Dans le champ de l’\u00e9valuation psychom\u00e9trique, des neurosciences cliniques et de la recherche biom\u00e9dicale, la reproductibilit\u00e9 des mesures constitue la pierre angulaire de la validit\u00e9 scientifique. Lorsqu’un instrument diagnostique, une \u00e9chelle d’\u00e9valuation comportementale ou un protocole d’imagerie m\u00e9dicale repose sur le jugement humain, la variabilit\u00e9 inh\u00e9rente aux \u00e9valuateurs introduit une source d’erreur de mesure susceptible de fausser les conclusions statistiques et d’alt\u00e9rer les d\u00e9cisions th\u00e9rapeutiques. C’est dans ce cadre \u00e9pist\u00e9mologique que le coefficient de corr\u00e9lation intraclasse s’impose comme l’indice statistique de r\u00e9f\u00e9rence pour quantifier la fid\u00e9lit\u00e9 inter-\u00e9valuateurs et la stabilit\u00e9 test-retest des variables quantitatives continues ou ordinales \u00e0 intervalles \u00e9gaux.<\/p>\n
Contrairement aux approches corr\u00e9lationnelles classiques qui se limitent \u00e0 \u00e9valuer la covariation lin\u00e9aire entre deux s\u00e9ries de donn\u00e9es, le coefficient de corr\u00e9lation intraclasse op\u00e8re une d\u00e9composition rigoureuse des composantes de la variance au moyen de mod\u00e8les d’analyse de variance \u00e0 effets al\u00e9atoires ou mixtes. Il permet ainsi de distinguer la variabilit\u00e9 authentique propre aux sujets \u00e9valu\u00e9s de la variabilit\u00e9 ind\u00e9sirable attribuable aux biais syst\u00e9matiques des juges ou \u00e0 l’erreur de mesure al\u00e9atoire. La compr\u00e9hension th\u00e9orique de cet indice, coupl\u00e9e \u00e0 sa ma\u00eetrise computationnelle au sein de l’\u00e9cosyst\u00e8me statistique du logiciel libre R, constitue une comp\u00e9tence m\u00e9thodologique indispensable pour tout chercheur ou praticien d\u00e9sireux de garantir la rigueur de ses protocoles empiriques.<\/p>\n
Ce guide exhaustif propose une exploration approfondie de la th\u00e9orie sous-jacente \u00e0 la corr\u00e9lation intraclasse, une d\u00e9construction minutieuse des typologies canoniques issues des travaux fondateurs de Shrout et Fleiss ainsi que de McGraw et Wong, et une mise en application op\u00e9rationnelle pas \u00e0 pas sous l’environnement R. \u00c0 travers l’utilisation experte des biblioth\u00e8ques sp\u00e9cialis\u00e9es, le traitement des violations des postulats statistiques, la visualisation avanc\u00e9e des accords et la restitution norm\u00e9e selon les standards internationaux, cet article fournit l’ensemble des cl\u00e9s analytiques pour impl\u00e9menter, interpr\u00e9ter et publier des analyses de fid\u00e9lit\u00e9 irr\u00e9prochables.<\/p>\n
Dans le cadre de la th\u00e9orie classique des tests psychom\u00e9triques formalis\u00e9e initialement par des th\u00e9oriciens tels que Gulliksen et Lord, tout score observ\u00e9 est conceptualis\u00e9 comme la r\u00e9sultante lin\u00e9aire de deux entit\u00e9s distinctes : le score vrai du sujet \u00e9valu\u00e9 et une composante d’erreur de mesure non corr\u00e9l\u00e9e. La fid\u00e9lit\u00e9 d’un instrument de mesure repr\u00e9sente la proportion de la variance totale observ\u00e9e qui est imputable \u00e0 la variance des scores vrais. Lorsque l’administration d’un test n\u00e9cessite l’intervention d’observateurs humains charg\u00e9s de coder des comportements, d’attribuer des scores cliniques ou de coter des \u00e9preuves projectives, l’erreur de mesure ne rel\u00e8ve plus exclusivement des fluctuations internes du sujet ou de l’impr\u00e9cision du mat\u00e9riel, mais int\u00e8gre les divergences de notation entre \u00e9valuateurs. La fid\u00e9lit\u00e9 inter-\u00e9valuateurs quantifie pr\u00e9cis\u00e9ment le degr\u00e9 auquel diff\u00e9rents juges ind\u00e9pendants parviennent \u00e0 des assignations num\u00e9riques concordantes lorsqu’ils \u00e9valuent le m\u00eame \u00e9chantillon de cibles.<\/p>\n
Il est fondamental d’\u00e9tablir, d\u00e8s le stade conceptuel, une distinction nette entre deux facettes de la fid\u00e9lit\u00e9 inter-juges : l’accord absolu et la coh\u00e9rence relative. La coh\u00e9rence relative (ou consistance) mesure le degr\u00e9 selon lequel le classement relatif des sujets demeure identique d’un \u00e9valuateur \u00e0 l’autre, ind\u00e9pendamment du niveau d’indulgence ou de s\u00e9v\u00e9rit\u00e9 propre \u00e0 chaque juge. \u00c0 l’inverse, l’accord absolu exige que les \u00e9valuateurs attribuent des scores strictement identiques pour une m\u00eame cible, p\u00e9nalisant ainsi tout d\u00e9calage syst\u00e9matique de la moyenne g\u00e9n\u00e9rale d’un juge par rapport aux autres. Selon les finalit\u00e9s de la mesure, cette dichotomie conceptuelle modifie radicalement le choix du mod\u00e8le statistique et les interpr\u00e9tations qui en d\u00e9coulent.<\/p>\n
Les applications concr\u00e8tes de cette d\u00e9marche sont particuli\u00e8rement critiques en recherche clinique, en psychiatrie translationnelle et en neuropsychologie. Par exemple, lors de l’\u00e9valuation de la s\u00e9v\u00e9rit\u00e9 d’un \u00e9pisode d\u00e9pressif caract\u00e9ris\u00e9 \u00e0 l’aide de l’\u00e9chelle de Hamilton ou du d\u00e9pistage de d\u00e9ficits neurocognitifs par l’\u00e9chelle de m\u00e9moire de Wechsler, une mauvaise fid\u00e9lit\u00e9 inter-\u00e9valuateurs dilue la puissance statistique des essais cliniques randomis\u00e9s, accro\u00eet artificiellement les intervalles de confiance des estimations d’efficacit\u00e9 et expose les patients \u00e0 des erreurs d’inclusion ou de classification diagnostique majeures. Une mesure d\u00e9nu\u00e9e de fid\u00e9lit\u00e9 d\u00e9montr\u00e9e est m\u00e9thodologiquement incapable de poss\u00e9der une quelconque validit\u00e9 de construit ou de crit\u00e8re.<\/p>\n
L’origine math\u00e9matique du coefficient de corr\u00e9lation intraclasse remonte aux travaux s\u00e9minaux de Ronald Aylmer Fisher au d\u00e9but des ann\u00e9es 1920 dans le domaine de la g\u00e9n\u00e9tique et de l’agronomie. Confront\u00e9 \u00e0 la n\u00e9cessit\u00e9 de mesurer la ressemblance ph\u00e9notypique entre des individus appartenant \u00e0 des fratries ou des grappes biologiques o\u00f9 aucun ordre logique ne permettait de d\u00e9signer un premier ou un second membre, Fisher a mis en \u00e9vidence les limites de la corr\u00e9lation produit-moment de Pearson. Plut\u00f4t que de construire des tables de corr\u00e9lation arbitraires par permutation sym\u00e9trique des paires, Fisher a d\u00e9montr\u00e9 que ce probl\u00e8me trouvait sa r\u00e9solution naturelle dans le cadre de l’analyse de variance, en mod\u00e9lisant la part de variance intraclasse par rapport \u00e0 la variance totale.<\/p>\n
Cette intuition initiale a \u00e9t\u00e9 formalis\u00e9e et transpos\u00e9e dans les sciences sociales et biom\u00e9dicales par les travaux d\u00e9terminants de Patrick E. Shrout et Joseph L. Fleiss en 1979, compl\u00e9t\u00e9s ult\u00e9rieurement par Kenneth O. McGraw et S. P. Wong en 1996. Au lieu d’aborder la corr\u00e9lation comme un indice bivari\u00e9 ad hoc, Shrout et Fleiss ont reformul\u00e9 le coefficient sous la forme d’un ratio explicite de composantes de variance. Ce ratio confronte directement la variance vraie (variabilit\u00e9 biologique ou psychologique inter-individuelle) au d\u00e9nominateur compos\u00e9 de la variance totale, qui agglom\u00e8re la variance vraie, la variance imputable aux diff\u00e9rences syst\u00e9matiques entre juges et la variance r\u00e9siduelle al\u00e9atoire.<\/p>\n
