Méthodes non paramétriques pour les mesures en dessous de la limite de détection

Les données analytiques sont souvent sujettes à un censorage à gauche lorsque les valeurs réelles à quantifier se situent en dessous de la limite de détection. L'intérêt principal de cet article est l'inférence statistique pour le problème de deux échantillons. La plupart des publications actuelles sont centrées sur des approches naïves ou l'approche du modèle Tobit paramétrique. Ces méthodes peuvent ne pas être adaptées aux données avec des taux de censorage élevés et des tailles d'échantillon relativement petites. Dans cet article, nous établissons l'équivalence théorique de trois méthodes non paramétriques : le test de la somme des rangs de Wilcoxon, le test de Gehan et le test de Peto-Peto, sous un censorage à gauche fixe et d'autres conditions légères. Nous développons ensuite une procédure d'estimation ponctuelle et d'intervalle non paramétrique pour le modèle de déplacement de position. Un large ensemble de simulations compare 14 méthodes incluant des méthodes naïves, paramétriques et non paramétriques. Les résultats favorisent clairement les méthodes non paramétriques pour une gamme de tailles d'échantillons et de taux de censorage. Les simulations montrent également des résultats d'estimation ponctuelle et d'intervalle satisfaisants. Enfin, un exemple de données réelles est donné suivi d'une discussion.