Les posteurs les plus actifs de la semaine
Eric Wajnberg
 
zezima
 
Nik
 
margotte185
 
c@ssoulet
 
Coco
 
Ayana
 


Designs à sample-size déséquilibrés

Voir le sujet précédent Voir le sujet suivant Aller en bas

Designs à sample-size déséquilibrés

Message par zezima le Jeu 3 Aoû 2017 - 8:18

Bonjour,

J'ai déjà vu qu'il y avait des designs pour lesquelles l'effectif requis de chaque groupe d'une expérience était différent, par exemple pour la comparaison d'un groupe placebo et de deux doses d'un traitement, le sample size était deux fois plus grand pour le groupe placebo que dans chacun des autres groupes.

Il est en général choisi d'augmenter le sample-size du groupe placebo car il y a plusieurs comparaisons qui sont faites en fonction de ce groupe, i.e. placebo_vs_dose1 et placebo_vs_dose2.
Au final on augmente potentiellement la puissance et on baisse le risque alpha dans chacune des comparaisons.

Avez-vous déjà été confronté à ce cas de figure ? Savez-vous si la puissance et le risque alpha d'une ANOVA associée pourraient être significativement différentes ?
Est-ce que vous avez des articles à me conseiller concernant cette problématique ?

Merci d'avance
avatar
zezima

Nombre de messages : 747
Date d'inscription : 26/02/2013

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: Designs à sample-size déséquilibrés

Message par c@ssoulet le Lun 21 Aoû 2017 - 14:15

Mathématiquement, la façon la plus "effectif-efficace" d'augmenter la puissance est d'augmenter la taille de chaque groupe dans la même proportion.

Si on fait le choix de n'augmenter que l'effectif du groupe contrôle, ca "pèse" moins sur la puissance pour la même augmentation d'effectif total de l'étude.

Donc quand on fait ce choix, c'est qu'on veut augmenter la puissance sans augmenter l'effectif des groupes traités [ mode lapalissade : ON :-) ]. A ma connaissance, ce choix est dicté par des considérations autres que mathématiques.

Principalement
- parce qu'on veut exposer le moins de personnes possible au produit pour une question éthique/médicale. C'est par exemple le cas de certaines études précoces, ou on n'a pas encore recueilli suffisamment de données de sécurité.
- parce qu'on teste un principe actif "dangereux de par son principe d'action" (chimiothérapie) et qu'on veut être en mesure de détecter au plus tôt une éventuelle fréquence des effets indésirables supérieure à la fréquence attendue dans le(s) groupe(s) traité(s). Dans ce cas, augmenter la taille du groupe contrôle (et donc diminuer sa variabilité) peut permettre d'appuyer sur le gros bouton rouge plus tôt, tout en n'exposant pas trop de monde à un principe actif pas encore parfaitement maitrisé.
- parce qu'on n'a pas encore les moyens industriels - ou financiers -  de produire suffisamment de principe actif pour approvisionner plus de x patients

Il y a un cas particulier: les études cas/contrôle, pour lesquelles on sait par avance que le recrutement des cas sera limité (maladies rares, critères d'inclusion "serrés" ... etc). Dans ce cas, généralement le recrutement des contrôles est beaucoup plus facile et ce sont les contraintes de faisabilité qui orientent vers un choix raisonnable: recruter 2 ou 3 contrôles pour 1 cas est le seul moyen réaliste d'augmenter la puissance.

c@ssoulet

Nombre de messages : 754
Date d'inscription : 05/05/2008

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: Designs à sample-size déséquilibrés

Message par zezima le Lun 28 Aoû 2017 - 8:37

C'est très intéressant, je n'avais pas en tête ces autres aspects du sample-size déséquilibré.

Il y a un autre point que je n'avais pas remarqué mais sur de petits effectifs, appliquer un design déséquilibré peut être dangereux pour des questions d'échantillonnage, un groupe avec effectif faible risquerait de sortir une différence par hasard plus souvent qu'un design équilibré.

Merci cassoulet

Pour ceux qui voudraient un indice sur les propos, j'ai réalisé une micro-simulation, ce ne sont bien sur pas des preuves mais on voit que la puissance d'un test de Student par exemple sont plus intéressants dans le cas d'un design équilibré que déséquilibré, le risque alpha semblant être équivalent.
Code:

pvalA=vector()
pvalB=vector()
pvalC=vector()
pvalD=vector()
for(i in 1:10000){
n1=rnorm(50,10,2)
n2=rnorm(50,11,2)
n2bis=rnorm(50,10,2)
n3=rnorm(30,10,2)
n4=rnorm(70,11,2)
n4bis=rnorm(70,10,2)
pvalA[i]=t.test(n1,n2)$p.value
pvalB[i]=t.test(n3,n4)$p.value
pvalC[i]=t.test(n1,n2bis)$p.value
pvalD[i]=t.test(n3,n4bis)$p.value
}

#Power
prop.table(table(pvalA<=0.05))#design équilibré
prop.table(table(pvalB<=0.05))#design déséquilibré

#Alpha risk
prop.table(table(pvalC<=0.05))#design équilibré
prop.table(table(pvalD<=0.05))#design déséquilibré
avatar
zezima

Nombre de messages : 747
Date d'inscription : 26/02/2013

Voir le profil de l'utilisateur

Revenir en haut Aller en bas

Re: Designs à sample-size déséquilibrés

Message par Contenu sponsorisé


Contenu sponsorisé


Revenir en haut Aller en bas

Voir le sujet précédent Voir le sujet suivant Revenir en haut

- Sujets similaires

 
Permission de ce forum:
Vous ne pouvez pas répondre aux sujets dans ce forum