Au fil des d\u00e9cennies, cette conceptualisation s’est impos\u00e9e comme le standard de r\u00e9f\u00e9rence au sein des revues scientifiques internationales de psychologie et d’\u00e9pid\u00e9miologie. Les comit\u00e9s de lecture exigent d\u00e9sormais non seulement la communication syst\u00e9matique du coefficient de corr\u00e9lation intraclasse assorti de son intervalle de confiance, mais \u00e9galement la justification formelle du mod\u00e8le d’analyse de variance sous-jacent retenu pour sa d\u00e9rivation, rendant caduque l’utilisation des indices bivari\u00e9s rudimentaires pour l’\u00e9valuation de la reproductibilit\u00e9 des mesures quantitatives.<\/p>\n
Une erreur m\u00e9thodologique r\u00e9currente observ\u00e9e dans les publications scientifiques consiste \u00e0 \u00e9valuer l’accord inter-juges au moyen du coefficient de corr\u00e9lation lin\u00e9aire de Pearson (naturellement born\u00e9<\/a> entre moins un et un) ou du coefficient de corr\u00e9lation des rangs de Spearman. Cette approche repose sur une confusion conceptuelle profonde entre association et concordance. Le coefficient de Pearson mesure exclusivement la force et la direction d’une relation lin\u00e9aire entre deux variables, mais il est totalement insensible aux biais syst\u00e9matiques constants ou additifs. Si un premier \u00e9valuateur attribue les scores 10, 20 et 30 \u00e0 trois patients, et qu’un second \u00e9valuateur attribue respectivement les scores 20, 30 et 40, le coefficient de corr\u00e9lation de Pearson sera exactement \u00e9gal \u00e0 1,0, sugg\u00e9rant fallacieusement une concordance parfaite alors m\u00eame qu’aucun score n’est identique et qu’il existe un biais syst\u00e9matique massif de s\u00e9v\u00e9rit\u00e9 de dix points entre les deux cliniciens.<\/p>\n En outre, les corr\u00e9lations bivari\u00e9es traditionnelles sont fondamentalement limit\u00e9es par leur incapacit\u00e9 structurelle \u00e0 traiter simultan\u00e9ment plus de deux \u00e9valuateurs. Lorsque le protocole exp\u00e9rimental implique trois, cinq ou dix juges examinant les m\u00eames cibles, le chercheur utilisant Pearson est contraint de calculer une matrice de corr\u00e9lations par paires, puis de tenter d’en agr\u00e9ger empiriquement la moyenne arithm\u00e9tique. Cette pratique est statistiquement fallacieuse, car les coefficients de corr\u00e9lation ne sont pas additifs sur une \u00e9chelle lin\u00e9aire et violent l’ind\u00e9pendance statistique n\u00e9cessaire \u00e0 une inf\u00e9rence robuste.<\/p>\n Enfin, le probl\u00e8me de l’effet d’ordre et l’inversion arbitraire des variables lors de l’estimation bivari\u00e9e emp\u00eachent de capturer les structures de donn\u00e9es hi\u00e9rarchiques ou longitudinales. En ignorant la partition explicite de la variance attribuable \u00e0 l’interaction entre le sujet et l’\u00e9valuateur, la corr\u00e9lation bivari\u00e9e sous-estime drastiquement le biais syst\u00e9matique, conduisant \u00e0 une sur\u00e9valuation dramatique de la fid\u00e9lit\u00e9 r\u00e9elle du syst\u00e8me de notation. Ces \u00e9cueils m\u00e9thodologiques justifient \u00e0 eux seuls l’abandon imp\u00e9ratif de la corr\u00e9lation de Pearson au profit des mod\u00e8les d’analyse de variance intraclasse.<\/p>\n Le socle math\u00e9matique du coefficient de corr\u00e9lation intraclasse repose sur la d\u00e9composition de la somme totale des carr\u00e9s des \u00e9carts en composantes orthogonales et additives au sein d’un plan factoriel crois\u00e9 ou hi\u00e9rarchique. Consid\u00e9rons une matrice de donn\u00e9es comportant n<\/em> cibles ou sujets \u00e9valu\u00e9s ind\u00e9pendamment par k<\/em> juges. La variabilit\u00e9 totale observ\u00e9e autour de la moyenne g\u00e9n\u00e9rale se d\u00e9compose en la somme des carr\u00e9s inter-sujets, la somme des carr\u00e9s inter-juges et la somme des carr\u00e9s r\u00e9siduelle ou d’interaction.<\/p>\n En divisant chaque somme des carr\u00e9s par ses degr\u00e9s de libert\u00e9 respectifs, on obtient les carr\u00e9s moyens correspondants : le carr\u00e9 moyen pour les sujets, le carr\u00e9 moyen pour les juges et le carr\u00e9 moyen r\u00e9siduel ou d’erreur. Les esp\u00e9rances math\u00e9matiques de ces carr\u00e9s moyens sont des fonctions lin\u00e9aires des composantes de variance r\u00e9elles de la population, \u00e0 savoir la variance des sujets, la variance des juges et la variance d’erreur al\u00e9atoire. C’est \u00e0 partir de ces esp\u00e9rances math\u00e9matiques que les \u00e9quations de d\u00e9rivation formelle des coefficients sont \u00e9tablies. Par exemple, dans un plan crois\u00e9 \u00e0 deux facteurs, le carr\u00e9 moyen des sujets estime la variance r\u00e9siduelle augment\u00e9e de k<\/em> fois la variance inter-sujets, permettant d’isoler alg\u00e9briquement cette derni\u00e8re par soustraction et division.<\/p>\n Le statut des facteurs joue ici un r\u00f4le d\u00e9terminant. Si les juges sont tir\u00e9s au sort au sein d’une population hypoth\u00e9tique infinie d’\u00e9valuateurs comp\u00e9tents, le facteur juge est mod\u00e9lis\u00e9 comme un effet al\u00e9atoire, autorisant la g\u00e9n\u00e9ralisation des conclusions \u00e0 tout autre clinicien pr\u00e9sentant des caract\u00e9ristiques analogues. Si, en revanche, les juges constituent les seuls \u00e9valuateurs d’int\u00e9r\u00eat exclusif pour l’\u00e9tude sans volont\u00e9 de g\u00e9n\u00e9ralisation externe, le mod\u00e8le est d\u00e9fini \u00e0 effets mixtes. Cette distinction math\u00e9matique influe directement sur l’expression du d\u00e9nominateur du coefficient de fid\u00e9lit\u00e9 et sur la gestion des termes d’interaction.<\/p>\n Le choix d’un indice de concordance d\u00e9pend au premier chef de la nature de l’\u00e9chelle de mesure employ\u00e9e. Les coefficients de Kappa de Cohen<\/a> (pour deux \u00e9valuateurs) et de Fleiss (pour des \u00e9valuateurs multiples) ont \u00e9t\u00e9 d\u00e9velopp\u00e9s pour traiter des variables cat\u00e9gorielles nominales ou ordinales pures. Ils ajustent la proportion d’accord observ\u00e9 en retranchant la proportion d’accord attribuable au simple hasard probabiliste. Cependant, les coefficients de type Kappa sont notoirement vuln\u00e9rables \u00e0 des paradoxes statistiques s\u00e9v\u00e8res, notamment le paradoxe de Feinstein et Cicchetti : lorsque la pr\u00e9valence d’une modalit\u00e9 diagnostique est asym\u00e9trique ou extr\u00eame dans l’\u00e9chantillon, le Kappa peut s’effondrer vers z\u00e9ro ou devenir n\u00e9gatif en d\u00e9pit d’un taux d’accord observ\u00e9 empiriquement sup\u00e9rieur \u00e0 quatre-vingt-quinze pour cent.<\/p>\n Le coefficient de corr\u00e9lation intraclasse, con\u00e7u intrins\u00e8quement pour des variables continues, d’intervalles ou de ratios, d\u00e9montre une robustesse nettement sup\u00e9rieure face aux asym\u00e9tries de distribution. Il exploite pleinement la m\u00e9trique quantitative sous-jacente au lieu de binariser ou de discr\u00e9tiser arbitrairement les scores continus, ce qui \u00e9vite la perte irr\u00e9m\u00e9diable d’information statistique et la r\u00e9duction de puissance inh\u00e9rente \u00e0 la cat\u00e9gorisation forc\u00e9e.