Cours 5 : INTRODUCTION À LA MÉTA-ANALYSE ET AU CONCEPT DE TAILLE D’EFFET

Question 1

De quoi découle le besoin de méta-analyse?

Answer 1

Le besoin des méta-analyses découle des p. On les interprète de manière erroné comme des tailles d’effets alors qu’un p ne transmet que les informations suivantes :

• Il y a moins de 5% des chances que si l’hypothèse nulle était vraie, les résultats de l’étude soit obtenue.
• Donc, on conclut que l’hypothèse nulle est fausse.

Question 2

Si l’hypothèse nulle est rejetée, l’hx alternative est-elle nécessairement vraie?
Est-ce qu’un p très petit signifie des résultats très significatifs?

Answer 2

Non et non. Rajouter des sujets diminuera le p, augmente les chances d’avoir un résultat significatif sans avoir un tx meilleur.

Question 3

Quel est le meilleur indice pour savoir si un traitement est efficace?

Answer 3

Le meilleur indice c’est la taille d’effet.

Question 4

Objectif 1 (Définir le concept de méta-analyse)

Que fait la méta-analyse avec les tailles d’effets?

Answer 4

La méta-analyse combine des tailles d’effet en fonction de la fiabilité des résultats de chaque étude et ne se soucie pas de savoir si l’étude originale a « déclaré » les résultats significatifs ou non.

Question 5

Objectif 1 (Définir le concept de méta-analyse)

C’est quoi une méta-analyse?

Answer 5

C’est la combinaison de résultats de différentes études. Chaque résultat est transformé en taille d’effet (accompagné d’un indice de variance). Différents poids sont attribués aux différentes tailles d’effet.

Question 6

En fonction de quoi sont attribués les poids des différentes tailles d’effet?

Answer 6

Différents poids sont attribués aux différentes tailles d’effet, en fonction de :

• La qualité des études
• Des présuppositions du chercheur à propos de la distribution de l’effet véritable

Question 7

Objectif 4 (Savoir comment rapporter les résultats d’une méta-analyse)

Dans le graphique en forêt de la méta-analyse, comment est illustré la variabilité?

Answer 7

La variabilité est illustrée par une ligne sur laquelle on retrouve un carré. Quand la ligne dépasse le 1 sur le graphique (intervalle de confiance), cela veut dire que l’étude originale n’a pas trouvé de résultats significatifs. Le P est plus grand quand la ligne dépasse le 1.

Question 8

Objectif 4 (Savoir comment rapporter les résultats d’une méta-analyse)

Quel est l’indice de précision de la taille d’effet dans le graphique en forêt?

Answer 8

C’est le losange noir qui se situe en-dessous complètement des lignes représentant chaque étude.

Question 9

Objectif 4 (Savoir comment rapporter les résultats d’une méta-analyse)

Dans le graphique en forêt, que représentent les différentes grosseurs de carré?

Answer 9

Plus le carré est gros, plus le poids de l’étude est grand.

Question 10

Objectif 2 (Identifier les raisons pour lesquelles il est important de faire des méta-analyses) :

Pourquoi faire une méta-analyse?

Answer 10

1. La synthèse des résultats
   a. Constance : l’estimé est précis
   b. Elle explique les raisons de la variabilité.
2. Il est possible que plusieurs chercheurs tentent de démontrer l’efficacité d’un traitement en vain, en raison d’un manque de puissance stats.
3. La méta-analyse a pour avantage d’additionner tous les échantillons des études de traitement
   a. augmentation de la puissance statistique
   b. Augmentation des chances de voir un effet significatif.
4. la MA donne des infos sur la signification statistique, clinique et sur la constance de l’effet.

Question 11

Objectif 2 (Identifier les raisons pour lesquelles il est important de faire des méta-analyses)

Sur quoi se base-t-on pour dire que la méta-analyse se situe au sommet de la pyramide des différents types d’études?

Answer 11

On se base sur l’habileté à contrôler pour les biais et à démontrer le lien de cause à effet chez les humains. La méta-analyse est le type d’étude qui contrôle le mieux pour les biais et qui démontre le plus le lien de cause à effet chez les humains.

Question 12

Objectif 5 (calculer et interpréter une taille d’effet)

Qu’est-ce que la taille d’effet?

