Dans le contexte médical, lors de la présentation des résultats d'un résultat binaire avec un prédicteur continu, le OR (odds ratio) peut être difficile à interpréter.
Exemple:
Un médecin mène une étude dans laquelle il souhaite voir si une pression artérielle élevée (continue) peut potentiellement augmenter le risque de crise cardiaque (crise cardiaque binaire non / oui).
Il le fait en examinant rétrospectivement les dossiers des patients et en notant s'ils ont eu une crise cardiaque ou non et quelle était leur tension artérielle.
Il effectue une régression logistique avec la variable de pression artérielle continue et obtient un OR de 1,01.
La question est maintenant. Cette RO ne semble pas très drastique et peut être difficile à comprendre pour certains cliniciens. Le médecin fait donc une analyse ROC pour voir à quelle valeur la sensibilité et la spécificité de la pression artérielle sont les plus élevées pour prédire une crise cardiaque. Il remarque que c'est à 150 mmHg (ignorez le contexte, supposons que c'est la meilleure valeur pour ses besoins).
Il régresse à nouveau, avec des crises cardiaques et la nouvelle TA dichotomisée au-dessus ou en dessous de 150 mmHg et obtient un OR de 5.
C'est beaucoup plus facile à comprendre pour les cliniciens. Si votre tension artérielle est supérieure à 150 mmHg, vos chances d'avoir une crise cardiaque augmentent de 5 fois (cela ne veut bien sûr pas dire que votre probabilité augmente de 5 fois).
Ma question est la suivante: est-ce que ce serait une manière correcte de traiter ces données? Connaissant les statistiques, il y a presque toujours des écueils aux moindres ajustements, donc je veux entendre votre avis.
Je devrais dire que je comprends les problèmes liés à la dichotomisation des données continues, par exemple il prétend que la différence passe de l'absence de risque à un risque massif de 1 mmHg à l'autre, mais s'il devait relayer certaines informations à ses pairs de ses découvertes de manière digestible, serait-ce possible?