<\/p>\n Dans la pratique psychom\u00e9trique courante, les \u00e9chelles de type Likert (par exemple des scores allant de un \u00e0 cinq ou de z\u00e9ro \u00e0 dix) posent fr\u00e9quemment un dilemme m\u00e9thodologique. Si le chercheur dispose d’une \u00e9chelle ordinale poss\u00e9dant un nombre r\u00e9duit de cat\u00e9gories (trois ou quatre) et des intervalles manifestement in\u00e9gaux, le Kappa pond\u00e9r\u00e9 quadratique repr\u00e9sente une option viable. Toutefois, lorsque l’\u00e9chelle comporte au moins cinq \u00e0 sept \u00e9chelons et que la somme des items g\u00e9n\u00e8re un score composite continu, l’application de l’ICC \u00e0 accord absolu est math\u00e9matiquement sup\u00e9rieure et correspond asymptotiquement au Kappa pond\u00e9r\u00e9 quadratique tout en facilitant l’int\u00e9gration dans des mod\u00e8les statistiques multivari\u00e9s plus complexes.<\/p>\n Comme toute proc\u00e9dure param\u00e9trique d’inf\u00e9rence fond\u00e9e sur les rapports de variance et la distribution de Fisher-Snedecor, l’estimation valide du coefficient de corr\u00e9lation intraclasse repose sur un ensemble strict de postulats statistiques. La premi\u00e8re condition stipule la normalit\u00e9 univari\u00e9e des distributions des scores attribu\u00e9s au sein de chaque groupe ainsi que la normalit\u00e9 multivari\u00e9e des effets al\u00e9atoires des sujets et des \u00e9valuateurs. Les composantes de variance sont en effet d\u00e9riv\u00e9es en supposant que la variable latente mesur\u00e9e suit une loi normale dans la population d’origine.<\/p>\n La deuxi\u00e8me condition r\u00e9side dans l’homog\u00e9n\u00e9it\u00e9 des variances d’erreur, souvent d\u00e9sign\u00e9e sous le terme d’homosc\u00e9dasticit\u00e9. Cette hypoth\u00e8se impose que l’impr\u00e9cision ou la magnitude de la variance r\u00e9siduelle demeure constante \u00e0 travers l’ensemble des niveaux d’\u00e9valuation et \u00e0 travers tous les sujets, ind\u00e9pendamment de la gravit\u00e9 clinique de leur \u00e9tat ou de la magnitude de leur score vrai. Si les \u00e9valuateurs d\u00e9montrent une excellente pr\u00e9cision pour les scores interm\u00e9diaires mais une variance d’erreur massivement accrue pour les scores extr\u00eames, l’estimation globale du coefficient de fid\u00e9lit\u00e9 sera localement biais\u00e9e.<\/p>\n Enfin, le troisi\u00e8me postulat exige l’ind\u00e9pendance conditionnelle des r\u00e9sidus. Les erreurs commises par les diff\u00e9rents juges lors de l’\u00e9valuation d’un sujet sp\u00e9cifique doivent \u00eatre stochastiquement ind\u00e9pendantes. Cette hypoth\u00e8se est viol\u00e9e de mani\u00e8re critique en pr\u00e9sence d’effets de contamination cognitive, tels que la concertation pr\u00e9alable entre \u00e9valuateurs, la consultation r\u00e9ciproque des grilles d’\u00e9valuation avant notation finale, ou encore l’existence de tendances temporelles non mod\u00e9lis\u00e9es comme la fatigue cumulative ou l’apprentissage progressif au fil des passations successives du protocole exp\u00e9rimental.<\/p>\n La typologie fondatrice de Shrout et Fleiss (1979) classe les coefficients de corr\u00e9lation intraclasse selon trois grandes architectures de plans exp\u00e9rimentaux. La premi\u00e8re architecture est le mod\u00e8le \u00e0 un facteur al\u00e9atoire (d\u00e9sign\u00e9 historiquement sous le terme de One-way random model<\/em>). Dans ce sch\u00e9ma, chaque cible est \u00e9valu\u00e9e par un groupe diff\u00e9rent d’\u00e9valuateurs tir\u00e9s au sort parmi une population plus large. Les juges ne sont donc pas crois\u00e9s avec les sujets ; il n’est pas possible d’identifier formellement l’identit\u00e9 des juges \u00e0 travers les diff\u00e9rentes cibles, ce qui rend impossible l’isolement de l’effet propre aux juges de l’erreur r\u00e9siduelle. Ce mod\u00e8le est repr\u00e9sent\u00e9 par la forme ICC(1,1).<\/p>\n La deuxi\u00e8me architecture correspond au mod\u00e8le \u00e0 deux facteurs \u00e0 effets al\u00e9atoires (Two-way random effects model<\/em>). Dans cette configuration, l’ensemble des sujets de l’\u00e9chantillon est \u00e9valu\u00e9 par le m\u00eame panel de k<\/em> juges, et ces juges sont eux-m\u00eames consid\u00e9r\u00e9s comme un \u00e9chantillon al\u00e9atoire repr\u00e9sentatif d’une population th\u00e9orique plus vaste d’\u00e9valuateurs potentiels. Ce mod\u00e8le, cod\u00e9 sous la forme canonique ICC(2,1), autorise la g\u00e9n\u00e9ralisation des estimations de fid\u00e9lit\u00e9 \u00e0 d’autres \u00e9valuateurs poss\u00e9dant des qualifications similaires et partitionne distinctement la variance des sujets, la variance des juges et la variance d’erreur d’interaction.<\/p>\n La troisi\u00e8me architecture est le mod\u00e8le \u00e0 deux facteurs \u00e0 effets mixtes (Two-way mixed model<\/em>), cod\u00e9 ICC(3,1). Ici, tous les sujets sont \u00e9galement \u00e9valu\u00e9s par le m\u00eame ensemble fixe d’\u00e9valuateurs, mais ces juges ne sont plus consid\u00e9r\u00e9s comme un \u00e9chantillon al\u00e9atoire. Ils constituent l’unique groupe d’int\u00e9r\u00eat exp\u00e9rimental (par exemple, deux cliniciens seniors sp\u00e9cifiques responsables d’un laboratoire). Les r\u00e9sultats obtenus ne sont d\u00e8s lors pas math\u00e9matiquement g\u00e9n\u00e9ralisables \u00e0 d’autres \u00e9valuateurs non inclus dans l’\u00e9tude, et l’effet juge est trait\u00e9 sur le plan computationnel comme un param\u00e8tre fixe, modifiant les hypoth\u00e8ses relatives \u00e0 la variance d’erreur.<\/p>\n Au sein des mod\u00e8les \u00e0 deux facteurs (qu’ils soient al\u00e9atoires ou mixtes), McGraw et Wong ont clarifi\u00e9 une subdivision conceptuelle indispensable entre les mesures de coh\u00e9rence relative et les mesures d’accord absolu. L’option de coh\u00e9rence (Consistency<\/em>) neutralise math\u00e9matiquement la variance imputable aux diff\u00e9rences syst\u00e9matiques entre \u00e9valuateurs. Dans l’expression du d\u00e9nominateur du ratio de variance, le carr\u00e9 moyen ou la composante de variance inter-juges est d\u00e9lib\u00e9r\u00e9ment exclue. Par cons\u00e9quent, si un \u00e9valuateur note syst\u00e9matiquement tous les patients avec une s\u00e9v\u00e9rit\u00e9 sup\u00e9rieure de cinq points par rapport \u00e0 ses pairs mais maintient un ordre de classement parfaitement proportionnel, le coefficient de coh\u00e9rence ne sera aucunement p\u00e9nalis\u00e9 par cette divergence syst\u00e9matique.<\/p>\n \u00c0 l’oppos\u00e9, l’option d’accord absolu (Absolute Agreement<\/em>) int\u00e8gre imp\u00e9rativement la variance inter-juges au d\u00e9nominateur du calcul. D\u00e8s lors, toute diff\u00e9rence syst\u00e9matique d’indulgence ou de s\u00e9v\u00e9rit\u00e9 entre les \u00e9valuateurs est explicitement comptabilis\u00e9e comme une source d’erreur de mesure pr\u00e9judiciable \u00e0 la fid\u00e9lit\u00e9 de l’instrument. Deux scores attribu\u00e9s au m\u00eame sujet ne seront consid\u00e9r\u00e9s comme convergents que s’ils sont math\u00e9matiquement superposables sur l’\u00e9chelle num\u00e9rique absolue.