ANOVA ou test de Kruskal-Wallis en kinésithérapie : comment comparer vos groupes de patients ?

ANOVA ou test de Kruskal–Wallis : comment comparer vos groupes de patients ?

Vous comparez trois protocoles de rééducation du genou, quatre groupes de patients selon leur âge, ou plusieurs techniques de renforcement musculaire. Dès que votre mémoire de kinésithérapie implique plus de deux groupes, une question surgit inévitablement : faut‑il utiliser une ANOVA ou un test de Kruskal–Wallis — autrement dit, opter pour le test paramétrique ou son alternative non paramétrique ?

Ce choix n'est pas anodin : se tromper de test, c'est risquer de fragiliser la validité de toute votre analyse. Dans cet article, nous décortiquons les deux approches, clarifions leurs conditions d'application, et vous proposons une méthode concrète pour décider de façon justifiée dans votre mémoire.

Pourquoi comparer plus de deux groupes pose un problème particulier

Avant d’entrer dans le choix ANOVA vs Kruskal–Wallis, rappelons pourquoi on ne peut pas simplement enchaîner des tests t de Student ou des tests de Mann–Whitney lorsque l’on a trois groupes ou plus.

Imaginons que vous testez trois groupes :

• rééducation passive,
• rééducation active,
• rééducation combinée.

Si vous réalisez trois comparaisons deux à deux (1 vs 2, 1 vs 3, 2 vs 3) avec un seuil α = 0,05 pour chaque test, la probabilité de commettre au moins une erreur de type I (conclure à tort à une différence) grimpe à environ 14%. C’est le phénomène d’inflation du risque alpha.

Les tests conçus pour la comparaison multi‑groupes — ANOVA et Kruskal–Wallis — répondent à ce problème en effectuant un test global unique qui contrôle le risque d’erreur familial. C’est leur première vertu commune.

L’ANOVA à un facteur : puissante, mais exigeante

Ce que fait l’ANOVA

L’ANOVA à un facteur (one‑way ANOVA) compare les moyennes de plusieurs groupes en décomposant la variabilité totale en :

• variabilité entre les groupes (due au facteur étudié, par exemple le type de protocole) ;
• variabilité à l’intérieur des groupes (variations individuelles).

Le rapport de ces deux variances produit la statistique F. Un F élevé suggère que les groupes ne sont pas tous identiques en termes de moyenne.

Exemple : vous mesurez le score fonctionnel de Lysholm après 12 semaines dans trois groupes de patients opérés du LCA. L’ANOVA vous dira si, globalement, au moins un protocole conduit à un score moyen différent des autres.

Les conditions à vérifier (et à discuter)

L’ANOVA repose sur plusieurs hypothèses. L’objectif n’est pas d’exiger une perfection mathématique, mais de vérifier que ces conditions sont raisonnablement satisfaites ou d’adapter le test si nécessaire.

1. Normalité des résidus L’ANOVA suppose que les résidus (écarts des valeurs par rapport à la moyenne de leur groupe) suivent une distribution approximativement normale. En pratique, pour une ANOVA à un facteur, tester la normalité des données dans chaque groupe (via Shapiro–Wilk + histogrammes / Q–Q plots) revient à vérifier que les résidus ne s’écartent pas trop de la normalité.

• Sur des petits échantillons (typique en kiné), le test de Shapiro–Wilk est utile mais sensible : il peut rejeter la normalité pour des écarts modestes.
• Les graphiques (Q–Q plots, histogrammes) sont indispensables pour interpréter le test avec discernement.

1. Homogénéité des variances Les variances dans chaque groupe doivent être suffisamment comparables.

• Le test de Levene est la référence pour vérifier cette hypothèse.
• Si les variances sont clairement différentes (p < 0,05), vous pouvez utiliser une ANOVA de Welch, qui est une version robuste ne supposant pas l’égalité des variances.

1. Indépendance des observations Chaque patient ne doit appartenir qu’à un seul groupe et les mesures ne doivent pas être corrélées entre individus (pas de mesures répétées, ni de structure hiérarchique non modélisée). Cette condition est généralement satisfaite dans les designs inter‑sujets classiques (trois protocoles, trois groupes distincts).

