La force  de persuasion des pourcentages
Cette incursion dans les statistiques médicales vous aidera à faire un choix plus éclairé en matière de traitement

Tim Johnson

On lit ces nouvelles dans les journaux et on les voit à la télévision : le médicament X réduit le risque de crise cardiaque de 30 % et le traitement Y augmente les risques de cancer du sein de 25 %. Comme la plupart des gens, vous appliquez probablement ces pourcentages à une réalité qui vous est familière : un rabais de 30 % sur une nouveau téléviseur à écran plat (super !) ou une hausse de 25 % du prix de votre loyer (ouille...).

À première vue, les pourcentages semblent plutôt faciles à comprendre. Si vous profitez d’un solde de 50 % sur un jean de 100 $, cela veut dire que vous paierez 50 $ de moins que le prix régulier. Mais si l’on prétend qu’un médicament miracle réduit de 50 % les risques d’accident vasculaire cérébral, cela doit vouloir dire que 50 personnes sur 100 bénéficieront des vertus de ce nouveau médicament, n’est-ce pas ? Eh bien, non.

Pourquoi ? Tout simplement parce que dans le jargon des chercheurs les résultats des études sont souvent présentés en terme de risque relatif, soit la réduction du risque chez le groupe de patients à qui l’on administre le médicament testé relativement au groupe de contrôle. On appelle groupe de contrôle l’ensemble des patients qui, intentionnellement, ne reçoivent aucun traitement ou qui se voient administrer un ancien médicament, afin que l’on puisse déterminer l’efficacité du nouveau traitement.

Supposons que des chercheurs veulent tester un médicament (que nous appellerons Panacée) destiné à prévenir la crise cardiaque chez les hommes de plus de 50 ans. À cette fin, ils rassemblent 200 sujets, sélectionnés au hasard, et les répartissent en deux groupes à peu près égaux afin de comparer les résultats : le groupe de traitement (celui qui recevra Panacée) et le groupe de contrôle (qui se verra administrer un placebo, c’est-à-dire une substance inactive). Supposons maintenant qu’à la fin de l’étude, 2 % des hommes ayant reçu un placebo sont victimes d’une crise cardiaque, contre 1 % seulement chez ceux qui ont pris Panacée. Les chercheurs calculeront alors la réduction du risque relatif en divisant le pourcentage de crises cardiaques dans le groupe de traitement par celui du groupe de contrôle (un divisé par deux = 0,5, soit 50 %) et concluront que Panacée réduit de moitié les risques de crise cardiaque.

Mais la réduction absolue du risque — soit 2 % moins 1 % — s’élève à seulement un homme sur 100, si bien que 98 hommes n’ont retiré aucun avantage du traitement. « Pour des raisons faciles à comprendre, les sociétés pharmaceutiques aiment bien insister sur le risque relatif, ce qui pose problème puisque ce risque a tendance à surestimer les avantages pour le patient », explique le Dr Jonathan Lomas, directeur exécutif de la Fondation canadienne de la recherche sur les services de santé, à Ottawa. « Cela donne donc l’impression que les bénéfices sont importants, alors qu’en réalité, il sont fort limités. »

La méthode du risque relatif peut aussi être problématique lorsque vient le temps de faire état d’effets secondaires néfastes. En 2002, une grande étude américaine sur la santé des femmes, l’Initiative sur la santé des femmes (WHI) a dû mettre fin à une section du projet. En effet, l’étude de l’hormonothérapie de remplacement chez les femmes ménopausées, qui devait durer huit ans, a été interrompue trois ans avant la date prévue. La WHI avait pour but d’étudier les effets bénéfiques de l’hormonothérapie de remplacement sur les facteurs de risque de certaines maladies.