<\/p>\n Les cons\u00e9quences cliniques et psychom\u00e9triques de cette distinction sont capitales. Dans une d\u00e9marche de s\u00e9lection psychologique ou de recherche fondamentale o\u00f9 l’objectif unique est de corr\u00e9ler un score avec un biomarqueur continu, la coh\u00e9rence relative peut parfois suffire, puisque seul le rang ou l’espacement relatif importe. En revanche, dans un contexte de pratique clinique individuelle, d’expertise m\u00e9dicol\u00e9gale ou de diagnostic psychiatrique o\u00f9 les d\u00e9cisions d’hospitalisation ou de traitement sont conditionn\u00e9es par le franchissement de seuils cliniques normalis\u00e9s (par exemple un score sup\u00e9rieur \u00e0 24), l’accord absolu est imp\u00e9ratif. Se fier \u00e0 une coh\u00e9rence \u00e9lev\u00e9e en masquant un biais d’accord absolu expose les cliniciens \u00e0 des discordances diagnostiques massives fond\u00e9es sur l’identit\u00e9 de l’\u00e9valuateur plut\u00f4t que sur la symptomatologie r\u00e9elle du patient.<\/p>\n La derni\u00e8re dimension d\u00e9cisionnelle de la typologie concerne la d\u00e9finition de l’unit\u00e9 de mesure envisag\u00e9e pour l’application op\u00e9rationnelle future de l’instrument. Le statisticien doit trancher entre la fid\u00e9lit\u00e9 d’une mesure unique (Single rater<\/em>) et la fid\u00e9lit\u00e9 d’une mesure moyenne (Average of raters<\/em>). La forme \u00e0 mesure unique, g\u00e9n\u00e9ralement not\u00e9e ICC(1,1), ICC(2,1) ou ICC(3,1), estime la reproductibilit\u00e9 et la pr\u00e9cision du score qui sera obtenu en pratique courante lorsqu’un seul clinicien ou juge ind\u00e9pendant \u00e9valuera isol\u00e9ment un patient donn\u00e9.<\/p>\n La forme \u00e0 mesure moyenne, historiquement not\u00e9e ICC(1,k), ICC(2,k) ou ICC(3,k), quantifie la fiabilit\u00e9 du score composite r\u00e9sultant de la moyenne arithm\u00e9tique des \u00e9valuations fournies par un panel complet compos\u00e9 de k<\/em> juges ind\u00e9pendants. Sur le plan math\u00e9matique, l’ICC moyen correspond \u00e0 une application formelle de la proph\u00e9tie ou formule de Spearman-Brown<\/a> appliqu\u00e9e aux composantes de variance. L’agr\u00e9gation de plusieurs jugements ind\u00e9pendants permet d’annuler une fraction substantielle de la variance d’erreur al\u00e9atoire, augmentant m\u00e9caniquement la magnitude du coefficient obtenu par un facteur proportionnel au nombre k<\/em> d’observateurs.<\/p>\n Cette distinction engendre fr\u00e9quemment des confusions m\u00e9thodologiques dans la litt\u00e9rature. Un chercheur qui documente un coefficient de 0,88 en utilisant une formule de mesure moyenne (average<\/em>) commet une faute d\u00e9ontologique et m\u00e9thodologique majeure s’il conclut que son instrument peut \u00eatre d\u00e9ploy\u00e9 en cabinet m\u00e9dical avec un praticien unique, alors que la fid\u00e9lit\u00e9 de la mesure individuelle isol\u00e9e (single<\/em>) n’atteint en r\u00e9alit\u00e9 que 0,62. La r\u00e8gle directrice est sans ambigu\u00eft\u00e9 : si en pratique finale l’\u00e9valuation sera pos\u00e9e par un seul intervenant, c’est obligatoirement le coefficient \u00e0 mesure unique qui doit \u00eatre \u00e9valu\u00e9, valid\u00e9 et rapport\u00e9 dans les sections m\u00e9thodologiques des publications.<\/p>\n L’ex\u00e9cution rigoureuse d’analyses psychom\u00e9triques contemporaines requiert un environnement de programmation statistique stable et transparent. L’environnement R, conjugu\u00e9 \u00e0 l’interface de d\u00e9veloppement int\u00e9gr\u00e9 RStudio, constitue la plateforme privil\u00e9gi\u00e9e pour de telles investigations. Afin de garantir la reproductibilit\u00e9 int\u00e9grale des calculs conform\u00e9ment aux standards scientifiques de l’Open Science Framework<\/em>, il est vivement recommand\u00e9 d’isoler l’environnement de calcul au moyen du package de gestion de d\u00e9pendances renv<\/em>. Ce dernier permet de figer les versions exactes des packages et de leurs d\u00e9pendances au sein d’un fichier de verrouillage sp\u00e9cifique au projet, \u00e9vitant que des mises \u00e0 jour logicielles ult\u00e9rieures ne modifient imperceptiblement les algorithmes d’optimisation ou les valeurs par d\u00e9faut des fonctions d’estimation.<\/p>\n Avant d’engager les calculs, le chercheur doit proc\u00e9der \u00e0 la v\u00e9rification de sa session de travail via la commande textuelle de diagnostic de session afin de documenter l’architecture mat\u00e9rielle, le syst\u00e8me d’exploitation et l’encodage des caract\u00e8res utilis\u00e9. L’installation des extensions s’op\u00e8re de fa\u00e7on standardis\u00e9e depuis les serveurs officiels du Comprehensive R Archive Network (CRAN). Les biblioth\u00e8ques incontournables pour ce type d’analyse incluent la suite tidyverse<\/em> pour la manipulation et le nettoyage des structures de donn\u00e9es, ainsi que les packages sp\u00e9cialis\u00e9s irr<\/em> et psych<\/em>, dont l’articulation offre une flexibilit\u00e9 totale tant pour l’inf\u00e9rence formelle que pour l’exploration multivari\u00e9e.<\/p>\n L’installation s’effectue au moyen de l’instruction standard d’installation des packages ciblant sp\u00e9cifiquement irr<\/em>, psych<\/em>, tidyverse<\/em> et lme4<\/em>. Une fois les binaires d\u00e9ploy\u00e9s sur le syst\u00e8me local, le chargement en m\u00e9moire vive est r\u00e9alis\u00e9 au moyen de la fonction d’appel des librairies, veillant \u00e0 ce qu’aucun masquage pr\u00e9judiciable de fonctions homonymes ne vienne corrompre l’espace de noms d’ex\u00e9cution.<\/p>\n Le package irr<\/a>, d\u00e9velopp\u00e9 sp\u00e9cifiquement pour le calcul des coefficients de concordance inter-juges en psychologie, en psychiatrie et en \u00e9pid\u00e9miologie, repr\u00e9sente l’un des outils les plus fiables et les plus \u00e9pur\u00e9s pour le calcul de l’ICC. Il impl\u00e9mente rigoureusement les formulations classiques de Shrout et Fleiss (1979) ainsi que celles de McGraw et Wong (1996). Sa fonction ma\u00eetresse, intitul\u00e9e de mani\u00e8re concise icc()<\/em>, prend pour entr\u00e9e principale une matrice ou un tableau de donn\u00e9es rectangulaire o\u00f9 chaque colonne repr\u00e9sente un \u00e9valuateur distinct et chaque ligne une cible ou un participant \u00e9valu\u00e9.<\/p>\n L’anatomie formelle des arguments de la fonction icc()<\/em> refl\u00e8te avec une pr\u00e9cision exemplaire la structure conceptuelle sous-jacente. L’argument model<\/em> accepte les valeurs textuelles oneway<\/em> ou twoway<\/em> afin de sp\u00e9cifier l’architecture du plan d’analyse de variance. L’argument type<\/em> permet d’opter sans ambigu\u00eft\u00e9 entre consistency<\/em> pour la coh\u00e9rence relative et agreement<\/em> pour l’accord absolu. Enfin, l’argument unit<\/em> d\u00e9termine si l’estimation cible une mesure individuelle isol\u00e9e (single<\/em>) ou une mesure moyenne combin\u00e9e (average<\/em>). Le niveau de confiance pour les intervalles d’estimation asymptotique est contr\u00f4l\u00e9 par l’argument conf.level<\/em>, param\u00e9tr\u00e9 par convention standard \u00e0 0,95.