Un guide sur l'utilisation des tests d'équivalence pour évaluer l'accord de mesure

OBJECTIF : Les tests statistiques d'équivalence sont plus appropriés que les tests conventionnels de différence pour évaluer la validité des mesures d'activité physique (AP). Cet article présente les principes sous-jacents des tests d'équivalence et donne trois exemples issus de la recherche sur l'évaluation de l'AP et de la condition physique. MÉTHODES : Les trois exemples illustrent différentes utilisations des tests d'équivalence. L'exemple 1 utilise des données d'AP pour évaluer l'équivalence d'un moniteur d'activité par rapport à un critère connu. L'exemple 2 illustre l'équivalence de deux mesures de condition physique basées sur le terrain sans méthode de référence connue. L'exemple 3 utilise la régression pour évaluer l'équivalence d'un moniteur d'activité sur un ensemble de 23 activités. RÉSULTATS : Les exemples illustrent le rapport et l'interprétation appropriés des résultats des tests d'équivalence. Dans le premier exemple, la mesure de critère moyenne est significativement dans ±15% de la moyenne du moniteur d'AP. La différence moyenne est de 0,18 METs et l'intervalle de confiance à 90% de -0,15 à 0,52 est à l'intérieur de la région d'équivalence de -0,65 à 0,65. Dans le deuxième exemple, nous avons choisi de définir l'équivalence pour ces deux mesures comme un rapport de valeurs moyennes entre 0,98 et 1,02. Le rapport estimé des valeurs moyennes de V˙O2 est de 0,99, ce qui est significativement (P = 0,007) à l'intérieur de la région d'équivalence. Dans le troisième exemple, le moniteur d'AP n'est pas équivalent au critère sur l'ensemble des activités. L'ordonnée à l'origine et la pente de la régression estimée sont respectivement de -1,23 et 1,06. Aucun des intervalles de confiance ne se trouve dans les régions d'équivalence de régression suggérées. CONCLUSIONS : Lorsque l'objectif de l'étude est de montrer une similarité entre les méthodes, les tests d'équivalence sont plus appropriés que les tests statistiques traditionnels de différences (par exemple, ANOVA et tests t).