L’important, dans votre mémoire, est de montrer que vous avez vérifié ces conditions (tests + graphiques), et d’expliquer comment vous avez adapté votre choix en cas de violation.

Que faire si l’ANOVA est significative ?

Un résultat significatif à l’ANOVA (p < 0,05) signifie qu’au moins un groupe diffère, mais ne dit pas lequel.

Vous devez alors réaliser des tests post‑hoc pour comparer les groupes deux à deux, avec correction pour les comparaisons multiples :

• Tukey HSD : adapté si les effectifs sont proches et les variances homogènes.
• Bonferroni : plus conservateur, applicable dans de nombreuses situations.
• Games–Howell : recommandé si les variances sont hétérogènes et les effectifs différents.

Complétez ces tests par une taille d’effet, par exemple :

• η² (eta carré) pour l’ANOVA :
• ≈ 0,01 : effet faible ;
• ≈ 0,06 : effet modéré ;
• ≈ 0,14 : effet important.

Cela vous permettra de donner une interprétation clinique à vos résultats, au‑delà de la simple significativité statistique.

Le test de Kruskal–Wallis : l’alternative non paramétrique

Principe

Le test de Kruskal–Wallis est l’équivalent non paramétrique de l’ANOVA à un facteur.

Au lieu de travailler sur les valeurs brutes, il transforme toutes les observations en rangs (du plus petit au plus grand), puis compare la distribution de ces rangs entre les groupes.

Cette approche le rend :

• plus robuste aux distributions très asymétriques ;
• adapté aux données ordinales (scores de douleur, stades fonctionnels, scores sur échelles ordinales) ;
• plus prudent lorsque les effectifs sont faibles et la normalité difficile à défendre.

Exemple : pour des groupes de patients douloureux chroniques avec 8 à 12 personnes par bras, Kruskal–Wallis est souvent un choix méthodologique plus sûr qu’une ANOVA classique.

Quand le choisir ?

Optez pour Kruskal–Wallis dans les situations suivantes :

• La normalité est clairement rejetée (p < 0,05 au test de Shapiro–Wilk) dans au moins un groupe, et les effectifs par groupe sont petits (souvent < 30), ce qui rend l’invocation du théorème central limite discutable.
• Votre variable de résultat est ordinale : EVA douleur, score de Barthel, stades fonctionnels, échelles de satisfaction en quelques niveaux.
• La distribution présente des valeurs aberrantes (outliers) cliniquement difficiles à justifier, que vous ne pouvez pas exclure sans altérer la représentativité de l’échantillon.
• Vous avez essayé des transformations (log, racine carrée) sans améliorer suffisamment la normalité ou l’homogénéité des variances.

Après Kruskal–Wallis : les post‑hoc non paramétriques

Comme l’ANOVA, un test de Kruskal–Wallis significatif (p < 0,05) indique qu’au moins un groupe diffère, mais pas lesquels.

Les analyses post‑hoc usuelles sont :

• comparaisons par paires avec le test de Dunn,
• combinées à une correction pour comparaisons multiples (Bonferroni, Holm, ou Benjamini–Hochberg pour contrôler le FDR en exploratoire).

Pour la taille d’effet :

• vous pouvez rapporter un epsilon carré (ε²) pour l’ensemble du test ;
• ou un r de rang pour chaque comparaison par paire.

Ces indicateurs renforcent la dimension clinique de vos conclusions.

Guide de décision étape par étape

Voici une méthode simple pour structurer votre choix dans un mémoire de kinésithérapie :

1. Définissez votre variable dépendante

• Continue (force musculaire en Newton, amplitude articulaire en degrés, temps en secondes) → ANOVA possible.
• Ordinale (score fonctionnel de 1 à 5, EVA douleur 0–10 considérée comme rangs) → Kruskal–Wallis recommandé.

1. Vérifiez la normalité dans chaque groupe

• Test de Shapiro–Wilk + histogrammes / Q–Q plots.
• Si p ≥ 0,05 dans tous les groupes et les graphiques ne montrent pas d’écarts majeurs, la normalité est acceptable.
• Si p < 0,05 dans un ou plusieurs groupes, notez‑le et regardez la taille des groupes.