<\/p>\n L’avantage cardinal du package irr<\/em> r\u00e9side dans la lisibilit\u00e9 et la compacit\u00e9 de sa sortie textuelle standardis\u00e9e. L’ex\u00e9cution de la fonction renvoie un objet de classe sp\u00e9cifique contenant un r\u00e9capitulatif unifi\u00e9 pr\u00e9cisant le type de mod\u00e8le ex\u00e9cut\u00e9, la valeur ponctuelle du coefficient, l’intervalle de confiance bilat\u00e9ral, la statistique de test F<\/em> associ\u00e9e, les degr\u00e9s de libert\u00e9 du num\u00e9rateur et du d\u00e9nominateur, ainsi que la valeur p<\/em> exacte du test de significativit\u00e9 par rapport \u00e0 l’hypoth\u00e8se nulle d’absence totale d’accord.<\/p>\n D\u00e9velopp\u00e9 sous la direction scientifique de William Revelle \u00e0 l’universit\u00e9 Northwestern, le package psych<\/a> constitue une bo\u00eete \u00e0 outils monumentale con\u00e7ue pour r\u00e9pondre \u00e0 l’int\u00e9gralit\u00e9 des besoins psychom\u00e9triques et factoriels des chercheurs en sciences du comportement. \u00c0 la diff\u00e9rence de la d\u00e9marche pas \u00e0 pas du package irr<\/em> o\u00f9 le chercheur doit configurer explicitement les arguments du mod\u00e8le cible, la fonction ICC()<\/em> du package psych<\/em> adopte une approche panoramique exhaustive. En soumettant une matrice de donn\u00e9es brutes \u00e0 la fonction, celle-ci ex\u00e9cute instantan\u00e9ment l’ensemble des analyses de variance requises et g\u00e9n\u00e8re une table synoptique pr\u00e9sentant simultan\u00e9ment les six formes canoniques de Shrout et Fleiss.<\/p>\n Les sorties de la fonction ICC()<\/em> de psych<\/em> adoptent la nomenclature standardis\u00e9e internationale : ICC1 pour le mod\u00e8le \u00e0 un facteur al\u00e9atoire \u00e0 mesure unique, ICC2 pour le mod\u00e8le \u00e0 deux facteurs al\u00e9atoires en accord absolu \u00e0 mesure unique, ICC3 pour le mod\u00e8le \u00e0 deux facteurs mixtes en coh\u00e9rence relative \u00e0 mesure unique, et leurs \u00e9quivalents respectifs pour mesures moyennes d\u00e9sign\u00e9s par ICC1k, ICC2k et ICC3k. Cette restitution globale permet au chercheur de comparer instantan\u00e9ment la sensibilit\u00e9 des coefficients aux diff\u00e9rentes hypoth\u00e8ses exp\u00e9rimentales et d’identifier avec une acuit\u00e9 imm\u00e9diate l’ampleur de la p\u00e9nalit\u00e9 induite par les d\u00e9saccords absolus.<\/p>\n En sus de sa rapidit\u00e9 d’ex\u00e9cution, le package psych<\/em> propose des fonctionnalit\u00e9s avanc\u00e9es pour l’extraction des structures de corr\u00e9lation intraclasse multivari\u00e9es, la prise en charge des matrices de variance-covariance et le couplage direct avec des proc\u00e9dures d’analyse factorielle confirmatoire ou d’estimation de la coh\u00e9rence interne via l’om\u00e9ga de McDonald et l’alpha de Cronbach.<\/p>\n En mod\u00e9lisation statistique sous R, la topologie des donn\u00e9es conditionne imp\u00e9rativement la faisabilit\u00e9 des calculs. On distingue traditionnellement deux structures de pr\u00e9sentation : le format large (wide format<\/em>) et le format long (long format<\/em>). Pour l’ex\u00e9cution directe des fonctions icc()<\/em> du package irr<\/em> et ICC()<\/em> du package psych<\/em>, les donn\u00e9es doivent obligatoirement \u00eatre agenc\u00e9es selon le format large. Dans cette disposition, la matrice de donn\u00e9es se compose d’exactement n<\/em> lignes, o\u00f9 chaque ligne est d\u00e9volue \u00e0 une cible ou un participant unique identifi\u00e9, et de k<\/em> colonnes, o\u00f9 chaque colonne correspond aux notations attribu\u00e9es par un \u00e9valuateur sp\u00e9cifique.<\/p>\n Cependant, lors de la phase initiale de collecte ou lors de l’emploi de mod\u00e8les de r\u00e9gression \u00e0 effets mixtes hi\u00e9rarchiques avanc\u00e9s, les donn\u00e9es sont tr\u00e8s fr\u00e9quemment stock\u00e9es au format long. Dans cette configuration, chaque ligne repr\u00e9sente une observation isol\u00e9e d\u00e9finie par une colonne identifiant le sujet, une colonne identifiant l’\u00e9valuateur et une troisi\u00e8me colonne h\u00e9bergeant le score num\u00e9rique observ\u00e9. La ma\u00eetrise des fonctions de pivotement issues de l’extension tidyr<\/em> (composante centrale du tidyverse<\/em>) s’av\u00e8re donc indispensable. La fonction pivot_wider()<\/em> permet de transmuter sans perte d’information un tableau long en matrice large ad\u00e9quate, tandis que la fonction r\u00e9ciproque pivot_longer()<\/em> permet d’effectuer la restructuration inverse \u00e0 des fins de mod\u00e9lisation longitudinale ou de repr\u00e9sentation graphique matricielle.<\/p>\n Une rigueur m\u00e9thodologique absolue s’impose quant \u00e0 l’imputation des identifiants des sujets et des juges. L’utilisation d’identifiants textuels univoques ou de variables cat\u00e9gorielles typ\u00e9es formellement en facteurs \u00e9vite que des colonnes identifiantes ne soient accidentellement interpr\u00e9t\u00e9es par l’interpr\u00e9teur R comme des donn\u00e9es quantitatives et incluses \u00e0 tort dans les d\u00e9compositions de variance.<\/p>\n Afin de concr\u00e9tiser l’apprentissage par l’exemple et de garantir la stricte reproductibilit\u00e9 des analyses expos\u00e9es tout au long de ce manuel, nous d\u00e9finissons un protocole d’\u00e9valuation psychologique standardis\u00e9. Imaginons une cohorte de dix patients cons\u00e9cutifs (identifi\u00e9s formellement de S01 \u00e0 S10) admis au sein d’une unit\u00e9 de diagnostic neuropsychologique. Chaque patient est soumis \u00e0 une batterie d’\u00e9valuation des fonctions ex\u00e9cutives et des capacit\u00e9s d’inhibition cognitive. Les performances des dix patients sont \u00e9valu\u00e9es de mani\u00e8re totalement ind\u00e9pendante par quatre cliniciens experts (identifi\u00e9s sous les appellations Juge_A, Juge_B, Juge_C et Juge_D) \u00e0 partir d’enregistrements vid\u00e9o standardis\u00e9s des passations de tests.<\/p>\n Ce jeu de donn\u00e9es empirique est formalis\u00e9 directement sous R en structurant un tableau de donn\u00e9es rectangulaire comprenant dix observations et quatre colonnes quantitatives continues mesur\u00e9es sur une \u00e9chelle d’\u00e9valuation neuropsychologique \u00e9talonn\u00e9e de 0 \u00e0 100 points :<\/p>\n Une inspection visuelle imm\u00e9diate de cette distribution num\u00e9rique r\u00e9v\u00e8le une r\u00e9gularit\u00e9 structurelle caract\u00e9ristique des protocoles d’\u00e9valuation clinique : le Juge_B tend syst\u00e9matiquement \u00e0 se montrer plus s\u00e9v\u00e8re que ses confr\u00e8res avec des scores moyens abaiss\u00e9s de trois \u00e0 quatre points, tandis que le Juge_C adopte une posture syst\u00e9matiquement plus indulgente avec des scores rehauss\u00e9s. La variance inter-sujets demeure n\u00e9anmoins substantielle, couvrant un spectre large allant de scores tr\u00e8s d\u00e9ficitaires (proches de 30) \u00e0 des performances remarquables (d\u00e9passant 90), configuration optimale pour tester la capacit\u00e9 de l’ICC \u00e0 discriminer accord absolu et coh\u00e9rence relative.<\/p>\n L’\u00e9tape pr\u00e9liminaire incontournable \u00e0 tout calcul statistique consiste \u00e0 auditer scrupuleusement l’int\u00e9grit\u00e9 de la matrice de scores. Cet audit d\u00e9bute par la v\u00e9rification des bornes de notation au moyen des fonctions de r\u00e9sum\u00e9 descriptif univari\u00e9. Le chercheur s’assure qu’aucun score n’outrepasse les limites th\u00e9oriques de l’\u00e9chelle d’administration (z\u00e9ro et cent dans notre exemple) et qu’aucune erreur typographique n’est venue corrompre les assignations num\u00e9riques.