Quand une étude sur le TRT rapporte « aucune différence significative » : qu’est-ce que cela veut dire?

« Aucune différence significative » est l’une des expressions de recherche les plus faciles à surinterpréter. Dans une étude sur la testostérone, elle peut devenir « le TRT ne fait rien », « les deux options sont identiques » ou « il n’y a aucun risque ». Aucune de ces conclusions n’en découle automatiquement.

L’expression signifie habituellement qu’une analyse statistique précise n’a pas franchi le seuil choisi pour détecter une différence. Pour comprendre ce que l’étude a réellement appris, il faut aussi connaître l’ampleur de la différence observée, son incertitude, le critère mesuré et la question à laquelle l’essai devait répondre.

Ce n’est pas une raison d’écarter les résultats décevants. Une étude bien conçue qui ne démontre pas le bénéfice promis mérite notre attention. Le but est d’accorder à un résultat négatif le poids qui lui revient sans lui faire répondre à une question qui n’a jamais été testée.

Commencez par la comparaison cachée dans la phrase

Un résultat n’est pas simplement « significatif » ou « non significatif » pour la testostérone en général. Il porte sur une comparaison définie : par exemple, le changement d’un score de fatigue avec un gel de testostérone par rapport au changement avec un placebo sur une période donnée.

Cette formulation comporte plusieurs limites. Elle précise le traitement, le comparateur, le critère évalué et le suivi. Retirez l’un de ces éléments, et le titre peut dépasser largement la portée des données.

Avant de regarder la valeur p, complétez cette phrase : « Chez ces participants, ce traitement a été comparé à cette autre option pour ce critère pendant cette durée. » Si l’article ne fournit pas ces détails, les renseignements manquants comptent davantage que le ton positif ou négatif du titre.

Un essai qui mesure les concentrations sanguines de testostérone répond à une question différente d’un essai qui mesure le désir sexuel. Une étude sur les infarctus ne peut remplacer une étude sur la fertilité. Ces distinctions restent valables même lorsque chaque analyse est irréprochable sur le plan statistique.

Ce que la valeur p dit et ce qu’elle ne dit pas

Une valeur p décrit à quel point les données observées sont incompatibles avec un modèle statistique donné, selon les hypothèses de ce modèle. Ce n’est pas la probabilité que le traitement fonctionne, que le résultat soit survenu « par hasard » ou que l’hypothèse d’absence de différence soit vraie.

L’American Statistical Association souligne aussi qu’une valeur p ne mesure ni l’ampleur d’un effet ni son importance clinique. Une différence minuscule peut franchir un seuil statistique dans une étude suffisamment précise; une différence potentiellement importante peut rester incertaine dans une petite étude. Déclaration de l’ASA

Pour le lecteur, la conséquence pratique est simple : le seuil est un élément du résultat. Il ne peut remplacer l’ampleur du résultat, la qualité de l’étude ni sa pertinence pour la préoccupation du patient.

Deux articles situés de part et d’autre du seuil conventionnel de 0,05 peuvent donc raconter des histoires très semblables. Traiter l’un comme une découverte et l’autre comme la preuve d’une absence d’effet peut créer un faux désaccord.

L’incertitude indique ce qui reste sans réponse

Un intervalle de confiance ajoute de l’information sur la précision d’une estimation. Un intervalle large peut être compatible avec des effets qui mèneraient à des décisions cliniques très différentes. Un intervalle étroit autour d’une différence faible ou nulle peut fournir des données plus solides contre l’existence d’un bénéfice important.

C’est pourquoi ne pas détecter de différence n’équivaut pas à montrer que deux traitements sont équivalents. L’explication statistique d’origine d’Altman et Bland souligne qu’un résultat imprécis et non significatif peut laisser en suspens des effets importants sur le plan clinique. Explication d’origine du BMJ

Prenons une échelle de symptômes hypothétique, et non des données d’un essai sur le TRT. Si la différence estimée est faible, mais que l’incertitude va d’une amélioration importante à une aggravation importante, le résultat n’est pas concluant pour cette décision. Si la plage plausible est étroitement concentrée autour d’une différence négligeable, elle apporte davantage d’information contre l’existence d’un effet moyen important.

L’intervalle dépend toujours de l’analyse et de ses hypothèses. Ce n’est pas une promesse quant à ce qui arrivera à un patient donné.

Un exemple réel : la fatigue dans les Testosterone Trials

Les Testosterone Trials ont recruté 790 hommes de 65 ans ou plus ayant un faible taux de testostérone. Les participants ont reçu un gel de testostérone ou un placebo pendant un an. Dans le Vitality Trial, le critère principal était une amélioration définie sur une échelle de fatigue; la testostérone n’a pas amélioré ce critère de façon significative par rapport au placebo. Certaines mesures secondaires ont montré de petites différences favorables. Testosterone Trials

Deux interprétations vont trop loin. « La testostérone ne peut jamais aider quiconque se sent fatigué » généralise au-delà des participants et du critère évalué. « L’étude a prouvé que la testostérone règle la fatigue » fait passer les résultats secondaires avant le résultat principal.

