Nb DE VARIABLES DEPENDANTES EN FONCTION DU Nb DE SUJET

Bonjour à toutes et tous,
Je désire comparer deux groupes sur différentes variables cognitives: un groupe à pathologie "rare" (n= 10) et un groupe contrôle (n=67).
Je suppose que j'emploierai un test de Mann & Whitney. Y a -t'il un nombre maximal de variables dépendantes en fonction du nombre de sujets (même s'il est toujours possible de faire une correction de Bonferroni = 0.05/nb de VD)?
Merci pour votre réponse
JP Jacus

Le test U de MW est l'equivalent non parametrique d'un t-test. Donc 1 seule variable dependante.

Si tu veux introduire plusieurs variables dependantes dans ton modèle, il faut faire une ANOVA plan factoriel, ou son équivalent non paramétrique: le test de Kruskall-wallis.

A la louche, pour tous ces tests on est plus ou moins sur les assomptions de la régression multiple. Donc a minima au moins 10 fois plus d'observations que de covariables introduites dans le modèle.

Je vous remercie beaucoup pour votre réponse.
Néanmoins, je n'en comprends pas certains aspects et il me semble qu'il y a confusion entre variables dépendantes et variables indépendantes (en terme de méthodologie expérimentale).

En effet, et sauf erreur de ma part, je compare 2 groupes (donc un facteur ou variable indépendante binaire) ce qui suppose une méthodologie statistique de type test t (ou test non paramétrique Mann & Whitney). Un KW (non-paramétrique) ou une ANOVA (paramétrique) comparant plusieurs modalités d'un même facteur me semblerait ici inutile ou inadapté.
En revanche, je compare ces 2 groupes du point de vue de différentes mesures cognitives (plusieurs mesures de mémoire, d'attention) donc plusieurs variables DEPENDANTES.

Ma question est donc: Au regard de mon faible effectif du groupe de pathologie "rare", combien de mesures cognitives différentes (variables dépendantes) puis-je comparer entre les deux groupes?

Merci pour votre avis et veuillez excuser par avance toute erreur de ma part
JP J

Chaque test, quelqu'il soit, est à considérer sur chaque variable indépendante, séparement. Il n'y donc pas de possibilité de répondre - que je sache - à votre question. D'autant plus que la réponse à votre question ne concerne pas l'effectif de vos échantillons, mais le nombre de tests que vous faites.

En effet, augmenter le nombre de variables dépendantes risque de vous faire arriver à des tests significatifs qui ne ne sont en fait pas. Ce genre de techniques est utilisée par des auteurs pour chercher coûte-que-coûte à trouver des tests significatifs. Ceci se nome "data dredging", et vous avez même une page wikipedia qui explique ceci, ici: https://fr.wikipedia.org/wiki/Data_dredging.

Désolé de ne pas être plus utile que cette réponse,

Eric.

J'avais lu un peu vite, tes remarques sont justes. La remarque d'Eric aussi: si on multiplie les tests sur un même échantillon, on augmente le risque de première espèce sur l'ensemble des comparaisons effectuées.

Il faut cependant modérer l'exigence de perfection ou d'irreprochabilité de l'analyse statistique avec les contraintes cliniques et les objectifs éthiques. Les pathologies rares sont un bon exemple: les résultats sont à peu près toujours criticables pour cause de manque d'effectif ou de contraintes méthodologiques liées justement à la rareté de la pathologie. Si on s'interdit de publier des résultats parce qu'ils sont criticables, on n'avance pas et au final on ne dégage aucune piste et on ne fait rien pour les patients. Donc éthiquement c'est très moyen.

En pratique, dans cette situation, on multiplie les tests même si c'est criticable. Il faut souligner cette faiblesse dans la discussion et préciser que ca fragilise les conclusions issues de ce travail. Mais si c'est la seule facon de faire, on fait même si on s'éloigne de l'état de l'art de l'analyse de données.

En attendant, je vous remercie beaucoup pour vos réponses.
Bien à vous.
JP Jacus