<\/p>\n Dans un second temps, l’analyse descriptive examine les param\u00e8tres de forme des distributions marginales pour chaque \u00e9valuateur. Le calcul du coefficient d’asym\u00e9trie (skewness<\/em>) et du coefficient d’aplatissement (kurtosis<\/em>) permet de rep\u00e9rer d’\u00e9ventuels \u00e9crasements de distribution (effets de plancher ou effets de plafond). Si un juge note l’ensemble de ses patients avec des valeurs comprim\u00e9es contre la limite sup\u00e9rieure de l’\u00e9chelle, la variance marginale de ce juge sera drastiquement restreinte, violant l’hypoth\u00e8se d’homosc\u00e9dasticit\u00e9 et faussant l’estimation des carr\u00e9s moyens d’erreur.<\/p>\n Enfin, l’\u00e9valuation pr\u00e9liminaire s’enrichit de l’examen d’une matrice de corr\u00e9lations bivari\u00e9es de Pearson et de graphiques de dispersion crois\u00e9s. Bien que la corr\u00e9lation bivari\u00e9e soit conceptuellement insuffisante pour quantifier la fid\u00e9lit\u00e9, des corr\u00e9lations bivari\u00e9es tr\u00e8s fortes associ\u00e9es \u00e0 des nuages de points lin\u00e9aires et parall\u00e8les d\u00e9cal\u00e9s par rapport \u00e0 la diagonale identitaire fournissent une confirmation heuristique imm\u00e9diate de la pr\u00e9sence d’un biais syst\u00e9matique inter-\u00e9valuateurs coupl\u00e9 \u00e0 une excellente coh\u00e9rence relative de classement.<\/p>\n Pour ex\u00e9cuter un calcul rigoureux du coefficient de corr\u00e9lation intraclasse \u00e0 l’aide de la fonction icc()<\/em> du package irr<\/em>, le statisticien doit traduire avec une exactitude math\u00e9matique scrupuleuse le design m\u00e9thodologique de son protocole dans les arguments formels de la fonction. La commande prend obligatoirement la forme d’un appel direct o\u00f9 le premier param\u00e8tre d\u00e9signe l’objet R contenant la matrice rectangulaire de donn\u00e9es d\u00e9barrass\u00e9e de toute colonne d’identification non num\u00e9rique.<\/p>\n L’argument model<\/em> doit \u00eatre renseign\u00e9 avec discernement. Dans l’\u00e9ventualit\u00e9 o\u00f9 le protocole a mobilis\u00e9 le m\u00eame panel fixe ou repr\u00e9sentatif de juges pour \u00e9valuer l’int\u00e9gralit\u00e9 des participants, la cha\u00eene de caract\u00e8res \u00ab\u00a0twoway\u00a0\u00bb<\/em> est assign\u00e9e \u00e0 ce param\u00e8tre. Si, au contraire, les sujets avaient \u00e9t\u00e9 not\u00e9s chacun par des observateurs ind\u00e9pendants non appari\u00e9s, l’argument aurait pris la valeur \u00ab\u00a0oneway\u00a0\u00bb<\/em>. L’argument type<\/em> exige de choisir explicitement entre \u00ab\u00a0agreement\u00a0\u00bb<\/em> si le chercheur vise \u00e0 p\u00e9naliser les d\u00e9calages de moyennes inter-juges, ou \u00ab\u00a0consistency\u00a0\u00bb<\/em> s’il souhaite \u00e9valuer exclusivement la pr\u00e9servation du rang relatif des cibles sans p\u00e9nalit\u00e9 de calibrage.<\/p>\n Le param\u00e8tre unit<\/em> finalise la sp\u00e9cification op\u00e9rationnelle en acceptant la valeur \u00ab\u00a0single\u00a0\u00bb<\/em> pour quantifier la fid\u00e9lit\u00e9 projective de la note attribu\u00e9e par un \u00e9valuateur individuel quelconque en situation diagnostique de routine, ou la valeur \u00ab\u00a0average\u00a0\u00bb<\/em> pour estimer la pr\u00e9cision de la moyenne arithm\u00e9tique globale calcul\u00e9e sur les quatre praticiens. Le seuil de couverture de l’intervalle de confiance est typiquement ajust\u00e9 via l’argument conf.level = 0.95<\/em> pour une couverture probabiliste standard \u00e0 95 %.<\/p>\n Appliquons cette syntaxe directement \u00e0 notre jeu de donn\u00e9es neuropsychologiques pour confronter empiriquement deux cas de figure m\u00e9thodologiques hautement repr\u00e9sentatifs. Dans le premier sc\u00e9nario, nous cherchons \u00e0 d\u00e9terminer la fid\u00e9lit\u00e9 diagnostique de l’\u00e9chelle lorsqu’un patient est examin\u00e9 par un seul clinicien en consultation standard, en tenant compte de la s\u00e9v\u00e9rit\u00e9 absolue des scores. L’ex\u00e9cution de la fonction icc()<\/em> est donc configur\u00e9e avec les arguments : model = \u00ab\u00a0twoway\u00a0\u00bb<\/em>, type = \u00ab\u00a0agreement\u00a0\u00bb<\/em>, unit = \u00ab\u00a0single\u00a0\u00bb<\/em>.<\/p>\n La sortie statistique g\u00e9n\u00e9r\u00e9e par R renvoie une valeur de coefficient de corr\u00e9lation intraclasse extr\u00eamement \u00e9lev\u00e9e, s’\u00e9tablissant \u00e0 approximativement 0,976, assortie d’un intervalle de confiance \u00e0 95 % particuli\u00e8rement resserr\u00e9 compris entre 0,937 et 0,993. Le test d’hypoth\u00e8se globale associ\u00e9 \u00e0 la statistique F<\/em> produit une valeur F<\/em> avoisinant 174 avec 9 degr\u00e9s de libert\u00e9 au num\u00e9rateur et 27 degr\u00e9s de libert\u00e9 au d\u00e9nominateur, affichant une valeur p<\/em> largement inf\u00e9rieure \u00e0 un pour mille (p<\/em> < 0.001), ce qui permet de rejeter sans \u00e9quivoque l’hypoth\u00e8se nulle d’ind\u00e9pendance des notations.<\/p>\n Dans un second sc\u00e9nario exp\u00e9rimental, supposons que nous souhaitions agr\u00e9ger les quatre notations au sein d’une commission d’attribution de prestations m\u00e9dico-sociales et que nous nous int\u00e9ressions exclusivement au classement des dossiers sans tenir compte des biais d’indulgence r\u00e9ciproques. Le param\u00e9trage devient : model = \u00ab\u00a0twoway\u00a0\u00bb<\/em>, type = \u00ab\u00a0consistency\u00a0\u00bb<\/em>, unit = \u00ab\u00a0average\u00a0\u00bb<\/em>. L’ex\u00e9cution de cette sp\u00e9cification projette le coefficient \u00e0 une magnitude exceptionnelle avoisinant 0,999, illustrant math\u00e9matiquement le double effet de l’\u00e9viction de la variance de biais inter-juges et de la r\u00e9duction massive de la variance d’erreur al\u00e9atoire permise par la loi de Spearman-Brown sur la moyenne des quatre avis cliniques.<\/p>\n Dans une cha\u00eene de traitement automatis\u00e9e ou lors de la r\u00e9daction d’un rapport dynamique automatis\u00e9 via R Markdown ou Quarto, il est m\u00e9thodologiquement inefficace de recopier manuellement les chiffres de la console vers le texte final. L’objet r\u00e9sultant de l’appel \u00e0 la fonction icc()<\/em> est une liste structur\u00e9e contenant des champs indexables qui facilitent l’extraction programmatique des param\u00e8tres cl\u00e9s.<\/p>\n L’inspection de la structure interne de l’objet au moyen de la fonction d’interrogation structurelle str()<\/em> r\u00e9v\u00e8le les \u00e9l\u00e9ments fondamentaux suivants :<\/p>\n Gr\u00e2ce \u00e0 cette nomenclature pr\u00e9visible, le chercheur peut formater directement un vecteur textuel ou une cellule de tableau au moyen de fonctions de mise en forme num\u00e9rique (telles que round()<\/em> ou sprintf()<\/em>), garantissant une reproductibilit\u00e9 sans faille et \u00e9liminant tout risque d’erreur humaine de transcription lors de la phase de publication des r\u00e9sultats.