saines puisque il aura un peu plus conscience de son diabète étant sous traitement au contraire on peut imaginer qu'une personne va se dire de toute façon je prends ma pilule donc je peux manger ce que je veux et du corps un style de vie bien moins favorable donc voilà cet aspect psychologique il n'est pas négligeable c'est des choses qui est vraiment peuvent arriver donc il faut parvenir à trouver une solution pour éviter ce type de biens alors le système qu'on va employer pour ça eh bien ça va être qu'en fait on va donner à toutes les personnes quel que soit le groupe une pilule un médicament qui va avoir exactement la même le même aspect physique mais dans le groupe de contrôle ça sera un médicament placebo en fait un médicament qui n'a aucun effet alors que dans le groupe de traitement on va donner le vrai médicament donc ici nomade ministre aux patients de ce groupe là un placebo une pilule donc sans principe actif et aux personnes de ce groupe là on administre le médicament le médicament qu'on est en train de tester voilà et alors ce qui est important c'est que effectivement les deux médicaments sont exactement identiques visuellement il n'y a aucun moyen de les distinguer et personne ne s'est en fait dans quel groupe il est c'est à dire que personne ne sait si on lui donne un placebo ou un vrai médicament alors ce type de système tu en as peut-être déjà entendu parler on appelle ça une expérience aveugle une expérience aveugles parce que effectivement les gens ne savent pas à quel groupe ils appartiennent alors on peut faire encore mieux en faisant ce qu'on appelle une expérience en double aveugle et ça en fait c'est le cas si la personne qui administre le médicament elle même ne sait pas si elle donne à telle personne un placebo ou le vrai médicament et faire des expériences en double aveugle c'est très important parce que ça peut éviter un des billets qui sont dus justement au fait que inconsciemment la personne qui administre le médicament si elle sait que at-elle personnel à donner un médicament placebo elle peut être moins emphatique par exemple pas accorder un petit peu moins d'importance aux médicaments dans ce cas là ou alors elle peut par erreur donné quelques informations quelques indications aux patients qui est soumis au traitement donc ça peut aussi biaisés un petit peu l'étude donc ici c'est ce qu'on va faire on va réaliser une étude et une expérience en double aveugle de la même manière on est parfois amené à réaliser ce qu'on appelle parfois des expériences en triple aveugle et ça c'est le cas quand même la personne qui analyse les données ne sait pas non plus qui a effectivement pris le placebo et qui a effectivement pris la pilule est là aussi c'est pour éviter encore une fois un autre biais voilà alors on est donc dans cette situation là nos deux groupes le groupe contrôle le groupe de traitement c'est une expérience en double aveugle et on a notre variable réponse qui est le taux d'hémoglobine a1c alors ce qu'on va faire c'est mesuré chez chaque personne de nos deux groupes ce taux d'hémoglobine a1c au début de l'expérience et puis ensuite on va re mesurer trois mois plus tard disons le taux d'hémoglobine chez chaque personne des deux groupes mais bon avant ces mesures là il ya une autre chose à laquelle il faut penser c'est comment est-ce que effectivement on va constituer ces deux groupes alors tu vas me répondre que il faut le constitué de manière aléatoire si tu me dis sature a complètement raison parce qu'effectivement si tu prends dans le groupe de contrôle que des hommes et dans le groupe de traitement que des femmes par exemple on pourrait supposer que la conclusion qu'on obtient est en fait liée au sexe plutôt qu'à la prise de ce médicament ou alors il se pourrait que ce soit le comportement masculin ou féminin qui explique des différences l'est où les noms différence qui existe entre les deux groupes donc ça c'est à éviter ce serait exactement la même chose si par exemple tu prenais dans le groupe de contrôle des gens dans une région précise et puis dans le groupe de traitement des gens dans une autre région ou alors un groupe de contrôle avec des gens qui ont une certaine habitude alimentaire et à groupes de traitement avec des habitudes alimentaires complètement différente tout ça ce sont des facteurs de confusion en fait qu'ils vont brouillé un petit peu l'étude qui porte sur les faits de notre médicament donc pour éviter ça pour minimiser tous ces facteurs de confusion ce qu'il faut absolument faire c'est prélever des échantillons aléatoires donc on va constituer nos deux groupes par un échantillonnage aléatoire alors il ya plusieurs vidéos sur la khan academy sur les manières de prélever des échantillons comme ça aléatoirement tu peux aller les revoir si tu veux une façon de faire qui serait assez simple c'est attribués à chacune des 100 personnes un nombre et puis ensuite utilisé par exemple un générateur aléatoire de nombre et prélevés au hasard grâce à ce générateur 50 personnes donc 50 nombre qu'on va placer dans le groupe de contrôle et les comme ça les 50 prochaines constitueront le groupe de traitement ça c'est une manière de faire ou alors tu peut par exemple utiliser ton générateur de nombres et choisir alternativement une personne pour le groupe de contrôle une personne pour le groupe de traitement voilà donc ça c'est une solution mais finalement quand on prélève de manière aléatoire comme ça on ne peut pas complètement exclure la possibilité d'avoir un facteur de confusion important par exemple il se peut très bien que