The number of subjects in sensory panels : a data base approch

Le nombre de sujets du panel détermine en grande partie le coût des études descriptives et hédoniques de l'analyse sensorielle. Une fois les risques α et β fixés, ce nombre peut théoriquement être calculé, dés lors que l'on connait la variabilité de la mesure due à l'hétérogénéité de la population visée et que l'on fixe la taille de la différence que l'on désire mettre en évidence. En général, l'ordre de grandeur du premier de ces paramètres est inconnu alors que celui du second est délicat à préciser pour l'expérimentateur. Ce travail propose une documentation systématique des valeurs prises dans la réalité par ces deux paramètres grâce à l'exploitation de deux bases de données, SensoBase et PrefBase, contenant respectivement un millier de jeux de données descriptives et quelques centaines de jeux de données hédoniques. Pratiquement, des recommandations pour la taille de panel sont établies sous forme d'abaques prenant en compte trois niveaux pour chacun des deux risques et des deux paramètres.D'autre part, ce travail étudie le nombre de sujets dans chacun des deux types de panel par une approche de ré-échantillonnage qui consiste à réduire progressivement le nombre de sujets tant que les résultats de l'analyse statistique demeurent stables. En moyenne, la taille des panels descriptifs pourrait être réduite d'un quart du nombre de sujets, mais cette moyenne cache une forte hétérogénéité selon le type de descripteurs considéré. La taille optimale des panels hédoniques serait elle très variable et cette variabilité est induite beaucoup plus par la nature et l'importance des différences entre les produits que par l'hétérogénéité des préférences individuelles. De plus, une même approche de ré-échantillonnage appliquée aux répétitions en tests descriptifs suggère que les répétitions ne sont plus nécessaires en phase de mesure, c'est-à-dire une fois le panel entraînéThe costs associated with sensory evaluation increase with the number of panelists to be enrolled. Classical power computation can be used to derive the minimal number of subjects of a sensory panel in order to control both type I (α risk) and type II (β risk) errors. However, this power computation requires estimates of the size of the product effect to be sought and of the residual variability of the ANOVA model used. Generally, both product effect size and residual variability are difficult to estimate a priori by the sensory analyst. This work offers estimations of these two parameters thanks to the analysis of hundreds descriptive andhedonic studies collected respectively in two databases, SensoBase and PrefBase. The meta-analysis of the data allowed to quantify these two parameters and made possible the calculation of the number of panelists. Hence, tables of panel sizes were proposed for 3 levels of respectively product effect size, residual variability and type I and II errors. Of course, this was done independently for descriptive and hedonic tests.Another approach based on resampling in numerous datasets was applied for both descriptive and hedonic studies. The method used to derive adequate panel size consisted in removing k subjects from the N of the original panel and then measuring the loss of information in product comparisons. For descriptive panels, panel size could be reduced by a quarter but this reduction strongly depends on the type of attributes. For hedonic panels, panel sizes varied extremely and depended mainly on the size of the liking differences between products to be compared. We expect that this difference is directly affected by the level of sensory complexity of the products. Finally, the resampling approach was applied to examine the need to replicate with trained sensory panels. Results suggested that replicates are no longer necessary at the testing phase, that is once the panel is traine