Tous les jours, les participantes prenaient soit de l’œstrogène avec un progestatif, soit un placebo. L’étude a été interrompue quand les chercheurs ont découvert que les risques de crise cardiaque, d’accident vasculaire cérébral, de caillots sanguins et de cancer du sein surpassaient les bénéfices éventuels. À première vue, renoncer à l’hormonothérapie de remplacement peut sembler la meilleure solution, même pour les femmes qui souffrent de graves symptômes de ménopause, le WHI ayant découvert que ce traitement augmente le risque de cancer du sein et de maladie coronarienne d’environ le quart dans chacun des cas (imaginez une augmentation de 25 % du nombre d’enfants dans la classe déjà bondée de votre enfant de six ans).

Mais les chiffres réels de la WHI n’étaient pas aussi alarmants qu’on aurait pu le croire. En prenant pour acquis qu’un certain nombre de femmes du même groupe d’âge que les articipantes à l’étude auraient eu une crise cardiaque ou un cancer du sein de toute manière, dans chaque tranche de 10 000 femmes recevant un traitement combiné œstrogène-progestatif, on aurait observé chaque année 7 cas supplémentaires de crise cardiaque (37 femmes prenant de l’œstrogène avec progestatif contre 30 prenant un placebo), et 8 cas supplémentaires (38 au total) de cancer du sein. À la lumière de ces différences, minimes, dans une population sélectionnée de 10 000 femmes, on peut raisonnablement conclure que pour certaines femmes, l’hormonothérapie de remplacement représente un risque acceptable pour soulager les symptômes de la ménopause, du moins pendant quelques années.

Pour évaluer avec précision les répercussions positives ou négatives d’un médicament, il faut connaître le taux réel des événements indésirables, tant dans le groupe de traitement que dans le groupe de contrôle, souligne le Dr Peter Austin, chercheur principal à l’Institut des études cliniques évaluatives de Toronto. « Si un traitement réduit le risque relatif de 50 %, il faut se demander s’il s’agit d’une baisse de 50 % à 25 % des patients qui ont des effets indésirables, ou de 2 % à 1 %, ou de 0,50 % à 0,25 % —  car dans tous ces cas, les chiffres se traduisent pas la même réduction de risque relatif. »

Si vous connaissez les risques et les bénéfices dans un contexte plus large, vous êtes plus à même de peser le pour et le contre, et de décider s’il vaut la peine de vous exposer à un effet secondaire indésirable ou de dépenser une fortune à la pharmacie.

Un outil fort utile, connu sous le nom de nombre nécessaire de patients à traiter (NNPT), tente d’exprimer en chiffres une importante information. En quelques mots, le NNPT vous donne le nombre de personnes qui doivent recevoir le traitement avant que l’on puisse constater des avantages pour un seul patient. Dans l’exemple de notre médicament fictif, Panacée, 100 hommes devaient recevoir le traitement avant que l’on puisse observer une seule crise cardiaque de moins dans le groupe traité que chez ceux qui ne recevaient pas le médicament. Le NNPT dans le cas de Panacée est donc de 100.

« Deux objectifs animent le NNPT », explique le Dr Andreas Laupacis, directeur du Li Ka Shing Knowledge Institute de l’Hôpital St. Michael’s, à Toronto. « D’une part, nous voulons connaître l’efficacité du traitement; d’autre part, nous voulons savoir s’il y aura des conséquences négatives pour les personnes qui ne le reçoivent pas », explique Andreas Laupacis, qui a été l’instigateur de cette méthode il y a près de vingt ans, et selon qui le NNPT devrait, idéalement, être accompagné d’une indication de la durée du traitement avant la prévention de l’effet indésirable.

Dans le cas des traitements d’urgence — comme les pontages coronariens chez les patients dont la vie est menacée par des obstructions artérielles — le NNPT est très bas, comme on peut s’en douter. Certains NNPT, toutefois, sont étonnamment élevés. Par exemple, bon nombre d’entre nous supposons que les antibiotiques guérissent toujours les infection de l’oreille chez l’enfant. Pourtant, le NNPT des antibiotiques, même pour traiter une simple fièvre, s’élève à plus de 20, affirme le Dr Darshak Sanghavi, cardiologue pédiatrique et professeur agrégé de médecine à la Faculté de médecine de l’Université du Massachusetts, à Worcester.

