Problems of multiplicity

Editorials

Problèmes de multiplicité

Résumé

Nous avons présenté le pour et le contre de plusieurs procédures qui pourraient soigner la «maladie» des comparaisons multiples. Ces approches y parviennent néanmoins au prix d’une puissance réduite ou d’une taille d’échantillon accrue. La prévention dès la phase de conception d’une étude demeure, lorsqu’elle est possible, la meilleure tactique. Les objectifs primaires et secondaires devraient être soigneusement définis. En ce qui concerne les résultats mesurés à plusieurs points dans le temps, les aspects les plus pertinents des trajectoires de réponses (par exemple, l’aire sous la courbe) devraient être clairement identifiés. Dans les plans d’analyse statistique, il faudrait se concentrer davantage sur la description des caractéristiques clés des données en termes de pertinence clinique. Enfin, les chercheurs devraient résister à la tentation de coller l’étiquette du «statistiquement significatif» à chaque comparaison possible.

References

  1. 1.
    Lang TA, Secic M. How To Report Statistics in Medicine: Annotated Guidelines for Authors, Editors, and Reviewers. Philadelphia: American College of Physicians; 2006: 63.Google Scholar
  2. 2.
    Bland JM, Altman DG. Multiple significance tests: the Bonferroni method. BMJ 1995; 310: 170.PubMedGoogle Scholar
  3. 3.
    Bender R, Lange S. Adjusting for multiple testing — when and how? J Clin Epidemiol 2001; 54: 343–9.PubMedCrossRefGoogle Scholar
  4. 4.
    Westfall PH, Young SS. Resampling-Based Multiple Testing: Examples and Methods for P-Value Adjustment. NY: Wiley; 1993.Google Scholar
  5. 5.
    O’Brien PC. Procedures for comparing samples with multiple endpoints. Biometrics 1984; 40: 1079–87.PubMedCrossRefGoogle Scholar
  6. 6.
    Sankoh AJ, Huque MF, Dubey SD. Some comments on frequently used multiple endpoint adjustment methods in clinical trials. Stat Med 1997; 16: 2529–42.PubMedCrossRefGoogle Scholar
  7. 7.
    Tilley BC, Marler J, Geller NL, et al. Use of a global test for multiple outcomes in stroke trials with application to the National Institute of Neurological Disorders and Stroke t-PA Stroke Trial. Stroke 1996; 27: 2136–42.PubMedGoogle Scholar
  8. 8.
    Ramsey FL, Schafer DW. The Statistical Sleuth: a Courseab in Methods of Data Analysis. CA: Duxbury Press; 2002.Google Scholar
  9. 9.
    Schulz KF, Grimes DA. Multiplicity in randomised trials II: subgroup and interim anslyses. Lancet 2005; 365:1657–611.PubMedCrossRefGoogle Scholar
  10. 10.
    Matthews JN, Altman DG, Campbell MJ, Royston P. Analysis of serial measurements in medical research. BMJ 1990; 300: 230–5.PubMedCrossRefGoogle Scholar
  11. 11.
    Fitzmaurice GM, Laird NM, Ware JH. Applied Longitudinal Analysis. NJ: Wiley; 2004.Google Scholar
  12. 12.
    Wang R, Lagakos SW, Ware JH, Hunter DJ, Drazen JM. Statistics in medicine — reporting of subgroup analyses in clinical trials. N Engl J Med 2007; 357:2189–94.PubMedCrossRefGoogle Scholar
  13. 13.
    Assmann SF, Pocock SJ, Enos LE, Kasten LE. Subgroup analysis and other (mis)uses of baseline data in clinical trials. Lancet 2000; 355: 1064–9.PubMedCrossRefGoogle Scholar

Copyright information

© Canadian Anesthesiologists 2008

Authors and Affiliations

  1. 1.the Department of StatisticsUniversity of British Columbia and Centre for Community Child Health Research Child and Family Research InstituteVancouverCanada
  2. 2.Centre for Clinical Epidemiology and EvaluationVancouver Coastal Health Research InstituteVancouverCanada

Personalised recommendations