De nombreux articles sur les neurosciences utilisent une analyse statistique inappropriée pour certains ensembles de données. Cela fausse les résultats.
De nombreux articles sur les neurosciences appliquent une analyse statistique inappropriée à certains ensembles de données. Cela fausse les résultats et réduit le risque que les résultats puissent être répétés dans un autre laboratoire. Des chercheurs néerlandais écrivent ceci dans Nature Neuroscience .
Cela concerne ce que l'on appelle les « données imbriquées », plusieurs observations ou mesures sur un seul objet d'étude (qui peut aller du cerveau, d'un animal à une seule cellule). Selon les règles, les chercheurs doivent tenir compte du fait que les observations au sein d'un même organisme montrent plus de similitudes que les observations dans différents organismes.
Sophie van der Sluis et son équipe du centre médical de l'Université VU d'Amsterdam ont analysé toutes les études neuroscientifiques parues dans les meilleures revues telles que Science sur une période d'un an et demi. , Nature et Cellule † Ce sont des revues à fort impact dont les articles sont souvent cités. La moitié des articles (53 % des 314 études) utilisaient des données imbriquées, mais aucun n'utilisait des analyses statistiques appropriées.
Les chercheurs néerlandais montrent comment de telles méthodes d'analyse incorrectes augmentent le risque d'obtenir un résultat incorrectement significatif. Normalement, la probabilité de trouver un résultat significatif alors qu'il n'y en a finalement aucun est de 5 %. Des données intégrées sans analyse statistique appropriée peuvent augmenter jusqu'à 80 % le risque de résultats faussement positifs.
Par conséquent, les résultats de ces études sont également difficiles à confirmer par d'autres laboratoires. Et il y a un risque que les résultats soient construits sur l'illusion qu'ils sont fiables.
Les données imbriquées ne se limitent pas aux sciences du cerveau, d'autres domaines de la biologie les utilisent également, selon les chercheurs. Recueillir des observations indépendantes est la principale solution. Les données intégrées ne sont pas la seule source de résultats faussement positifs. Il y a aussi un trop peu de sujets de test pour une étude. (rvb)
