StatEL : Test de Bland & Altman
 
Cette commande de StatEL lance le test de comparaison de 2 méthodes de mesures d'un paramètre quantitatif sur un même groupe de sujets.

Exemple : on dispose d'un appareil de référence pour mesurer la fréquence cardiaque de patients. On souhaite évaluer la qualité de la mesure d'un nouvel appareil par rapport au modèle précédent. La procédure de comparaison va consister à effectuer les mesures de fréquences cardiaques avec les 2 appareils sur un même groupe de patients. Le test de Bland & Altman pratiqué sur ces mesures permettra de comparer les couples de mesures et d'évaluer le biais entre les valeurs présentées par les 2 appareils.

1 - Principes du test de Bland & Altman pour la comparaison de 2 méthodes de mesure d’un paramètre quantitatif :

Lorsqu’on dispose de 2 séries de mesures d’un paramètre quantitatif sur un échantillon de sujets, l’erreur fréquemment pratiquée est de ne s’intéresser qu’à la corrélation de Pearson entre les 2 séries de mesures. Du coup, un coefficient de corrélation de 0.9 et on s’extasie de la qualité de la « reproductibilité des données ». La réaction à cette idée peut paraître triviale, mais « heureusement encore que les 2 séries de mesures sont corrélées de façon importante, il ne manquerait plus que, outre des mesures différentes entre les 2 méthodes pour chaque sujet, celles-ci ne soient pas corrélées ».

En fait, la représentation et le calcul pour un tel jeu de données de la corrélation de Pearson n’est qu’anecdotique car si la relation entre les 2 méthodes de mesures n’est pas déterministe (i.e. tous les points sont alignés sur la droite Y=1), cela implique qu’il existe une différence entre ces 2 méthodes, et l’analyse du « désaccord » ne sera accessible qu’à travers une autre représentation : celle de Bland & Altman.

En d’autres termes, le coefficient de corrélation de Pearson mesure l’intensité d’une relation linéaire entre 2 variables quantitatives (dans notre exemple les 2 méthodes de mesures), mais pas la concordance entre les 2 séries de mesures. C’est ainsi qu’il est possible de calculer sur un même jeu de données un coefficient de corrélation de Pearson élevé et une faible concordance.

La problématique posée par Bland & Altman est donc la suivante : dans la mesure où l’égalité parfaite entre 2 méthodes de mesures n’est pas vérifiée, comment évaluer la discordance entre elles ? Si l’écart entre les 2 n’est pas trop important (évaluation subjective à la charge du praticien en fonction de critères qui lui sont propres), on peut donc envisager l’interopérabilité des 2 méthodes de mesures.

La première étape consiste en un examen visuel du graphique représentant l’écart entre chaque couple de points (en ordonnées) en fonction de la moyenne pour chaque couple de points (en abscisse). Si la répartition des points est uniforme (i.e. l’écart entre les couples de points est indépendant de la valeur moyenne) alors, on se contente d’évaluer le biais des mesures entre les 2 méthodes (cf. étape suivante). En revanche, si les différences sont proportionnelles aux moyennes, il est recommandé de procéder à une transformation logarithmique des données afin de "réduire" cette relation.

La seconde étape consiste à calculer les éléments numériques pertinents pour évaluer la concordance entre les 2 méthodes :

  • Le désaccord entre les 2 méthodes se calcule par le biais, estimé par la moyenne d et l’écart-type Sd des écarts
  • Les limites de concordance à 95% sont évaluées par d +/- 1.96 Sd

On en tire l’information que 95% des écarts entre chaque couple de points sont compris entre d + 1.96 Sd et d - 1.96 Sd

Conditions d'utilisation du test (vérifiées automatiquement par StatEL) : Distribution normale des différences entre les 2 méthodes



2 - Lancement du test de Bland & Altman pour la comparaison de 2 méthodes de mesure d’un paramètre quantitatif :

StatEL vous demande simplement de sélectionner la plage de cellules correspondant aux mesures relatives à la première méthode, puis il vous est demandé de recommencer pour sélectionner les mesures relatives à la seconde méthode. Pour procéder à la sélection, il vous suffit de cliquer sur la première cellule de votre série de données et de faire glisser la souris jusqu'à la dernière valeur.

Nota bene : afin d'identifier au mieux les différents groupes de mesures, la première cellule de chaque sélection doit impérativement contenir le nom de la méthode. Ce nom servira d'entête au groupe étudié sur la feuille des résultats.

bland altman comparaison methodes cliniques

bland altman comparaison methodes cliniques

3 - Résultats du test de Bland & Altman pour la comparaison de 2 méthodes de mesure d’un paramètre quantitatif :

Le résultat du test de comparaison de 2 méthodes de mesures d'un paramètre quantitatif sur un même groupe de sujets apparaît sur une nouvelle feuille de votre classeur Excel :

  • Sur la partie gauche de la feuille sont affichés, sous forme de tableau, les données sélectionnées.

  • Sur la partie droite de la feuille sont affichés les tableaux des moyennes, écart-types et les résultats des calculs intermédiaires.

  • En dessous, vous voyez apparaître les graphiques :
    • des écarts entre chaque couple en fonction de la moyenne entre chaque couple, accompagné de la valeur de biais, son intervalle de confiance à 95% et les limites de concordance à 95% ;
    • de la représentation directe des mesures d’une méthode en fonction des mesures de l’autre méthode.

bland altman comparaison methodes cliniques

  • Enfin, les informations numériques sont listées.


bland altman comparaison methodes cliniques

 

Société ad Science - 55, Boulevard Péreire, 75017 Paris