D’autres pratiques qui ont fait leurs preuves peuvent être évaluées en terme de NNPT. Selon certaines études, l’allaitement maternel — forme optimale de nutrition infantile — réduit les risques de maladies infantiles, du diabète de type 1 jusqu’à la leucémie. Or, le nombre nécessaire de « patients à traiter » par l’allaitement pour prévenir ces maladies est extrêmement élevé, de dire le Dr Sanghavi, soit au moins 20 000 pour le diabète et plus d’un million pour la leucémie. Autre exemple, l’acide acétylsalicylique (AAS), dont les avantages sont presque devenus parole d’évangile pour la prévention des maladies cardiovasculaires : le NNPT pour la prévention d’un seul accident vasculaire cérébral, au cours d’une année, est de 102, et de plus du double, soit 208, pour prévenir une seule crise cardiaque.

Le Dr Laupacis cite un autre exemple, soit celui des gens qui prennent un médicament à base de statine pour abaisser leur taux de cholestérol et réduire les risques de crise cardiaque. Chez les gens dont le risque de crise cardiaque est au plus bas, le NNPT est d’environ 200, ce qui signifie que pour eux, le risque est trop faible pour qu’il vaille la peine de suivre ce type de traitement. Par contre, pour un patient à risque élevé, le NNPT peut atteindre 10. « Si bien que je ne mettrais pas beaucoup de temps à convaincre ce patient de prendre de la statine, les preuves que ce médicament réduira ses risques de crise cardiaque étant très évidentes », de conclure le Dr Laupacis.

La capacité du NNPT de communiquer des résultats complexes a fait de nombreux adeptes au fil des ans. « Le nombre nécessaire de patients à traiter devrait automatiquement faire partie de l’évaluation d’un produit, dit le Dr Lomas, car non seulement il est facile à comprendre, mais il a l’avantage de tenir compte à la fois du risque relatif et du risque absolu. »

Un autre important critère d’évaluation des résultats d’une étude est son envergure. L’étude compte-t-elle assez de participants pour tirer des conclusions solides ? Ses statistiques sont-elles suffisantes pour établir avec certitude que les résultats obtenus sont liés au médicament testé et non au hasard ? (Il arrive même qu’il n’y ait pas le moindre participant humain pour faire les tests. Chaque fois qu’il est question, au cours d’une discussion, de l’évaluation des statistiques médicales, quelqu’un cite la parabole qui suit. Lu à la une dans l’actualité : « Une étude révèle qu’un nouveau médicament anticancéreux produit un taux de guérison de 33 %. » Résultats véritables de l’étude en question : une souris a été guérie; une souris est morte; la troisième a faussé compagnie aux chercheurs [situation que les rapports d’études médicales formulent ainsi : « sujet perdu au suivi »).

Les chercheurs consciencieux ont toujours tenté de souligner l’effet du hasard dans les résultats d’études. Il y a 13 ans, le vénérable British Medical Journal publiait les résultats d’une étude du Département de neurosciences cliniques de l’Hôpital Western General d’Édimbourg, en Écosse. Dans un article intitulé The Miracle of DICE Therapy for Acute Stroke (le miracle du traitement DICE pour l’accident vasculaire cérébral aigu), les auteurs faisaient état des effets positifs d’un nouveau traitement des maladies cérébrovasculaires. Une des interventions mises à l’épreuve, la soi-disant « thérapie blanche », était censée réduire de 93 % les risques de décès par accident vasculaire. Un véritable miracle, semblait-il. Or, les résultats étaient en réalité moins que miraculeux.