1. Vérifiez l’homogénéité des variances

• Test de Levene.
• Si p ≥ 0,05 → variances jugées homogènes.
• Si p < 0,05 → variances hétérogènes, privilégier une ANOVA de Welch ou envisager Kruskal–Wallis si les effectifs sont petits.

1. Décidez en fonction des conditions et de la taille d’échantillon

• Normalité ✔ + variances homogènes ✔
• → ANOVA classique.
• Normalité ✔ + variances hétérogènes ✘
• → ANOVA de Welch + post‑hoc adaptés (par ex. Games–Howell).
• Normalité ✘ + effectifs < ~30 par groupe
• → Kruskal–Wallis + post‑hoc de Dunn.
• Normalité ✘ mais effectifs ≥ ~30 par groupe, distribution sans forte asymétrie ni outliers extrêmes
• → ANOVA peut rester robuste grâce au théorème central limite ; Kruskal–Wallis reste néanmoins une option défendable si vous souhaitez être très prudent.

1. Complétez toujours par :

• des tests post‑hoc,
• des tailles d’effet (η², ε², r),
• et une interprétation clinique (différence en degrés, en Newton, en niveaux de douleur…).

Dans la pratique, le jugement clinique et les contraintes de votre étude jouent aussi un rôle. N’hésitez pas à discuter ces choix avec votre directeur de mémoire.

Exemple concret : comparer trois protocoles de rééducation de l’épaule

Vous étudiez l’effet de trois protocoles sur l’amplitude d’abduction de l’épaule (en degrés) après chirurgie de la coiffe des rotateurs :

• Groupe A : mobilisation passive seule (n = 12).
• Groupe B : mobilisation active assistée (n = 14).
• Groupe C : programme combiné (n = 11).

Étape 1 – Variable

• Amplitude en degrés → variable continue, compatible avec ANOVA ou Kruskal–Wallis selon la suite.

Étape 2 – Normalité

Test de Shapiro–Wilk :

• Groupe A : p = 0,32.
• Groupe B : p = 0,08.
• Groupe C : p = 0,02.

La normalité est rejetée pour le groupe C, et les graphiques montrent une légère asymétrie et un outlier.

Étape 3 – Taille des groupes

Effectifs faibles (11–14 par groupe). Le théorème central limite ne justifie pas pleinement une ANOVA paramétrique.

Choix : Kruskal–Wallis

Vous utilisez donc le test de Kruskal–Wallis.

Résultat fictif :

• H(2) = 8,43, p = 0,015 → différence globale significative.

Post‑hoc de Dunn :

• C vs A : p ajusté = 0,018 → différence significative.
• C vs B : p ajusté = 0,12 → non significatif.

Taille d’effet :

• ε² = 0,28 → effet large.

Conclusion clinique : le protocole combiné entraîne un gain d’amplitude significativement supérieur à la mobilisation passive seule, avec un effet d’ampleur importante.

C’est exactement ce type de démarche claire et traçable que les jurys apprécient.

Conclusion

Le choix entre ANOVA et Kruskal–Wallis pour comparer plusieurs groupes de patients n’est pas une question de préférence personnelle, mais une décision méthodologique fondée sur :

• la nature de votre variable (continue vs ordinale) ;
• la normalité et l’homogénéité des variances ;
• la taille de vos groupes ;
• et la cohérence avec le contexte clinique.

En résumé :

• Vérifiez de manière explicite la normalité et les variances avant de choisir.
• Si les conditions de l’ANOVA ne sont pas réunies et que vos groupes sont petits, Kruskal–Wallis est votre allié naturel.
• Quelle que soit la méthode, complétez vos résultats par des post‑hoc et des tailles d’effet, et discutez les implications cliniques, pas seulement les p‑valeurs.

C’est cette combinaison de rigueur statistique et de sens clinique qui donne du poids à votre mémoire de kinésithérapie.

Vous travaillez en ce moment sur un mémoire ou sur un article de kinésithérapie ou de sciences paramédicales et vous n'êtes pas sûr du test à appliquer à vos données ? L'équipe Zycral vous accompagne : analyse statistique personnalisée, vérification des hypothèses, interprétation des résultats et rédaction de la section méthodes. Découvrez nos services d'accompagnement statistique et avancez dans votre mémoire avec sérénité.