Lorsqu’on construit une étude expérimentale pour évaluer un traitement ou étudier une caractéristique, le recrutement des patients est l’étape qui permet de recueillir et d’analyser les données. Pour obtenir des résultats concluants, il est impératif de déterminer en amont la taille d’échantillon, ou Nombre de Sujets Nécessaires (NSN), garantissant ainsi une puissance suffisante aux tests statistiques.
Pourquoi déterminer la taille d’échantillon lors d’une étude clinique ?
Imaginons une étude comparant deux traitements où l’on inclut arbitrairement 7 sujets par groupe. Si l’analyse ne donne aucune différence significative, est-ce réellement dû à une absence de différence clinique ? Très probablement non : ces résultats non concluants sont la conséquence d’un manque de puissance lié au faible effectif de l’échantillon.
À l’inverse, inclure des centaines de sujets sans justification n’a pas de sens. Il suffit juste de déterminer le nombre de sujets nécessaires permettant ainsi de :
Garantir la validité et la puissance des tests statistiques.
Économiser les ressources humaines, financières et logistiques de l’étude.
Respecter l’éthique en n’exposant pas plus de patients que strictement nécessaire.
Taille d’échantillon et Puissance Statistique
Le risque d’erreur de deuxième espèce β
Si la puissance d’un test statistique s’apparente au pouvoir grossissant d’un microscope, elle se définit mathématiquement par la valeur 1–β.
Au même titre que le risque alpha α ou le risque de première espèce (conclure à tort qu’une différence existe), il existe un risque d’erreur β, ou risque de deuxième espèce. Ce dernier correspond au risque de conclure qu’il n’y a pas de différence entre deux populations alors qu’une différence existe bel et bien, mais qui n’a pas pu être démontrée par manque de puissance.
- Risque β : Manque de puissance du test (généralement fixé à 10% ou 20%).
- Puissance (1–β) : Capacité à détecter une différence réelle (choisie entre 80% et 90%).
Ces grandeurs sont intimement liées à la taille de l’échantillon : quand l’une augmente, l’autre augmente également. Un échantillon plus grand affine la précision de l’estimation, réduit les écarts-types et resserre l’Intervalle de Confiance (IC).
Vous pouvez consulter la définition et les explications de ces notions dans les articles dans notre blog.
Comment déterminer la taille d’échantillon de votre étude ?
Pour calculer la taille d’échantillon (ou Nombre de Sujets Nécessaire) pour une étude, nous devons prendre en compte plusieurs facteurs :
Les éléments indispensables au calcul du Nombre de Sujets Nécessaires NSN
1. La variable du critère principal de l’étude :
La détermination du nombre de sujets nécessaires se base exclusivement sur le premier critère à évaluer (quantitatif ou qualitatif). Les formules diffèrent s’il s’agit de comparer deux moyennes, deux pourcentages ou d’estimer une proportion.
2. Les valeurs attendues du critère et l’écart type :
Par exemple, pour comparer le taux de triglycérides entre un groupe traité et un contrôle, il faut estimer la moyenne attendue et l’écart-type pour chaque groupe, ou définir la différence de moyenne attendue, le delta (noté Δ).
3. Le risque α :
Fixé a priori, généralement à 5%.
4. La puissance désirée :
Comprise entre 80% et 90%.
Comment estimer ces valeurs avant l’étude ?
Souvent, ces paramètres (moyennes, pourcentages ou leurs différences ainsi que les écarts types) sont inconnus. Nous réalisons l’étude justement pour les déterminer. Mais nous pouvons les estimer en cherchant leurs valeurs les plus proches grâce à:
- Nos connaissances cliniques préliminaires.
- Des études pilotes (menées sur un très petit effectif).
- La bibliographie et les publications scientifiques sur des sujets similaires.
Une fois que tous ces éléments sont connus, nous appliquerons l’une des formules de calcul ci-dessous, bien sûr celle qui s’adapte le mieux à notre plan expérimental.
Au-delà de la formule : L’enjeu crucial de la justification clinique
Si les formules mathématiques pour calculer un NSN sont aujourd’hui bien connues, l’application numérique n’est que la partie émergée de l’iceberg. Dans le cadre d’une soumission réglementaire (Marquage CE sous le règlement MDR, ou dossier FDA), les autorités ne se contentent pas d’un résultat issu d’un calculateur en ligne.
