Le test de signification est-il logique de comparer les groupes randomisés au départ?

De nombreux articles d'essais contrôlés randomisés (ECR) rapportent des tests de signification sur les paramètres de base juste après / avant la randomisation pour montrer que les groupes sont effectivement similaires. Cela fait souvent partie d'un tableau des «caractéristiques de base». Cependant, les tests de signification mesurent la probabilité d'obtenir la différence observée (ou une différence plus forte) par hasard, n'est-ce pas? Et si le test est significatif, nous concluons qu'il y a une vraie différence car une différence aléatoire de cette ampleur serait peu probable . Un test de signification a-t-il un sens après la randomisation quand on sait que toute différence doit être due au hasard ?

Un test d'hypothèse serait absurde, mais un test de signification peut être utile.

Le test d'hypothèse serait de tester une hypothèse nulle qui est déjà connue pour être vraie, comme votre question le montre clairement. Il est stupide d'appliquer un test statistique à toute hypothèse qui a une valeur de vérité déjà connue via des informations complètement fiables.

Un test de signification fournit une valeur P qui, comme vous l'avez déjà dit, indique la probabilité d'obtenir des données aussi extrêmes ou plus extrêmes étant donné l'hypothèse nulle. Cependant, il me semble qu'une telle valeur P peut être interprétée d'une manière qui équivaut à une réponse à la question "À quelle fréquence puis-je m'attendre à voir une différence dans les valeurs de base aussi grande que cette fois, ou plus grande?" La réponse pourrait être utile même si elle n'est pas claire dans quel but.