L'autre jour, j'ai eu une consultation avec un épidémiologiste. Elle est MD avec un diplôme en santé publique en épidémiologie et possède beaucoup de connaissances statistiques. Elle encadre ses chercheurs et résidents et les aide à résoudre des problèmes statistiques. Elle comprend assez bien les tests d'hypothèses. Elle avait un problème typique de comparer deux groupes pour voir s'il y avait une différence dans le risque lié à une insuffisance cardiaque congestive (CHF). Elle a testé la différence moyenne dans la proportion de sujets recevant une CHF. La valeur de p était de 0,08. Ensuite, elle a également décidé d'examiner le risque relatif et a obtenu une valeur de p de 0,027. Elle a donc demandé pourquoi l'un est important et l'autre non. En examinant des intervalles de confiance bilatéraux à 95% pour la différence et pour le rapport, elle a vu que l'intervalle de différence moyenne contenait 0 mais la limite de confiance supérieure pour le rapport était inférieure à 1. Alors, pourquoi obtenons-nous des résultats incohérents. Ma réponse, bien que techniquement correcte, n'était pas très satisfaisante. J'ai dit: «Ce sont des statistiques différentes et peuvent donner des résultats différents. Les valeurs de p sont toutes deux dans le domaine de marginalement significatives. Cela peut facilement se produire. Je pense qu'il doit y avoir de meilleures façons de répondre en termes simples aux médecins pour les aider à comprendre la différence entre tester le risque relatif et le risque absolu. Dans les études d'épi, ce problème se pose souvent car ils examinent souvent des événements rares où les taux d'incidence pour les deux groupes sont très faibles et les tailles d'échantillon ne sont pas très grandes. J'y ai réfléchi un peu et j'ai quelques idées que je partagerai. Mais j'aimerais d'abord savoir comment certains d'entre vous géreraient cela. Je sais que beaucoup d'entre vous travaillent ou consultent dans le domaine médical et ont probablement fait face à ce problème. Qu'est-ce que tu ferais?