CALCUL DU NOMBRE DE REPETITIONS NECESSAIRES POUR LA COMPARAISON DE 2 POURCENTAGES DANS LE CAS DE DONNEES APPARIEES.

Transcription

1 CALCUL DU NOMBRE DE REPETITIONS NECESSAIRES POUR LA COMPARAISON DE POURCENTAGES DANS LE CAS DE DONNEES APPARIEES. C. LOPEZ Institut de l'elevage Service Biométrie Juillet 00

2 CALCUL DU NOMBRE DE REPETITIONS NECESSAIRES POUR LA COMPARAISON DE POURCENTAGES DANS LE CAS DE DONNEES APPARIEES. Définition du contexte On souhaite comparer le pouvoir de détection d'un appareil E par rapport à celui d'un appareil de référence R vis-à-vis d'une caractéristique biologique B. B est considérée comme présente lorsque son dosage est supérieur à un certain seuil S et considéré comme absente sinon. Les deux appareils sont testés sur les mêmes échantillons. On veut rejeter l appareil E lorsque son pouvoir de détection est statistiquement différent de celui de l appareil R avec un risque de ère espèce α acceptable et une puissance (-β) statistique suffisante. Exemple d'application : comparaison d'un préleveur automatique par rapport à la méthode de prélèvement manuel sur la détection de Listeria monocytogenes dans le lait. Les notations On définit pour un appareil donné l'indicatrice Xi (i=0 si appareil R ; i= si appareil E): Xi = si la caractéristique biologique B est supérieure au seuil S avec l'appareil n i Xi = 0 sinon. On appelle (0) la probabilité de détecter B avec l'appareil de référence R et () la probabilité de détecter B avec l'appareil E sur un même échantillon. (0) = P(X0 = ) = P(B présent appareil R) () = P(X = ) = P(B présent appareil E) Le problème posé revient donc à calculer le nombre N d échantillons nécessaires pour comparer la probabilité () à la probabilité (0) avec une puissance (-β) contrôlée. Remarque : Ces deux probabilités étant définies sur les mêmes échantillons elles ne sont pas indépendantes. Ce sont des probabilités sur "séries appariées". Le tableau suivant donne l'expression des probabilités (i) à partir des probabilités conjointes ij = P(X0=i et X=j). E [X] X = 0 X = R [X0] X0 = X0 = 0 (0) () Tableau : représentation des probabilités de présence de B C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00

3 Remarque : La comparaison des probabilités () et (0) est équivalente à la comparaison des probabilités conjointes 0 et 0. () - (0) = [(0 + )] - [(0 + )] = 0-0 Ces probabilités conjointes mesurent la discordance entre les appareils. 0 = P[(X0=0) et (X=)] = P[B absent avec R et B présent avec E] 0 = P[(X0=) et (X=0)] = P[B présent avec R et B absent avec E] La comparaison de ces probabilités est alors réalisée conditionnellement aux situations de discordance. Remarque 3 : Il est équivalent de comparer 0 à 0 et de comparer à ½ la probabilité P que B soit présent avec E sachant que les appareils donnent des résultats discordants. Lorsque 0 et 0 sont égales (Hypothèse nulle, H0) P = 0 = P = = ( 0 + 0) ( 0 + 0) L'"écart" entre les probabilités 0 et 0 est alors estimé multiplicativement par 0 P ψa l'odds ratio de McNEMAR (947): ψ a = = (ou encore P = ). Cet odds ratio 0 P + ψa est égal à sous l'hypothèse nulle (P=/) et différent de sous l'hypothèse alternative (H) : 0 0 (P /). 0 Détermination du nombre d'échantillons N La détermination se déroule en étapes. - Détermination du nombre d'échantillons discordants m Si Pˆ désigne l'estimateur de la probabilité P et m le nombre d'échantillons sur lesquels il y discordance entre E et R on peut montrer les relations suivantes : Pˆ 4m suit asymptotiquement une loi Normale centrée réduite sous H0. Pˆ suit asymptotiquement une loi Normale de moyenne P * ( P) m variance unité sous H. P et de C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00