Le « traitement », qui tenait à la fois de la plaisanterie et de l’avertissement, consistait à faire jouer 24 « patients » avec un dé blanc, vert et rouge. Chaque fois qu’un des patients tombait sur le six, les chercheurs l’enregistraient comme un décès, en prenant pour acquis que les autres faces du dé correspondaient à une survie. Dans le groupe où l’on a obtenu les « résultats » les plus concluants (le groupe blanc), on a lancé les dés 20 fois sans tomber une seule fois sur le six. Il s’agissait du soi-disant groupe de traitement censé être soumis à la thérapie. Dans le groupe de contrôle, cependant, soit celui qui ne recevait aucun traitement, le dé est tombé six fois sur le six. Six « décès » ont donc été enregistrés dans ce groupe de contrôle imaginaire contre aucun dans le groupe de traitement.

L’article publiait aussi les réactions aux résultats de l’étude — celles des médias ébahis et celles de certains médecins enthousiastes désireux d’adopter sur-le-champ le nouveau traitement. « Cette étude farfelue est peut-être plus fréquente qu’on veut bien l’admettre », écrivaient les chercheurs. En réalité, DICE, qui signifie « dé » en français, n’était qu’un acronyme de l’expression Don’t Ignore Chance Effects (n’ignorez pas l’effet du hasard). Or, ni les médecins ni le public ne sont vraiment conscients de l’impact du hasard dans le cadre d’une recherche. « Si vous procédez à une étude avec un nombre trop restreint de participants, les résultats obtenus pourraient fort bien être l’effet du hasard », conclut le Dr Laupacis.

Alors, comment les chercheurs peuvent-ils conclure que les résultats obtenus sont statistiquement valides ? Un des outils pour le déterminer est la valeur p (p = probabilité). Plus la valeur p diminue, moins il y a de probabilité que les résultats soient attribuables uniquement au hasard. « Une valeur p très faible permet de croire à l’efficacité du traitement », affirme le Dr Brian Haynes, professeur d’épidémiologie et de médecine clinique à l’Université McMaster de Hamilton (Ontario). Si la valeur p est inférieure à 0,05 (exprimée par la formule « p < 0,05 »), cela signifie que le hasard exercera son influence une fois sur 20, soit moins de 5 %. La valeur p est le seuil quasi universel utilisé pour évaluer les résultats d’une étude et le critère que tout lecteur avisé devrait avoir en tête quand il en prend connaissance.

L’autre méthode d’évaluation utilisée est l’intervalle de confiance (IC), plage probable de résultats qui seraient obtenus par les chercheurs s’ils effectuaient la même étude plusieurs fois. « Si nous en avions la possibilité, nous inclurions tous les habitants de la planète dans l’étude d’un problème », explique le Dr Haynes. Mais comme c’est impossible, les chercheurs doivent sélectionner une partie de la population et calculer ensuite les résultats comme si l’étude était effectuée plusieurs fois de suite avec différents membres du groupe affecté. Disons qu’une étude conclut que le Médicament X produit une réduction de 30 à 40 % du risque d’accident vasculaire. Comme l’intervalle de confiance est habituellement fixé à 95 %, cela signifie qu’en effectuant la même étude 100 fois, on obtiendrait 95 fois les résultats de 30 à 40 % produits par la première étude.

Alors, ce soir, si vous voyez un bulletin d’actualités médicales à la télévision, votre crédulité risque d’être mise à l’épreuve par les témoignages et les messages sur les résultats prometteurs obtenus lors d’études cliniques. Prenez ces résultats avec un grain de sel et apprenez à lire entre les lignes. Le monde de la recherche médicale est truffé de statistiques déroutantes, mais si vous vous familiarisez avec les principes de base, vous serez un patient mieux informé et plus à même de prendre des décisions éclairées, en collaboration avec votre médecin, au sujet de votre traitement. Mais avoir l’outil pour décoder l’information n’est pas tout ! Vous devez aussi garder la tête froide. « Si vous ne pouvez trouver de tendance intéressante dans les chiffres faisant état des résultats obtenus pour les groupes comparés, il vaut mieux ignorer les données », dit le Dr Haynes. Gardez toujours votre sens critique, ajoute-t-il, « car si vous y renoncez, vous risquez de vous perdre dans l’univers nébuleux des mensonges, satanés mensonges et statistiques », pour emprunter la phrase chère à Mark Twain.