Les contrôles éliminent les explications alternatives des résultats expérimentaux, en particulier les erreurs expérimentales et les biais de lexpérimentateur. De nombreux contrôles sont spécifiques au type dexpérience en cours, comme dans les marqueurs moléculaires utilisés dans les expériences SDS-PAGE, et peuvent simplement avoir pour but de sassurer que léquipement fonctionne correctement. La sélection et lutilisation de contrôles appropriés pour sassurer que les résultats expérimentaux sont valides (par exemple, labsence de variables de confusion) peuvent être très difficiles. Les mesures de contrôle peuvent également être utilisées à dautres fins: par exemple, une mesure du bruit de fond dun microphone en labsence de signal permet de soustraire le bruit des mesures ultérieures du signal, produisant ainsi un signal traité de meilleure qualité.
Par exemple, si un chercheur donne un édulcorant artificiel expérimental à soixante rats de laboratoire et constate que dix dentre eux tombent malades par la suite, la cause sous-jacente pourrait être lédulcorant lui-même ou quelque chose sans rapport. Dautres variables, qui peuvent ne pas être facilement évidente, peut interférer avec la conception expérimentale. Par exemple, lédulcorant artificiel pourrait être mélangé avec un diluant et ce pourrait être le diluant qui provoque leffet. Pour contrôler leffet du diluant, le même essai est effectué deux fois; une fois avec lédulcorant artificiel dans le diluant, et un autre fait exactement de la même manière, mais en utilisant le diluant seul. Maintenant, lexpérience est contrôlée pour le diluant et lexpérimentateur peut distinguer entre édulcorant, diluant et non-traitement. Des contrôles sont le plus souvent nécessaires lorsquun facteur de confusion ne peut pas être facilement séparé des traitements primaires. Par exemple, il peut être nécessaire dutiliser un tracteur pour épandre de lengrais là où il ny a pas dautre moyen pratique dépandre lengrais. La solution la plus simple est davoir un traitement où un tracteur est conduit sur des parcelles sans épandre dengrais et de cette façon les effets de la circulation du tracteur sont contrôlés.
Les types de contrôle les plus simples sont les contrôles négatifs et positifs, et les deux se retrouvent dans de nombreux types dexpériences. Ces deux contrôles, lorsque les deux réussissent, sont généralement suffisants pour éliminer la plupart des variables de confusion potentielles: cela signifie que lexpérience produit un résultat négatif lorsquun résultat négatif est attendu, et un résultat positif lorsquun résultat positif est attendu.
NegativeEdit
Là où il ny a que deux résultats possibles, par exemple positif ou négatif, si le groupe de traitement et le témoin négatif produisent tous deux un résultat négatif, on peut en déduire que le traitement na eu aucun effet. Si le groupe de traitement et le témoin négatif produisent tous deux un résultat positif, on peut en déduire quune variable confondante est impliquée dans le phénomène à létude, et les résultats positifs ne sont pas uniquement dus au traitement.
In dautres exemples, les résultats peuvent être mesurés en termes de durées, de temps, de pourcentages, etc. Dans lexemple du dépistage des drogues, nous pourrions mesurer le pourcentage de patients guéris. Dans ce cas, le traitement est supposé navoir aucun effet lorsque le groupe de traitement et le témoin négatif produisent les mêmes résultats. Une certaine amélioration est attendue dans le groupe placebo en raison de leffet placebo, et ce résultat définit la ligne de base sur laquelle le traitement doit saméliorer. Même si le groupe de traitement montre une amélioration, il doit être comparé au groupe placebo. Si les groupes montrent le même effet, alors le traitement nest pas responsable de lamélioration (car le même nombre de patients a été guéri en labsence du traitement). Le traitement nest efficace que si le groupe de traitement montre plus damélioration que le groupe placebo.