Une lecture plus fidèle est que cet essai n’a pas démontré le bénéfice principal prédéfini sur la vitalité chez ces hommes âgés. C’est une information cliniquement utile, particulièrement lorsque le soulagement de la fatigue est la principale attente qui motive une décision de traitement.

Cela suggère aussi une question concrète à poser en consultation : si l’objectif est d’avoir plus d’énergie, quelle amélioration serait jugée notable, et que fera-t-on si la testostérone se normalise, mais que le symptôme persiste?

Une petite expérience ponctuelle répond à une question plus restreinte

Une autre étude randomisée a testé une seule injection d’un mélange d’esters de testostérone chez de jeunes hommes en bonne santé pratiquant une activité physique récréative. Dix-neuf ont été répartis au hasard, et 18 ont terminé l’évaluation après traitement. La testostérone a augmenté, mais la force et la puissance mesurées ne se sont pas clairement améliorées à 24 heures. Étude ponctuelle sur la force

Ces données vont à l’encontre de l’idée qu’une hausse rapide d’une hormone doit produire un bénéfice immédiat sur la performance. Elles ne portent pas sur des mois de traitement de remplacement chez des hommes ayant un hypogonadisme établi.

La taille et la durée de l’étude comptent toutes deux. La qualifier de petite n’efface pas ses observations; la qualifier de randomisée n’élargit pas sa portée. Son apport utile est limité : le changement biochimique et le changement mesuré de performance immédiate n’ont pas évolué ensemble comme le prédit la logique simpliste « plus d’hormones, plus de force ».

La leçon générale est de conserver la période d’observation dans la conclusion. « Aucun bénéfice à 24 heures » ne devrait pas devenir « aucun bénéfice à aucun moment ».

La non-infériorité est un autre type de question

Certains essais visent à vérifier qu’un traitement n’est pas moins bon qu’un comparateur au-delà d’une marge prédéfinie jugée inacceptable. C’est ce qu’on appelle la non-infériorité. Cela diffère d’un test visant à déterminer si un traitement est meilleur, et diffère encore de l’établissement d’une équivalence dans des limites définies.

Les lignes directrices de présentation des résultats exigent d’interpréter le résultat en fonction de la marge et de l’hypothèse prévues. Un test de supériorité non significatif ne peut pas simplement être rebaptisé après coup « essai de non-infériorité réussi ». Extension de CONSORT

TRAVERSE illustre cette distinction. Son critère cardiovasculaire principal est survenu chez 7,0 % du groupe testostérone et 7,3 % du groupe placebo. Le rapport des risques instantanés était de 0,96, avec un intervalle de confiance à 95 % de 0,78 à 1,17. La limite supérieure était inférieure au seuil de non-infériorité prédéfini de l’essai, soit 1,5, ce qui satisfaisait à ce critère. TRAVERSE

La faible valeur p rapportée pour la non-infériorité ne signifie pas que la testostérone a prévenu des événements cardiovasculaires. Elle appuie la conclusion précise de non-infériorité de l’essai. L’intervalle englobe aussi 1 : ce résultat n’établit donc pas de supériorité pour réduire ce critère composite.

Un résultat principal favorable ne règle pas toutes les questions d’innocuité

TRAVERSE a recruté des hommes de 45 à 80 ans ayant un hypogonadisme et une maladie cardiovasculaire ou un risque cardiovasculaire élevé, et utilisait un gel de testostérone. L’essai a observé des incidences plus élevées de fibrillation auriculaire, d’atteinte rénale aiguë et d’embolie pulmonaire avec la testostérone. Ces résultats doivent faire partie de la discussion, parallèlement au résultat principal. TRAVERSE

Le guide sur TRAVERSE donne plus de contexte sur la population et les critères évalués. Une bonne habitude de lecture consiste à nommer le critère d’innocuité plutôt qu’à résumer toute l’étude par « sûr » ou « dangereux ».

Un critère composite regroupe certains événements pour l’analyse. Il ne transforme pas les résultats non mesurés en constatations rassurantes et ne garantit pas que chaque composante ou événement secondaire se comporte de façon identique.

« Aucun événement observé » comporte sa propre limite

Un essai randomisé de 2026 a recruté 136 hommes soigneusement sélectionnés, présentant un hypogonadisme après une prostatectomie radicale pour un cancer de la prostate de bas grade limité à l’organe. Les participants avaient un taux d’APS indétectable depuis au moins deux ans. Pendant ce court essai comprenant 12 semaines de traitement, aucun participant des deux groupes n’a présenté de récidive biochimique. Essai chez des hommes ayant survécu à un cancer de la prostate

Les auteurs précisent explicitement que l’étude était trop petite et trop courte pour évaluer l’innocuité à long terme ou les récidives cliniques. L’absence d’événements observés ne démontre pas un risque sous-jacent nul, particulièrement pour un événement qui peut apparaître sur une période plus longue.

