Calculer un sample-size pour régression logistique ordinale

Bonjour,

J'ai fait pas mal de recherches mais je n'ai malheureusement rien trouvé à ce sujet.

Je compare en ce moment des scores dans deux groupes de traitement.
J'aimerais faire un calcul d'échantillon en fonction de la différence de proportion recherchée sur les "n" premiers scores cumulés.

J'ai trouvé la méthode proposée par J.Whitehead. Sample-size calculations for ordered categorical data. 1994. mais cette méthode nécessite de respecter l'hypothèse de proportionnalité des odds.
Je suis souvent confronté à la violation de cette hypothèse, j'ai deux questions :

1- Existe-t'il une méthode permettant un calcul de sample-size pour scores ordonnés lorsque l'hypothèse de "odds proportionality"/"parallel lines" n'est pas respecté ?

2- Si oui, auriez-vous un article ou une référence à me conseiller ?

En vous remerciant d'avance

J'ai trouvé ca dans les références biblio d'un projet.

Campbell MJ, Julious SA, Altman DG. Estimating sample sizes for binary, ordered categorical, and continuous outcomes in two group comparisons. BMJ 1995; 311: 1145-1148.

Merci c@ssoulet, je le lis demain

Malheureusement, l'article traite les cas de figures où l'hypothèse d'odds proportionality est respectée.

Je ne sais pas comment faire un calcul de sample-size sans binariser mes scores (on perd potentiellement de l'information).

Ensuite c'est tout à fait possible qu'il n'y ait pas de formule si l'hypothèse d'odds proportionality n'est pas respectée.

Je pense qu'il y a une alternative qui peut être acceptable : faire le calcul avec la formule "classique" et préciser qu'en raison du non respect de l'hypothèse d'odds proportionality l'effectif estimé est augmenté de 15 ou 20%
Ou 30
Ou 10


Sérieusement, je pense que dans ta situation, montrer que tu as vérifié le respect des assomptions, que tu as cherché une alternative, et qu'au final en l'absence de référence solide et validée tu augmentes un peu l'effectif est acceptable. Même si l'augmentation est complètement arbitraire.

Oui ça peut être une alternative (je pense que j'aurais du mal à la justifier) mais je trouve que ça a du sens.

Je pense dans mon cas être obligé d'avoir recours à des astuces car je suis déjà sur des très petits sample-sizes (6 et 10 individus par groupes de traitement) donc pour valider l'hypothèse ça me semble complexe même graphiquement.

Merci