PositiveEdit
Des contrôles positifs sont souvent utilisés pour évaluer la validité du test. Par exemple, pour évaluer la capacité dun nouveau test à détecter une maladie (sa sensibilité), nous pouvons le comparer à un autre test qui est déjà connu pour fonctionner. Le test bien établi est le contrôle positif, car nous savons déjà que la réponse à la question (si le test fonctionne) est oui.
De même, dans un test enzymatique pour mesurer la quantité dune enzyme dans un ensemble dextraits, un contrôle positif serait un test contenant un quantité connue de lenzyme purifiée (alors quun contrôle négatif ne contiendrait pas denzyme). Le contrôle positif devrait donner une grande quantité dactivité enzymatique, tandis que le contrôle négatif devrait donner une activité très faible ou nulle.
Si le le contrôle positif ne produit pas le résultat attendu, il peut y avoir un problème avec la procédure expérimentale et lexpérience est répétée.Pour les expériences difficiles ou compliquées, le résultat du contrôle positif peut également aider par rapport aux résultats expérimentaux précédents.Par exemple, si le test de la maladie bien établi a été déterminé comme ayant la même efficacité que celle trouvée par les expérimentateurs précédents, cela indique que lexpérience est réalisée de la même manière que les expérimentateurs précédents.
Lorsque cela est possible , plusieurs contrôles positifs peuvent être utilisés – sil y a plus dun test de maladie connu pour être efficace, plus dun peut être testé. Plusieurs contrôles positifs permettent également des comparaisons plus fines des résultats (étalonnage ou standardisation) si les résultats attendus des contrôles positifs ont des tailles différentes. Par exemple, dans le test enzymatique discuté ci-dessus, une courbe standard peut être produite en faisant de nombreux échantillons différents avec différentes quantités denzyme.
RandomizationEdit
En randomisation, les groupes qui reçoivent différents traitements expérimentaux sont déterminés au hasard. Bien que cela ne garantisse pas quil ny ait pas de différences entre les groupes, cela garantit que les différences sont réparties de manière égale, corrigeant ainsi les erreurs systématiques.
Par exemple, dans les expériences où le rendement des cultures est affecté (par exemple, la fertilité du sol ), lexpérience peut être contrôlée en attribuant les traitements à des parcelles de terrain sélectionnées au hasard. Cela atténue leffet des variations de la composition du sol sur le rendement.
Expériences à laveugleModifier
Laveugle est la pratique de retenir des informations qui peuvent biaiser une expérience. Par exemple, les participants peuvent ne pas savoir qui a reçu un traitement actif et qui a reçu un placebo. Si ces informations devenaient disponibles pour les participants à lessai, les patients pourraient recevoir un effet placebo plus important, les chercheurs pourraient influencer lexpérience pour répondre à leurs attentes (leffet dobservateur) et les évaluateurs pourraient être sujets à un biais de confirmation. Un aveugle peut être imposé à nimporte quel participant dune expérience, y compris les sujets, les chercheurs, les techniciens, les analystes de données et les évaluateurs. Dans certains cas, une chirurgie fictive peut être nécessaire pour obtenir laveuglement.
Au cours dune expérience, un participant est libéré de laveugle sil déduit ou obtient autrement des informations qui lui ont été masquées. La levée de laveugle qui survient avant la conclusion dune étude est une source derreur expérimentale, car le biais qui a été éliminé par laveugle est réintroduit. La levée de linsu est courante dans les expériences à laveugle et doit être mesurée et rapportée. La méta-recherche a révélé des niveaux élevés de levée de linsu dans les essais pharmacologiques. En particulier, les essais sur les antidépresseurs sont mal aveugles. Les lignes directrices en matière de rapports recommandent que toutes les études évaluent et signalent la levée de linsu. Dans la pratique, très peu détudes évaluent la levée de linsu.
La mise en aveugle est un outil important de la méthode scientifique et est utilisée dans de nombreux domaines de recherche. Dans certains domaines, comme la médecine, il est considéré comme essentiel. Dans la recherche clinique, un essai qui nest pas un essai en aveugle est appelé essai ouvert.