<\/p>\n Pour le praticien ou le psychom\u00e9tricien souhaitant une vue synoptique imm\u00e9diate sans ex\u00e9cuter s\u00e9quentiellement de multiples commandes individuelles, la fonction ICC()<\/em> du package psych<\/em> repr\u00e9sente l’outil d’investigation id\u00e9al. L’appel s’effectue en une ligne d’instruction unique en passant directement le tableau de donn\u00e9es \u00e0 la fonction. Contrairement au package irr<\/em>, la fonction de psych<\/em> traite l’ensemble des combinaisons canoniques de Shrout et Fleiss et d\u00e9livre un objet composite enrichi d’un tableau r\u00e9capitulatif complet.<\/p>\n La matrice de synth\u00e8se g\u00e9n\u00e9r\u00e9e restitue instantan\u00e9ment les six indices standards :<\/p>\n Pour chaque ligne du tableau, la fonction ICC()<\/em> fournit la valeur ponctuelle de l’indice, la statistique de Fisher F<\/em>, les degr\u00e9s de libert\u00e9, la valeur p<\/em> asymptotique, ainsi que les bornes inf\u00e9rieure et sup\u00e9rieure de l’intervalle de confiance \u00e0 95 %. Cette perspective synoptique met imm\u00e9diatement en lumi\u00e8re l’impact des sources de variance : un d\u00e9crochage net entre ICC2 et ICC3 atteste de l’existence d’une divergence syst\u00e9matique s\u00e9v\u00e8re entre les moyennes des \u00e9valuateurs, tandis qu’une proximit\u00e9 \u00e9troite entre ces deux indices confirme la quasi-absence de biais inter-juges.<\/p>\n L’interpr\u00e9tation exclusive de l’estimation ponctuelle d’un coefficient de corr\u00e9lation intraclasse constitue une faute m\u00e9thodologique majeure fr\u00e9quemment d\u00e9nonc\u00e9e dans la litt\u00e9rature biom\u00e9dicale. Un coefficient estim\u00e9 \u00e0 0,82 calcul\u00e9 sur un \u00e9chantillon restreint de dix participants peut pr\u00e9senter un intervalle de confiance \u00e0 95 % s’\u00e9tendant de 0,42 \u00e0 0,96, ce qui signifie que la fid\u00e9lit\u00e9 r\u00e9elle de l’instrument dans la population parente peut tout aussi bien \u00eatre m\u00e9diocre que quasi-parfaite. L’inf\u00e9rence statistique et la prise de d\u00e9cision diagnostique doivent obligatoirement s’appuyer sur l’examen rigoureux de la borne inf\u00e9rieure de l’intervalle de confiance.<\/p>\n Dans les packages irr<\/em> et psych<\/em>, les intervalles de confiance sont d\u00e9riv\u00e9s analytiquement \u00e0 partir des percentiles de la distribution F<\/em> de Fisher-Snedecor selon les formules exactes \u00e9tablies par Shrout et Fleiss (1979). En raison de la non-lin\u00e9arit\u00e9 du ratio de variance et de la troncature naturelle de l’ICC \u00e0 la valeur plafond de 1,0, les intervalles de confiance sont intrins\u00e8quement asym\u00e9triques, pr\u00e9sentant une extension plus ample vers les valeurs inf\u00e9rieures que vers les valeurs sup\u00e9rieures lorsque le coefficient est \u00e9lev\u00e9.<\/p>\n Sur le plan de l’inf\u00e9rence clinique, si la borne inf\u00e9rieure de l’intervalle de confiance \u00e0 95 % d’un test diagnostique passe sous le seuil critique de 0,70, l’instrument ne peut en aucun cas \u00eatre qualifi\u00e9 de hautement fiable pour une utilisation en milieu hospitalier ou m\u00e9dico-l\u00e9gal, nonobstant une estimation ponctuelle s\u00e9duisante sup\u00e9rieure \u00e0 0,80. La largeur de l’intervalle de confiance constitue un r\u00e9v\u00e9lateur impitoyable de la pr\u00e9cision m\u00e9trologique r\u00e9elle de l’\u00e9tude d’accord.<\/p>\n Lorsque la taille de l’\u00e9chantillon de sujets est restreinte (par exemple dans l’exploration de pathologies neurologiques orphelines o\u00f9 l’acc\u00e8s aux patients est limit\u00e9) ou lorsque la distribution empirique des scores viole ostensiblement le postulat de normalit\u00e9 multivari\u00e9e, les intervalles de confiance analytiques fond\u00e9s sur la distribution F<\/em> perdent de leur validit\u00e9 asymptotique. Dans de telles circonstances m\u00e9thodologiques d\u00e9favorables, le recours aux techniques non param\u00e9triques de r\u00e9-\u00e9chantillonnage intensif par bootstrap<\/a> repr\u00e9sente la solution d’inf\u00e9rence la plus robuste.<\/p>\n Le principe du bootstrap consiste \u00e0 tirer avec remise des milliers d’\u00e9chantillons pseudo-al\u00e9atoires (g\u00e9n\u00e9ralement 2 000 \u00e0 10 000 r\u00e9plicats) de taille n<\/em> \u00e0 partir de la matrice d’\u00e9valuation empirique originale, en r\u00e9-\u00e9chantillonnant les lignes (les sujets) tout en conservant la structure crois\u00e9e des colonnes (les juges). Pour chaque \u00e9chantillon g\u00e9n\u00e9r\u00e9, la fonction de calcul de l’ICC cible est recalcul\u00e9e, g\u00e9n\u00e9rant une distribution empirique compl\u00e8te du coefficient sans recourir \u00e0 la moindre hypoth\u00e8se distributionnelle param\u00e9trique.<\/p>\n L’extraction de l’intervalle de confiance par la m\u00e9thode des percentiles bootstrap ou par la m\u00e9thode ajust\u00e9e pour le biais et l’acc\u00e9l\u00e9ration (BCa) permet d’obtenir des bornes de confiance r\u00e9alistes, immunis\u00e9es contre l’asym\u00e9trie r\u00e9siduelle et l’h\u00e9t\u00e9rosc\u00e9dasticit\u00e9. Sous R, cette approche s’impl\u00e9mente avec une \u00e9l\u00e9gance parfaite en combinant la fonction de calcul de l’ICC avec le moteur de r\u00e9-\u00e9chantillonnage du package standard boot<\/em>, fournissant une validation crois\u00e9e d\u00e9cisive pour toute recherche \u00e0 vis\u00e9e translationnelle ou r\u00e9glementaire.<\/p>\n Pendant de nombreuses d\u00e9cennies, les chercheurs ont interpr\u00e9t\u00e9 les coefficients de corr\u00e9lation intraclasse \u00e0 travers des grilles de lecture intuitives mais h\u00e9t\u00e9rog\u00e8nes, telles que les crit\u00e8res de Landis et Koch initialement con\u00e7us pour le Kappa de Cohen. Afin d’unifier les pratiques et de mettre fin aux d\u00e9rives interpr\u00e9tatives laxistes, Terry K. Koo et Mae Y. Li ont publi\u00e9 en 2016 un article m\u00e9thodologique de r\u00e9f\u00e9rence au sein du Journal of Chiropractic Medicine<\/em>, formulant des directives explicites et rigoureuses adopt\u00e9es d\u00e9sormais par la quasi-totalit\u00e9 des revues biom\u00e9dicales et psychom\u00e9triques.<\/p>\n Selon les crit\u00e8res normatifs de Koo et Li, l’interpr\u00e9tation doit obligatoirement reposer sur la borne inf\u00e9rieure de l’intervalle de confiance \u00e0 95 % et s’articule autour de quatre strates de fid\u00e9lit\u00e9 clairement d\u00e9limit\u00e9es :<\/p>\n L’un des ph\u00e9nom\u00e8nes statistiques les plus pernicieux et les moins bien compris dans l’utilisation de l’ICC est sa d\u00e9pendance math\u00e9matique structurelle vis-\u00e0-vis de l’h\u00e9t\u00e9rog\u00e9n\u00e9it\u00e9 de l’\u00e9chantillon \u00e9valu\u00e9. Ce ph\u00e9nom\u00e8ne est connu sous le terme classique de restriction d’\u00e9tendue (range restriction<\/em>). Puisque le coefficient de corr\u00e9lation intraclasse est formellement d\u00e9fini comme la proportion de la variance des scores vrais des sujets rapport\u00e9e \u00e0 la variance totale observ\u00e9e, toute diminution artificielle de la variabilit\u00e9 inter-sujets entra\u00eene une chute vertigineuse de la valeur apparente de l’ICC, m\u00eame si la pr\u00e9cision absolue des \u00e9valuateurs demeure strictement inchang\u00e9e.