Ce résultat mérite tout de même d’être rapporté. Il décrit ce qui s’est passé dans un groupe défini pendant une période d’observation définie. L’erreur survient lorsque les limites de durée et de population disparaissent de l’affirmation.

Cette distinction a des conséquences particulièrement importantes après un cancer, où un bénéfice à court terme sur les symptômes et une question de récidive à long terme exigent des données différentes.

Une amélioration statistique peut ne pas répondre à la question du patient

Un essai randomisé chez de jeunes hommes ayant survécu à un cancer a montré que la testostérone améliorait la composition corporelle, mais pas la qualité de vie mesurée. Les deux résultats peuvent être justes, car ils portent sur des critères différents. Essai chez des hommes ayant survécu à un cancer

Imaginez une personne qui envisage un traitement surtout pour se sentir moins épuisée au travail. Une mesure favorable de masse maigre ne suffirait pas, à elle seule, à établir que le bénéfice quotidien souhaité s’est produit. À l’inverse, l’absence d’effet sur la qualité de vie ne signifie pas que le résultat de composition corporelle était imaginaire.

C’est une protection utile contre la tentation de choisir le critère qui convient à la conclusion souhaitée. Demandez quel résultat a motivé l’essai, quel résultat compte pour le patient et s’il s’agit du même.

Le même principe s’applique au suivi personnel. Un résultat sanguin et un registre des symptômes répondent à des objectifs différents; le guide sur les analyses sanguines explique pourquoi le moment des analyses et leur interprétation ont besoin de leur propre contexte.

L’amélioration dans un groupe ne constitue pas la comparaison des traitements

Une erreur de lecture fréquente survient avant même la question de la signification statistique : on constate que les participants se sont améliorés après la testostérone et on présume que le traitement a causé cette amélioration.

Prenons un essai hypothétique où les scores de symptômes s’améliorent dans le groupe testostérone comme dans le groupe placebo. La question du traitement porte sur la différence entre ces groupes selon l’analyse de l’essai, plutôt que sur la différence entre le score final et le score initial d’un seul groupe. Rapporter uniquement un résultat avant-après favorable omet la comparaison que la répartition aléatoire devait rendre possible.

C’est important lorsqu’un graphique montre seulement les participants traités ou qu’un résumé dit que « les hommes se sont améliorés sous testostérone » sans décrire le groupe placebo. L’affirmation peut être littéralement exacte tout en étant insuffisante pour établir un avantage du traitement.

De même, un changement statistiquement significatif dans un groupe et non significatif dans l’autre n’établissent pas, à eux seuls, que les groupes diffèrent significativement entre eux. Cherchez l’analyse réelle entre les groupes. Si elle est absente du résumé, n’essayez pas de la reconstituer en comparant deux valeurs p distinctes. Gelman et Stern

Pour le suivi personnel, c’est une raison de noter les autres changements, comme le sommeil, la maladie, l’exercice ou un traitement supplémentaire, en plus des symptômes. Le registre peut améliorer une discussion clinique même s’il ne peut reproduire un essai contrôlé.

Une façon pratique de lire le prochain titre

Lorsqu’un article sur le TRT rapporte une absence de différence significative, cherchez cinq détails :

• Le critère évalué : Qu’a-t-on mesuré exactement, et était-ce le critère principal?
• L’estimation : Quelle était l’ampleur de la différence observée?
• L’incertitude : L’intervalle de confiance laisse-t-il en suspens un bénéfice ou un préjudice important?
• Le plan d’étude : S’agissait-il d’une question de supériorité, de non-infériorité ou d’équivalence?
• Les limites : Qui a participé, quel traitement les participants ont-ils reçu et pendant combien de temps?

Rédigez ensuite une conclusion d’une phrase qui conserve ces détails. « Cette étude n’a pas démontré le bénéfice défini sur la fatigue sur un an chez des hommes âgés sélectionnés » est plus utile que « le TRT a échoué ».

Pour vos propres soins, notez l’objectif du traitement avant d’en juger la réponse. Un historique daté des symptômes, un registre du traitement prescrit et les mesures demandées par le clinicien peuvent clarifier le suivi. Doserly peut aider à organiser ces observations, mais une tendance personnelle n’est pas une comparaison randomisée et ne peut établir un lien de causalité.

Un lecteur attentif peut prendre un résultat négatif au sérieux tout en conservant l’incertitude. C’est ainsi que la recherche devient utile : la conclusion reste proportionnelle à ce que l’étude a réellement mesuré.

Sources

• Déclaration de l’ASA sur la signification statistique et les valeurs p
• Absence of evidence is not evidence of absence
• Lignes directrices CONSORT pour la présentation des essais de non-infériorité et d’équivalence
• TRAVERSE
• Testosterone Trials
• Expérience ponctuelle sur la force et la puissance
• Essai chez de jeunes hommes ayant survécu à un cancer
• Essai de 2026 chez des hommes ayant survécu à un cancer de la prostate
• Gelman et Stern : comparaison des niveaux de signification