La méthodologie quantitative

03Variables et mesures

3.1 Types de variables

Catégories des variables :

• Quantitative continue : peut prendre toutes les valeurs d'un intervalle (âge en années, poids en kg, score EVA de 0 à 10).
• Quantitative discrète : valeurs entières (nombre de chutes, nombre de médicaments).
• Qualitative nominale : catégories sans ordre (sexe, groupe sanguin, type de soins).
• Qualitative ordinale : catégories avec ordre logique (stade de la douleur : faible/modéré/intense ; niveau d'autonomie GIR 1 à 6).

3.2 L'opérationnalisation d'une variable

Opérationnaliser une variable, c'est définir précisément comment elle sera mesurée. Exemple : la « douleur » est opérationnalisée par le score EVA (Échelle Visuelle Analogique, de 0 à 10) recueilli par auto-évaluation à H0, H2 et H4.

Sans opérationnalisation, la mesure n'est pas reproductible et les comparaisons inter-études sont impossibles.

04L'échantillonnage

4.1 Population cible et échantillon

• Population cible : ensemble des individus auxquels les résultats devront s'appliquer (ex. : tous les patients adultes hospitalisés en soins intensifs en France).
• Population accessible : sous-ensemble de la population cible effectivement accessible au chercheur (ex. : les patients d'un CHU sur une période donnée).
• Échantillon : sous-groupe de la population accessible qui participera à l'étude.

4.2 Méthodes d'échantillonnage

Key takeaway

En pratique : dans un TFE, l'échantillonnage de convenance est souvent la seule option réaliste. Il faut alors l'assumer et en discuter les limites dans la partie « limites de l'étude ».

4.3 Taille de l'échantillon et puissance statistique

La taille de l'échantillon doit être calculée en amont (calcul de puissance) pour que l'étude ait une probabilité suffisante (en général 80 à 90 %) de détecter une différence si elle existe. Un échantillon trop petit produit une étude sous-puissante, qui peut conclure à tort à l'absence d'effet.

Dans un TFE, cette notion est citée comme limite (le petit effectif rend les résultats non généralisables).

05Les statistiques descriptives essentielles (notions)

Les statistiques descriptives résument les données de l'échantillon.

Vocabulaire essentiel

• Devis : plan général d'organisation de l'étude (expérimental, quasi-expérimental, observationnel, descriptif).
• Essai contrôlé randomisé (ECR) : devis expérimental de référence avec randomisation et groupe contrôle.
• Randomisation : répartition aléatoire des participants entre les groupes pour équilibrer les variables de confusion.
• Groupe contrôle : groupe ne recevant pas l'intervention testée (traitement standard ou placebo).
• Double aveugle : ni le participant ni l'évaluateur ne connaît l'appartenance au groupe.
• Cohorte : suivi prospectif d'un groupe exposé versus non exposé.
• Cas-témoins : comparaison rétrospective de cas et de témoins.
• Variable indépendante (VI) : variable manipulée ou cause supposée.
• Variable dépendante (VD) : variable mesurée (effet attendu).
• Variable de confusion : variable associée à la VI et à la VD, susceptible de biaiser les résultats.
• Échantillonnage : méthode de sélection des participants parmi la population accessible.
• Puissance statistique : probabilité de détecter un effet réel s'il existe.
• Opérationnalisation : définition précise de la façon dont une variable abstraite sera mesurée.
• Statistiques descriptives : méthodes de résumé des données (fréquences, moyenne, médiane, écart-type).

Points clés à retenir

1. La recherche quantitative mesure et quantifie : elle répond à des questions de type « combien ? », « quelle est la fréquence ? », « cet effet est-il supérieur à l'autre ? ».
2. L'ECR avec randomisation est le devis de référence pour évaluer l'efficacité d'une intervention (niveau de preuve élevé).
3. Les devis observationnels (cohorte, cas-témoins, transversal) permettent d'étudier des associations sans intervenir sur la population.
4. Les variables doivent être clairement définies (VI, VD, variables de confusion) et opérationnalisées (mode de mesure précis).
5. L'échantillonnage aléatoire maximise la représentativité ; l'échantillonnage de convenance est courant en TFE mais ses limites doivent être discutées.
6. La taille de l'échantillon conditionne la puissance statistique : un échantillon trop petit peut conduire à conclure à l'absence d'effet alors qu'il existe.
7. Les statistiques descriptives (fréquences, moyenne, médiane, écart-type, intervalles de confiance) permettent de présenter les caractéristiques de l'échantillon et les principaux résultats.

Pièges fréquents

1. Confondre corrélation et causalité : une association statistique entre deux variables n'implique pas que l'une cause l'autre. Seul un devis expérimental (ECR) avec randomisation permet d'établir une relation causale.
2. Oublier les variables de confusion : si un facteur tiers (âge, comorbidités) est lié à la fois à l'intervention et au résultat, il peut biaiser les résultats. La randomisation les contrôle dans un ECR ; dans les devis observationnels, on les contrôle statistiquement.
3. Confondre population cible et échantillon : l'échantillon doit être représentatif de la population cible pour que les résultats soient généralisables. Un échantillon de convenance ne l'est généralement pas.
4. Sous-estimer l'importance de l'opérationnalisation : mesurer la « satisfaction du patient » sans définir précisément l'outil (questionnaire validé, nombre d'items, modalités) rend la mesure non comparable et non reproductible.
5. Interpréter un résultat statistiquement significatif comme cliniquement significatif : une différence peut être statistiquement significative (p < 0,05) sans être cliniquement pertinente (ex. différence de 0,1 mm sur l'EVA de douleur).

Q&R pour le tuteur IA

Q : Quelle est la différence entre une étude de cohorte et une étude cas-témoins ? R : Dans une étude de cohorte, on part de personnes exposées ou non à un facteur (ex. tabagisme) et on les suit dans le temps pour observer l'apparition d'une maladie ou d'un événement. La temporalité est prospective (de la cause vers l'effet), ce qui renforce la plausibilité causale. Dans une étude cas-témoins, on part de personnes malades (cas) et on les compare à des personnes non malades (témoins) en remontant dans le passé pour identifier les différences d'exposition. Ce devis est rétrospectif et plus rapide pour les maladies rares, mais plus exposé au biais de mémorisation (les cas se souviennent mieux de leurs expositions que les témoins).

Q : Pourquoi la randomisation est-elle si importante dans un ECR ? R : La randomisation répartit aléatoirement les participants entre le groupe expérimental et le groupe contrôle. Elle garantit que les deux groupes sont comparables non seulement sur les caractéristiques connues (âge, sexe, comorbidités) mais aussi sur les caractéristiques inconnues ou non mesurées. Sans randomisation, un biais de sélection peut avantager l'un des groupes et fausser les conclusions sur l'effet de l'intervention. C'est la randomisation qui fait de l'ECR le devis de référence pour établir une relation causale entre une intervention et un résultat.

Q : Qu'est-ce qu'une variable de confusion et comment la contrôler ? R : Une variable de confusion est une variable associée à la fois à la variable indépendante (intervention) et à la variable dépendante (résultat), sans être sur le chemin causal entre les deux. Par exemple, dans une étude sur l'effet du tabagisme sur le cancer du poumon, l'âge est une variable de confusion : les plus âgés fument plus et développent plus de cancers. Si on ne contrôle pas l'âge, on surestime ou sous-estime l'effet du tabac. On la contrôle en concevant l'étude (randomisation, appariement cas/témoins) ou en analyse statistique (régression multivariée, stratification). Dans un TFE, il faut identifier les principales variables de confusion possibles et discuter de la façon dont elles ont ou n'ont pas été contrôlées.