en ayant constitué étaient deux groupes comme ça aléatoirement tu te retrouve quand même avec un groupe dans lequel il ya beaucoup plus de femmes que dans l'autre il ya une probabilité qui est pas très élevé que ça arrive mais ça peut arriver et pour éviter que ce type de choses se produisent on peut faire ce qu'on a appelé dans d'autres vidéos un échantillonnage stratifié c'est à dire que ici par exemple on peut considérer qu'il ya des strates dans notre groupe de 100 personnes du groupe en fait des blocs il ya d'un côté des hommes et d'un côté des femmes alors disons que par exemple dans notre groupe on a 60 femmes soixante femmes et 40 hommes donc ce qu'on va faire en fait c'est essayer de reconstituer cette proportion d'hommes et de femmes dans chacun des deux groupes alors pour ça on peut prélever déjà aléatoirement 30 femmes parmi ces 60 qui sont là pour constituer les femmes du premier groupe de contrôle et bien sûr les 30 autres seront dans le groupe de traitement ensuite on va sélectionner 20 hommes de manière aléatoire et on va les placer dans un groupe de contrôle et les 20 autres hommes seront dans le groupe de traitement de cette manière on minimise quand même l' influence du sexe sur ce qui se passe effectivement dans notre expérience bon évidemment il se peut que d'autres facteurs de confusion possible donc dans ce cas là il ya d'autres manières de répartir les populations de manière aléatoire efficace voilà donc une fois que tu as fait tout ça tu es dans une bonne situation pour créer ton expérience et donc tu va regarder les taux d'hémoglobine a1c après l'expérience donc ce taux là et imaginons par exemple que ni aucune différence dans les deux groupes alors dans ce cas là tu peux dire moi ya quand même une forte chance que mon médicament n'est aucun effet sur le taux d'hémoglobine a1c mais bon il faut faire attention insiste vraiment parce que on parle ici que de probabilité il se peut très bien que tu été malchanceux que ce soit juste le fruit du hasard ça peut être juste une question de malchance et absolument pas lié à l'effet de ton médicament tu verras que quand tu avanceras dans les études statistiques on va arriver à se déterminer en fait des seuils de signification à partir desquels on va pouvoir considérer que les probabilités qu'on détermine sont suffisantes pour tirer des conclusions voilà ça ça va être quelque chose d'important et donc notamment ce qui va intervenir là dedans c'est la taille de l'échantillon effectivement plus on prend un échantillon de taille élevée plus les conclusions qu'on va pouvoir tirer seront significatives mais bon pour l'instant ce qu on va supposer c'est qu'en fait on a quand même observer une amélioration ici c'est à dire que le taux d'hémoglobine a1c est plus faible dans le groupe de traitement maintenant il va falloir pouvoir estimer la qualité de cette amélioration est ce que cette amélioration pourrait être due simplement à chance aléatoire on va dire ou bien ce que c'est très peu probable et qu'en fait on peut vraiment attribué cette amélioration à la prise du médicament et si effectivement c'est très peu probable que cette amélioration ne soit due uniquement à la chance et bien toi et les gens qui liront ton études seront assez convaincu qu effectivement ton médicament aide à lutter contre le diabète mais bon il va falloir faire très attention à ces conclusions là puisqu'en fait tout était encore à faire de probabilités de méthode et donc personne n'ira dire que on est certain à 100% que ce médicament a est effectivement un effet sur le taux d'hémoglobine en fait ce qui pourrait se passer c'est que il ya un des billets des facteurs de confusion qu'elle on n'a pas fait attention quelle on n'a pas pensé créer en nous nos groupes de traitement et groupe de contrôle par exemple ici on a réparti correctement par bloc les femmes et les hommes dans nos deux groupes mais il se peut très bien qu'on se retrouve quand même avec deux groupes sensiblement différent sur le plan de l'âge par exemple on pourrait avoir un groupe de traitement avec des gens beaucoup plus jeune que dans le groupe de contrôle ça ça serait effectivement un nouveau biais auxquelles on n'a pas pensé voilà donc il peut se passer en fait des tas d'autres choses et on doit être très très précautionneux dans les conclusions qu'on peut tirer de nos études et de toute façon quoi qu'il arrive même si tu penses vraiment tout ce qui est assez peu probable quoi qu'il arrive il ya toujours une chance que le résultat qui obtiennent ne soit due qu'à un effet aléatoire va vraiment des mesures que tu obtiennent uniquement par chance on va dire donc par exemple ici tu peux très bien avoir un bon résultat alors que ton médicament en fait aucun effet et tu peux très bien avoir de mauvais résultats alors qu'effectivement ton médicament est un bon médicament voilà donc ça c'est très important il ya toujours des choses qui se présentent alors comment est ce qu'on fait avec toutes ces difficultés bien il ya autre chose qui va être vraiment très important et on oublie souvent c'est que ton études elle doit être très bien présenté suffisamment bien présentés pour que d'autres équipes puissent la reconduire en fait ton études elle doit être reconduite type reconductible ça c'est très important ça veut dire que ton études d'autres équipes peuvent l'amener exactement dans les mêmes conditions et obtenir des résultats qui vont être significatif ou parce que c'est pas seulement le résultat qui compte il faut aussi qu'on puisse refaire ton expérience dans les mêmes conditions