La véritable difficulté réside dans la justification des paramètres qui alimentent ces formules :
- Comment avez-vous défini la différence cliniquement pertinente (Δ) ?
- Sur quelles bases avez-vous estimé la variance attendue ?
Une taille d’échantillon sous-estimée vous expose à un manque de puissance (étude non concluante malgré un effet réel), tandis qu’une surestimation soulève des problèmes éthiques. C’est ici que l’expertise du biostatisticien est indispensable pour défendre vos choix devant un comité d’éthique.
Arbre de décision : Choix de la formule du Nombre de Sujets Nécessaires (NSN)
| Type de Critère | Objectif de l’analyse | Formule statistique correspondante |
| Quantitatif | Comparaison de deux moyennes |  |
| Qualitatif | Comparaison de deux pourcentages |  |
| Qualitatif | Estimation d’une proportion |  |
Les Formules de calcul de la Taille d’échantillon
1. Comparer deux moyennes (test T de Student)
n1 = n2 : Nombre de sujets nécessaires de chaque groupe à comparer dans l’échantillon.
Δ : Différence attendue entre les deux moyennes à comparer. Δ = m1 – m2
s² : Variance estimée de la population (ou σ²). Cette variance doit être estimée sur des connaissances préalables.
Zα : Valeur au risque α de 5% en hypothèse bilatérale ( Zα = 1,96).
Z2β : Valeur au risque β de 20% de la Table Z (Z2β = 0,842).
Exemple de calcul de la taille d’échantillon pour la comparaison de poids de deux groupes
On veut comparer le poids de 2 groupes de sujets d’effectifs égaux (critère principal).
Nous voulons savoir combien de sujets il faut inclure dans chaque groupe pour observer une différence moyenne de 3 kg entre les deux groupes (Δ = 3 kg).
Le risque d’erreur α est fixé à 5% (Z5%) = 1,96, avec une puissance de 80% (Z2β = 0,842) et un écart type de 4 kg (variance s² = 4² =16) :
Résultat : Il faut inclure au moins 28 sujets par groupe, soit 56 sujets au total.
2. Comparer deux pourcentages (cas du Khi-deux)
La logique reste identique en utilisant les proportions attendues (p1 et p2) de chaque groupe, toujours avec les constantes Z5% (1,96) et Z2β ( 0,842).
3. Estimer une proportion
n = Taille de l’échantillon
p = Pourcentage estimé de la variable qualitative dans la population. Ce pourcentage est inconnu puisque l’on réalise l’étude pour le déterminer. On l’estime par des études comparables ou dans la bibliographie.
i = Précision désirée de l’estimation.
Zα : au risque α de 5%, Z5% = 1,96.
Exemple d’application : calcul de la taille d’échantillon pour estimer la proportion du trouble de la concentration
On estime à 16% la proportion de troubles de la concentration chez les enfants (à partir d’études antérieures). On souhaite une précision de ± 3% (i = 0,03 donc i² = 0,0009) avec un risque de 5% ( Zα = 1,96) :
Résultat : Il faut inclure au moins 574 enfants.
Le cas spécifique des études cas-témoins
Les formules de base s’appliquent souvent aux essais randomisés classiques, mais d’autres designs nécessitent des approches spécifiques. Dans le cas d’une étude cas-témoins, le calcul ne repose plus sur une différence de moyennes directe, mais sur l’estimation d’un Odds Ratio (OR) attendu.
Pour ce calcul, le biostatisticien prend en compte :
- La prévalence de l’exposition au risque chez les témoins.
- L’OR minimum à détecter.
- Le ratio de contrôle (ex: 1 cas pour 2 témoins) pour optimiser la puissance lorsque les maladies sont rares.
Un NSN rigoureusement justifié est l’un des éléments clés d’une étude conforme
Déterminer le NSN d’une étude clinique ou d’un dispositif médical nécessite une justification rigoureuse pour passer le cap des autorités réglementaires. L’intervention d’un biostatisticien permet de sécuriser cette étape critique.
Le cabinet StatInferentielle réalise pour vous ces analyses méthodologiques et propose des formations spécialisées en biostatistique réglementaire.