Answer 12

C’est l’indice utilisé pour quantifier la relation entre deux variables ou la différence entre 2 groupes. Il existe plusieurs types de tailles d’effet (basée sur la moyenne, sur les données binaires, sur les corrélations)

Pour être combiné, les tailles d’effets doivent :

• Mesurer à peu près la même chose
• Être calculable à partir des données disponibles
• Avoir de bonnes propriétés psychométriques

Question 13

Objectif 5 (calculer et interpréter une taille d’effet)

Sur quel élément statistique est basée la taille d’effet?

Answer 13

La moyenne!

Différence de moyennes : pour en faire une méta-analyse, toutes les études originales doivent utiliser la même unité de mesure.
Différence de moyennes standardisée :
- Standardisée = divisée par l’écart-type de l’étude.
- transforme toutes les tailles d’effet en une même unité de mesure : le d de cohen.

Question 14

Objectif 5 (calculer et interpréter une taille d’effet)

Quelle est la différence entre un d de Cohen et un g de Hedges?

Answer 14

d de Cohen : Différence de moyennes divisée par l’écart-type combiné. Il surestime la différence de moyennes lorsque l’échantillon est petit.

Le g de Hedges : C’est un d de Cohen corrigé. Plus l’échantillon est grand, plus la valeur du g s’approche du d de Cohen. C’est une correction pour ne pas trop surestimer la taille d’effet lorsque l’échantillon est petit.

Question 15

Objectif 5 (calculer et interpréter une taille d’effet)

Qu’est ce que le risque relatif dans la taille d’effet basée sur les données binaires?

Answer 15

C’est la comparaison du risque de mourir dans deux groupes

Question 16

Objectif 5 (calculer et interpréter une taille d’effet)

Qu’est ce que le rapport de cote (odds ratio) dans la taille d’effet basée sur les données binaires?

Answer 16

Cote ou odds = risque de mourir relatif au risque de demeurer vivant
OR = comparaison de ces deux risque dans les deux groupes.

C’est celui qu’on retrouve le plus souvent dans les études puisque c’est celui qui s’interprète le mieux.

Question 17

Objectif 5 (calculer et interpréter une taille d’effet)

Qu’est ce que la réduction de risque dans la taille d’effet basée sur les données binaires?

Answer 17

C’est la différence du risque de mourir dans un groupe par rapport à l’autre.

Question 18

Objectif 5 (calculer et interpréter une taille d’effet)

Comment calcule-t-on la taille d’effet basée sur des données binaires?

Answer 18

Il existe des technique statistiques pour combiner ces indices de tailles d’effet. Il s’agit de transformations logarithmiques de chacune des valeurs; le résultat final (combiné) est retransformé en ratio pour interprétation.

Question 19

À combien une corrélation est dite forte? modérée? petite?

Answer 19

0. 70 = forte
1. 50 = modérée
2. 30 = petite

Question 20

Objectif 5 (calculer et interpréter une taille d’effet)

Comment calcule-t-on la taille d’effet basée sur des corrélations?

Answer 20

Il existe une procédure statistique pour combiner des indices de corrélation ; comme dans le cas des données binaires, le résultat est par la suite retransformé en corrélation pour interprétation.

Question 21

Est-il préférable d’utiliser des tailles d’effets du même type?

Answer 21

Oui. Lorsque cela est possible, le chercheur devrait privilégier la combinaison de tailles d’effet du même type.

TOUTEFOIS : possible statistiquement de convertir chacune des tailles d’effet en un autre type (p.ex., on peut estimer un rapport de cote équivalent à un d de Cohen d’une certaine valeur)
Les études qui utilisent différents types de tailles d’effet ont souvent aussi différents types de méthodologie.

Question 22

Objectif 3 (Déterminer lorsqu’il est approprié de faire une méta-analyse)

Quand peut-on faire une méta-analyse?

Answer 22

Techniquement, dès qu’il y a deux études à combiner. Sans méta-analyse, les lecteurs combinent eux-mêmes les résultats, parfois à tort (ex : résultats non significatifs dans 3 études = effet n-s)

Cependant, un trop petit nombre d’étude mènera à des difficultés pour expliquer la variance. Le moment idéal pour faire une méta-analyse dépend donc de la question de recherche (vise-t-on la combinaison de résultats similaires ou l’explication des différences?)