4 Pˆ a alors une probabilité α d'être supérieur en valeur absolue à sous H0 où Z( α ) est le fractile (-α/) de la loi Normale centrée réduite. De même Z( Pˆ a une probabilité β d'être inférieur à β) est le fractile (-β) de la loi Normale centrée réduite. Z ( α ) * ( P) 4m P * P Z( β ) * où m On peut montrer que ces deux inégalités sont vérifiées avec m échantillons et des risques α et β fixés lorsque P vérifie l'égalité suivante: P = Z ( On en déduit la valeur de m correspondante: m Z ( ) P * P α ) + Z( β ) [] 4m m ( ) * + Z( β ) * P * ( P) = α * [] P Remarque 4 : Contrairement à ce que suggère l expression [] il n est pas nécessaire de connaître les probabilités de discordance 0 et 0 pour estimer m en raison de la relation liant P et ψ a de la remarque 3. - Détermination du nombre total d'échantillons N Une fois estimé le nombre d'échantillons discordants m le nombre total d'échantillons nécessaires N est obtenu à l'aide de l'expression suivante: m = N * θ [3] où θ est la probabilité d'avoir des résultats discordants sur un échantillon. θ = P[B présent avec R et absent avec E ou B absent avec R et présent avec E] soit θ = 0+0 On ne peut pas calculer cette probabilité car les probabilités de discordance ne sont pas connues. Remarque 5 : Cette probabilité peut être exprimée à partir des probabilité de détection () et (0). θ = P[B présent avec R] * P[B absent avec E B présent avec R] + P[B absent avec R] * P[B présent avec E B absent avec R] [4] C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00 3

5 et des probabilités conditionnelles : P[B absent avec E B présent avec R] = PFN = P[B présent avec E B absent avec R] = PFP = ( (0)) 0 (0) 0, pourcentage de faux négatifs, pourcentage de faux positifs. J.J SCHLESSELMAN (98) propose de prendre une approximation de θ en négligeant l'appariement sur les échantillons. On obtient alors. θ (0) * (-()) + (-(0)) * () [5] La probabilité de détection avec la méthode de référence R, (0), est considérée comme une donnée connue, à tout le moins estimée avec une précision raisonnable. La probabilité de détection avec la méthode E, (), est alors obtenue en fonction de (0) et du odds ratio ψ m de ces deux probabilités marginales par la relation suivante: () 0 () = ψm * avec + 0 * ψm () ( ) () ( () ) ψ m = [6] () 0 ( ()) 0 Démonstration: L'odds ratio ψ s'écrit en fonction des probabilités de détection. où encore () () () () 0 = ψm * () () 0 ( ) ( ) * ( 0 ) = ψm * () 0 * ( () ) * ( 0 + ψm * 0 ) ψm * () 0 Soit () () () = On en déduit l'expression [6]. Cette façon de faire ne semble pas devoir être conseillée. L'hypothèse d'indépendance associée à l'approximation [6] implique en effet des probabilités de discordances incompatibles avec l'odds ratio ψ a fixé à l étape pour déterminer m. Le nombre total d'échantillons N ne peut être estimé sans faire des hypothèses préalables sur les taux d'erreur de diagnostic comme va le montrer l'exemple suivant. Un exemple à ne pas suivre Supposons que nous voulions détecter des écarts de 3 points (3%) entre les prévalences () et (0) avec une probabilité estimée pour la méthode de référence de (0) = 0,. Raisonnons aux risques α =0,05 et β = 0,0. On se fixe comme hypothèse de détecter un odds ratio ψ a =/4, c'est-à-dire un nombre de faux positifs 4 fois plus faible que le / 4 nombre de faux négatifs. La probabilité P est alors égale à P = = et + (/ 4) 5 l'expression [] donne un nombre d'échantillons discordants égal à m=5. C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00 4

