Abstrait

Contexte : En raison d’un débat résurgent sur l’utilisation abusive des valeurs P, le Journal of Medical Internet Research est l’hôte d’un thème permanent invitant à la réanalyse des données d’essai (principalement la santé numérique) à l’aide d’un cadre bayésien. Ce premier article de cette série se concentre sur un dépistage électronique et une brève intervention (eSBI), ciblant la consommation d’alcool nocive et dangereuse, que les centres de soins de santé étudiants à travers la Suède ont régulièrement administré à tous les étudiants au cours de la dernière décennie. La deuxième étude sur l’évaluation et la rétroaction sur les courriels d’alcool a porté sur l’efficacité des étudiants universitaires (AMADEUS-2) visant à évaluer l’effet de l’ESBI sur la consommation d’alcool chez les étudiants qui étaient des buveurs nocifs et dangereux. Une conception d’essai contrôlé randomisé à deux bras a été utilisée, ce qui a randomisé les participants admissibles à une liste d’attente ou à un accès direct à un ISPE. Des évaluations de suivi ont été effectuées 2 mois après la randomisation. L’analyse subséquente de l’essai a suivi l’approche conventionnelle de l’hypothèse nulle, et aucune signification statistique n’a été trouvée entre les groupes au suivi en ce qui concerne le nombre de boissons standard consommées chaque semaine. Toutefois, dans une analyse de sensibilité non spécifiée, on a découvert que l’élimination de trois valeurs aberrantes potentielles rendait la différence entre les groupes significatif.

Objectif: L’objectif de cette étude est de reperformer l’analyse primaire et de sensibilité de l’essai AMADEUS-2 à l’aide d’un cadre bayésien et de comparer les résultats avec ceux de l’analyse originale.

Méthodes: Les mêmes modèles de régression utilisés dans l’analyse originale ont été utilisés dans cette réanalyse (régression binomiale négative). Les paramètres du modèle ont été donnés des antécédents uniformes. La chaîne Markov Monte Carlo a été utilisée pour l’inférence bayésienne, et les probabilités postérieures ont été calculées pour des seuils d’intérêt prédécifiés.

Résultats: Les tests d’hypothèse nulle n’ont pas permis d’identifier une différence statistiquement significative entre les groupes d’intervention et de contrôle, potentiellement en raison de quelques points de données extrêmes. L’analyse bayésienne a indiqué une probabilité de 93,6 % qu’il y avait une différence dans les grammes d’alcool consommés au suivi entre les groupes d’intervention et de contrôle et une probabilité de 71,5 % que le taux d’incidence était de 0,96. Les probabilités postérieures ont augmenté en excluant trois valeurs aberrantes potentielles, mais de telles analyses post hoc n’étaient pas nécessaires pour montrer la préférence vers l’offre d’un eSBI aux buveurs nocifs et dangereux parmi les étudiants universitaires.

Conclusions: Le cadre d’hypothèse nulle repose sur des estimations ponctuelles des paramètres. Les valeurs P peuvent donc osciller fortement, en fonction d’un seul ou de quelques points de données, ce qui jette le doute sur la valeur de l’analyse. L’analyse bayésienne donne lieu à une distribution par rapport aux valeurs des paramètres et est donc moins sensible aux valeurs aberrantes et extrêmes. Les résultats des analyses d’essais d’interventions où l’on s’attend à des tailles d’effets de petite à modeste peuvent être plus solides dans un cadre bayésien, ce qui en fait une approche potentiellement meilleure pour analyser les données de recherche en santé numérique.

Enregistrement des essais : Numéro d’essai contrôlé randomisé international standard (ISRCTN) 02335307; http://www.isrctn.com/ISRCTN02335307