<\/p>\n Illustrons cette vuln\u00e9rabilit\u00e9 conceptuelle : si un panel d’\u00e9valuateurs chevronn\u00e9s examine une cohorte clinique hautement h\u00e9t\u00e9rog\u00e8ne comprenant \u00e0 la fois des t\u00e9moins sains, des patients pr\u00e9sentant des troubles l\u00e9gers et des cas s\u00e9v\u00e8res, la variance inter-sujets sera massivement pr\u00e9pond\u00e9rante, catapultant l’ICC vers des valeurs excellentes (par exemple 0,92). Si ce m\u00eame panel de juges \u00e9value, avec rigoureusement la m\u00eame marge d’erreur millim\u00e9trique, une cohorte ultra-s\u00e9lectionn\u00e9e de patients recrut\u00e9s au sein d’une phase tr\u00e8s sp\u00e9cifique d’un essai th\u00e9rapeutique restreint, la variance inter-sujets sera quasi-nulle. En cons\u00e9quence, le d\u00e9nominateur de l’ICC sera domin\u00e9 par la variance d’erreur, provoquant l’effondrement m\u00e9canique du coefficient vers des valeurs m\u00e9diocres (par exemple 0,45).<\/p>\n Le chercheur doit donc faire preuve d’une prudence interpr\u00e9tative extr\u00eame. Un ICC bas dans une cohorte homog\u00e8ne ne signe pas n\u00e9cessairement un \u00e9chec de l’instrument de mesure, mais traduit simplement la limitation structurelle des indices fond\u00e9s sur des ratios de variance. Dans un tel contexte, la communication conjointe de l’Erreur Standard de Mesure (SEM) et du Changement Minimal D\u00e9tectable (MDC), qui s’expriment directement dans l’unit\u00e9 de mesure originale de l’\u00e9chelle sans \u00eatre alt\u00e9r\u00e9s par la variance d’\u00e9chantillonnage, s’av\u00e8re indispensable pour neutraliser le biais de restriction d’\u00e9tendue.<\/p>\n Le dimensionnement optimal d’une \u00e9tude de fid\u00e9lit\u00e9 inter-\u00e9valuateurs ne peut en aucun cas \u00eatre \u00e9tabli de mani\u00e8re arbitraire. Trop souvent, des \u00e9tudes cliniques mobilisent des \u00e9chantillons d\u00e9risoires de cinq \u00e0 huit patients \u00e9valu\u00e9s par deux praticiens, aboutissant \u00e0 des intervalles de confiance d’une largeur d\u00e9mesur\u00e9e qui privent les conclusions de toute port\u00e9e scientifique. La puissance statistique d’une \u00e9tude d’accord d\u00e9pend de l’interaction conjointe entre le nombre de sujets n<\/em>, le nombre d’\u00e9valuateurs k<\/em> et la magnitude de l’ICC cibl\u00e9 sous l’hypoth\u00e8se alternative.<\/p>\n Sous R, le package sp\u00e9cialis\u00e9 ICC<\/em> met \u00e0 disposition des fonctions d\u00e9di\u00e9es au calcul de puissance et \u00e0 l’optimisation de la taille d’\u00e9chantillon. La fonction Nest()<\/em> permet de r\u00e9soudre l’\u00e9quation d’arbitrage co\u00fbt-b\u00e9n\u00e9fice exp\u00e9rimental. Par exemple, si l’on cherche \u00e0 d\u00e9montrer avec une puissance statistique de 80 % et un risque alpha de 5 % que la borne inf\u00e9rieure de l’intervalle de confiance d’un ICC ne descendra pas sous 0,70 sachant que l’ICC attendu est de 0,85, l’accroissement du nombre de juges de deux \u00e0 trois ou quatre permet de r\u00e9duire substantiellement le nombre de sujets requis dans l’\u00e9chantillon.<\/p>\n Dans la plupart des contextes cliniques o\u00f9 le recrutement de patients est financi\u00e8rement et temporellement plus on\u00e9reux que la mobilisation de praticiens au sein de l’\u00e9quipe de recherche, recruter trois ou quatre \u00e9valuateurs ind\u00e9pendants pour noter une cohorte cibl\u00e9e de trente participants constitue g\u00e9n\u00e9ralement un compromis m\u00e9thodologique bien plus puissant et \u00e9conome que de chercher \u00e0 \u00e9valuer cent patients avec deux \u00e9valuateurs seulement.<\/p>\n Dans les protocoles empiriques r\u00e9els impliquant de multiples \u00e9valuateurs humains et des passations cliniques \u00e9chelonn\u00e9es dans le temps, la survenue de donn\u00e9es manquantes est un \u00e9cueil fr\u00e9quent : un juge omet de remplir un item sur une grille d’observation, un enregistrement vid\u00e9o s’av\u00e8re partiellement inaudible, ou un \u00e9valuateur se trouve dans l’impossibilit\u00e9 d’assister \u00e0 une session clinique sp\u00e9cifique. Les fonctions d’analyse standardis\u00e9es telles que icc()<\/em> du package irr<\/em> imposent par d\u00e9faut une suppression stricte par liste compl\u00e8te (listwise deletion<\/em>). Cette pratique rudimentaire \u00e9limine l’int\u00e9gralit\u00e9 du sujet d\u00e8s lors qu’une seule note est manquante parmi les k<\/em> \u00e9valuateurs.<\/p>\n Cette suppression par liste entra\u00eene des cons\u00e9quences d\u00e9l\u00e9t\u00e8res : d’une part, elle r\u00e9duit drastiquement la taille effective de l’\u00e9chantillon et ampute la puissance statistique de l’\u00e9tude ; d’autre part, si les donn\u00e9es manquantes ne sont pas totalement al\u00e9atoires (m\u00e9canisme MCAR), elle introduit un biais syst\u00e9matique d’attrition susceptible de sur\u00e9valuer ou de sous-\u00e9valuer artificiellement la fid\u00e9lit\u00e9 r\u00e9elle. Pour pallier cette faiblesse, la m\u00e9thodologie contemporaine pr\u00e9conise deux approches dominantes : les mod\u00e8les lin\u00e9aires \u00e0 effets mixtes et l’imputation multiple.<\/p>\n2. Fondements math\u00e9matiques et comparaison avec d’autres indices statistiques<\/h2>\n
2.1 D\u00e9composition de la variance par l’analyse de variance (ANOVA)<\/h3>\n
2.2 Comparaison critique : ICC versus Kappa de Cohen et Fleiss<\/h3>\n
2.3 Hypoth\u00e8ses sous-jacentes et conditions d’application<\/h3>\n
3. Typologie compl\u00e8te des mod\u00e8les d’ICC selon Shrout et Fleiss<\/h2>\n
3.1 S\u00e9lection du mod\u00e8le : mod\u00e8le \u00e0 1 facteur vs mod\u00e8le \u00e0 2 facteurs<\/h3>\n
3.2 Distinction entre coh\u00e9rence (Consistency) et accord absolu (Agreement)<\/h3>\n
3.3 Unit\u00e9 d’analyse : mesure individuelle (Single) versus mesure moyenne (Average)<\/h3>\n
4. Pr\u00e9paration de l’\u00e9cosyst\u00e8me R et installation des extensions requises<\/h2>\n
4.1 Configuration de l’environnement R et de RStudio<\/h3>\n
4.2 Pr\u00e9sentation d\u00e9taill\u00e9e du package ‘irr’<\/h3>\n
4.3 Pr\u00e9sentation du package ‘psych’ de William Revelle<\/h3>\n
5. Structuration et mise en forme des donn\u00e9es psychom\u00e9triques dans R<\/h2>\n
5.1 Formatage des matrices d’\u00e9valuation : format large versus format long<\/h3>\n
5.2 Cr\u00e9ation d’un jeu de donn\u00e9es synth\u00e9tique pour le tutoriel<\/h3>\n
\n
5.3 Audit qualit\u00e9 des donn\u00e9es avant analyse<\/h3>\n
6. Calcul de l’ICC pas \u00e0 pas avec le package ‘irr’<\/h2>\n
6.1 Param\u00e9trage exact de la syntaxe icc()<\/h3>\n
6.2 Ex\u00e9cution de calculs types repr\u00e9sentatifs<\/h3>\n
6.3 Extraction programmatique des r\u00e9sultats de l’objet R<\/h3>\n
\n
7. Analyse approfondie avec le package ‘psych’<\/h2>\n
7.1 Utilisation de la fonction ICC() du package ‘psych’<\/h3>\n
\n
7.2 Intervalles de confiance et inf\u00e9rence robuste<\/h3>\n
7.3 Approches par r\u00e9-\u00e9chantillonnage (Bootstrap)<\/h3>\n
8. Grille d’interpr\u00e9tation clinique et psychom\u00e9trique des coefficients<\/h2>\n
8.1 Seuils d’interpr\u00e9tation selon Koo et Li (2016)<\/h3>\n
\n
8.2 Cons\u00e9quences psychom\u00e9triques de la restriction d’\u00e9tendue<\/h3>\n
8.3 Sensibilit\u00e9 au nombre de juges et dimensionnement de l’\u00e9chantillon<\/h3>\n
9. Traitement des valeurs manquantes et violations des postulats<\/h2>\n
9.1 Strat\u00e9gies face aux donn\u00e9es manquantes (Missing Data)<\/h3>\n