6 La probabilité de résultats discordants sous l'hypothèse d'indépendance (expression [5]) fournit une valeur θ = 0, * (-0,08) + (-0,) * 0,08 = 0,7 et au final un nombre d'échantillons total nécessaires de N= 5/0,7= 45. En fait cette estimation ne peut être retenue. L'hypothèse d'indépendance n'est pas tenable ici. Elle correspondrait à des probabilités de résultats discordants 0 = 0,07 (()*(-(0) = 0,08 * (-0,)) et 0 = 0,0 ((-()) * (0)) = (-0,08) * 0,). L'odds ratio ψ a des erreurs de diagnostic serait alors de 0,70 (0,07/0,0) différent de celui posé initialement (/4). Il faut fixer un paramètre supplémentaire. La solution consiste alors à se fixer l'odds ratio ψ a et une des deux probabilités de discordance 0 ou 0, ou bien à se fixer des pourcentages minimum tolérables de faux positifs et de faux négatifs. Où l on reprend l exemple précédent traité correctement Examinons applications pratiques. Situation n : Raisonnons toujours à partir de l'exemple précédent. La prévalence (0) estimée pour la méthode de référence de (0) = 0, et on veut détecter un écart de 3 points avec (). On a trouvé qu'il fallait un nombre de résultats discordants de m = 5. On s'intéresse aux probabilités de résultats discordants suivantes : 0 = 0,0 et 0 = 0,04 (P = /5 et ψ a = 0,5) On tolère par conséquent au maximum 5% de mal classés,,% de "faux positifs" (0,0/((0,)) et 36,4% de "faux négatifs" (0,04/0,). La probabilité d'avoir un résultat discordant est alors : θ = 0, * 0,364 + (-0,)*0,0 = 0,050 et le nombre total d'échantillon nécessaire est égal à N = 5/0,050 soit environ 500 échantillons. On constate que le nombre nécessaire est beaucoup plus élevé que lorsque l'on néglige l'appariement. Situation n : On tolère maintenant les probabilités de résultats discordants suivantes : 0 = 0,03 et 0 = 0,06 (P = /3 et ψ a = 0,50) Soit 9% de mal classés, 3,4% de "faux positifs" et 54,5% de "faux négatifs". L'expression [] donne un nombre de résultats discordants de m = 90. La probabilité d'avoir un résultat discordant est alors : θ = 0, * 0,545 + (-0,)*0,034 = 0,090 et le nombre total d'échantillon nécessaire est égal à N = 90/0,090 soit environ 000. Remarque 6 : Dans la ère situation le déséquilibre entre les types de résultats discordants est plus marqué. L'appareil E est moins bon que la référence R car il détecte 4 fois moins la substance B sur l'ensemble des résultats discordants (ψ a =/4) C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00 5

7 alors que dans la ème situation il ne détecte B que dans fois moins de cas que la référence (ψ a =/). On a donc besoin de moins de répétitions en situation n pour conclure à une différence significative entre les probabilités 0 et 0 (et au final pour comparer les prévalences () et (0)). On peut souligner la très grande sensibilité du nombre de répétitions au degré de discordance. Pour un écart (0-0 ) de 3% dans notre exemple, le nombre de répétitions discordantes m passe de 5 à 90 (soit un facteur multiplicatif de 3,6) lorsque les probabilités 0 et 0 augmentent de % (0 = 0,0 à 0,03 et 0 = 0,04 à 0,06). Au nombre de répétitions que l'on décidera de retenir correspondront alors des probabilités de discordance, 0-0, au delà desquelles le test n'aura plus la puissance escomptée. Ainsi dans la situation n, en se fixant un nombre d'échantillons de 500 on est assuré de pouvoir détecter dans au moins 90% des cas un écart de 3% à partir d'un niveau de prévalence (0) de % tant que les pourcentages de résultats discordants ne sont pas supérieurs à % et 4%, soit un pourcentage de mal classé de 5% au maximum. On remarquera que dans les situations de notre exemple les pourcentages de faux négatifs sont très élevés. C'est dû à la faible prévalence du phénomène mesuré (% avec la référence). Chaque résultat classé par erreur " B absent" avec l'appareil E induit un accroissement du pourcentage de faux négatifs de / = 9,%. A titre indicatif il faut N = 7 échantillons par groupe pour détecter le même écart sur les probabilités () et (0) aux mêmes risques α et β dans le cas de mesures sur deux groupes d'échantillons indépendants (séries non appariées). Conclusion Le calcul du nombre N d'échantillons de lait nécessaires pour mettre en évidence une différence entre les prévalences () et (0) dépend des risques α et β, de la probabilité dans le groupe de référence (0) et de l'"écart" entre ces probabilités exprimé par le odds ratio ψ m comme dans la situation classique de séries indépendantes. Il faut toutefois, dans le cas des séries appariées, se fixer des paramètres supplémentaires, les probabilités de discordances conditionnelles 0 et 0. Plutôt que ces probabilités dont on a difficilement une idée a priori, des seuils d'erreurs de diagnostic, les pourcentages de faux positifs (PFP) et de faux négatifs (PFN) peuvent être définis. On peut alors, à partir de ces pourcentages et de la prévalence, (0), associée à l'appareil de référence estimer 0 et 0 et en déduire l'odds ratio ψ a. 0 = PFP * (-(0)) et 0 = PFN * (0) d'où l'on déduit : PFP PFN ( (0) ) ψ a = *. (0) On en déduit alors le nombre de répétitions donnant des résultats discordants m et le nombre total d'échantillons N. C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00 6

8 Référence: McNEMAR Q. (947). Note on sampling error of the differences between correlated proportions or percentages. Psychometrika : SCHLESSELMAN J.J. (98). Case-control studies Design, conduct, analysis. New-York Oxford. OXFORD UNIVERSITY PRESS. P C. LOPEZ - Institut de l'elevage Service Biométrie juillet 00 7