2 - Méta-analyses Flashcards
Qu’est-ce qu’une méta-analyse ?
Résumé de la littérature concernant une question de recherche basé sur des méthodes statistiques pour analyser les résultats d’une revue systématique (analyse quantitative)
À quoi servent les méta-analyses ?
- Augmenter la précision de l’estimé de l’effet en augmentant le nombre de sujets étudiés
- Expliquer la variabilité des résultats observés entre les étude
- Évaluer l’effet dans un sous-groupe de population
- Générer de nouvelles hypothèses pour des études futures
Quels sont les étapes d’une méta-analyse ?
- Définir la question de recherche
- Rédiger le protocole et définir les critères de sélection
- Localiser les études
- Identifier les études qui satisfont aux critères de sélection
- Extraire les données des études
- Évaluer le risque de biais dans les études
- Combiner statistiquement les résultats
- Identifier les limites de l’étude
Quels éléments sont à inclure dans un protocole de recherche ?
Objectifs, critères d’inclusion / d’exclusion, stratégies de recherche (bases de données), issues de recherche, méthodologie
Comment localiser les études à inclure dans une méta-analyse ?
- Bases de données électroniques
- Revues systématiques / méta-analyses précédentes
- Références des études
- Thèses / dissertations
- Littérature grise (biais de publication)
Comment se fait la sélection des études à inclure dans une méta-analyse ?
Au moins 2 évaluateurs indépendants pour limiter la subjectivité
Retrait des publications portant sur la même étude (doublons)
Quelles données sont à inclure dans une méta-analyses ?
Données générales sur les publications
Données spécifiques aux études
Données quantitatives
Comment utiliser le résultat de l’évaluation du risque de biais ?
Restreindre l’analyse aux études ayant un faible risque de biais pour éviter la surestimation des estimés
Quels sont les étapes pour combiner statistiquement les résultats ?
- Choix de la mesure d’association (RR ou OR)
- Présentation graphique des données (forest plot)
- Évaluation de l’hétérogénéité des études
- Choix du modèle statistique
- Analyses en sous-groupes et/ou de sensibilité
Comment s’évalue l’hétérogénéité ?
- Statistique Q : faible valeur p indique la présence d’hétérogénéité
- Statistique I² : % de variations des mesures d’association qui a due à l’hétérogénéité plutôt qu’au hasard
Q < 0.10 ou I² > 50% = hétérogénéité = ne pas combiner statistiquement les résultats des études
Quels sont les 2 modèles statistiques ?
- Modèle à effet fixe : à utiliser lorsque les études sont similaires car suppose que les différences des résultats sont dues au hasard
- Modèle à effets aléatoires : à utiliser lorsque les études varient en terme d’intervention / population
Qu’est-ce qu’un biais de publication ?
Études avec des résultats positifs / statistiquement significatifs ont plus de chances d’être publiées que celles avec des résultats négatifs ce qui mène à une surestimation des estimés
Comment évaluer la présence d’un biais de publication ?
- Méthode de Rosenthal : estimer le nombre d’études non publiées avec un résultat négatif qui doivent exister pour inverser le résultat positif généré par une méta-analyse (plus le nombre augmente, plus le risque de biais diminue)
- Funnel plots : mesure de l’effet vs nombre de patients (nuage de points en entonnoir inversé indique une absence de biais)
Quels sont les avantages et les limites des méta-analyses ?
+ : transparentes, objectives, peu de biais, réponse à des questions de recherche, peu coûteuses, éthiques
- : mauvaises informations = mauvais résultats, pas de combinaisons si devis / interventions différents, biais de publication possible, doivent être mises à jour
À quoi sert la grille d’évaluation AMSTAR ?
Évaluer la qualité des revues systématiques et des méta-analyses méthodologiquement
