Cours 8 : regard critique sur la méta-analyse Flashcards
Considérations :
- Méthodes de calculs
- structures des données complexes : sous-gr indépendants, évaluations ?, comparaisons?
- Méthode de comptage par votes
- Puissance statistique
- Biais de publication
multiple, multiple
Méthodes de calculs :
Bien que la logique soit similaire, on ne peut PAS faire ? ni de ? à partir des procédures ANOVA ou RÉGRESSION des logiciels comme SPSS
pcq…:
-ces logiciels ne ? pas les données
-Les règles d’assignation des ? diffèrent en méta analyse comparativement à l’analyse d’études primaires
d’analyse de sous-gr, méta-regression
pondèrent
degrés de liberté
Structure de données complexes : Une étude peut fournir plus d'une TE (donner un exemple): - comparaison de 2 traitement - cueillette de données répétées - résultats sur plusieurs mesures
- gr de TCC a gr de therapie cognitive a groupe de therapie cptale a un gr controle.
- sans comorbidité medicale vs comorbidité
- données pré, donnees post, donnes suivi a different temps.
- tjrs en psycho ! : vise a evalue run seul construit. mesure de la depression, on va avoior 1-2-3 mesures appelant a diff modalité (entrevue clinique, questionnaire autorapporté, etc)
sous-gr indépendants :
chaque sous-gr fournit une information indépendante des autres sous-gr. (impact sur…)
Les différents sous-gr sont traités comme ?
TE
études indépendantes
Sous-gr indépendants :
2 options de calcul :
1. Calculer X TE et les inclure dans la méta analyse
2. Combiner les gr et calculer 1 TE pour inclusion dans la méta analyse) (faire petite meta analyse)
Quelle choisir?
Dépend de la question de recherche et des analyses prévues:
effet fixe : aucune incidence a ou b.
aleatoire : ajoute une constante au calcul de la variance
si gr se combine , un gr cogntif un gr cptale vs gr TCC , idée de limpact du tx peu importe le quel, mieux de combiner, aller chercher une TE par etude . facon de combiner ces TE fait via le logiciel (mini meta pr combiner les TE des etudes pr les rapporter ds la revue)
Résultats ou évaluations multiples :
Situation différente car les données sont ? (une personne fournit plusieurs données)
exemple:
dépendantes
1 ◦ Effet du traitement sur les mesures subjectives et objectives du sommeil
2 ◦ Effet du traitement immédiatement et trois mois après la fin
Résultats ou évaluations multiples :
Pour calculer une ?, on doit prendre en considération la ? ou la ? entre les données
Donc on doit entrer un ?
taille d’effet unique, dépendance, corrélation
indice de corrélation
2 options pour calculer la corrélation :
1- vouloir ? les effets intra étude (mesure subj et obj)
ex:
2- ? les effets intra étude
ex:
combiner
ex: ◦ Quel est l’impact du traitement sur le sommeil (peu importe comment il est mesuré)?
◦ Quel est l’effet du traitement (peu importe quand il est mesuré)?
comparer
ex: ◦ Lorsqu’on évalue un traitement, quelle est la différence entre les mesures subjectives et
objectives du sommeil?
◦ Lorsqu’on évalue un traitement, quelle est la différence entre une évaluation immédiatement
après le traitement comparativement à trois mois plus tard?
Combinaison des effets intra-étude:
- Combine les effets
- calcule la ? de la TE combinée en la corrigeant avec un ? –> dépendant de la taille ?
plus la corrélation est élevée, plus la variance est ?, moins le ? sera grand
pk?
variance, facteur d’inflation de la variance, de corrélation
élevée, poids
pcq qd on a 2 resultst quon vx combiné, corrélé, moins ils sont indep, moins on va donne run poids equivalent a 2 etudes. si parfaitement correler ensemble, mm chose exact, on en prendrait juste un. mais la on a 2 TE, 2 poids pr une etude, plus sont corrélé, plus ce poids est diminué pr se rapporcher au pids quon donnerait a une seule etude.
Comparaison des effets intra-étude :
- calcule la différence entre les 2 effets
- calcule la ? de la différence, en la corrigeant avec un ? –> dépendant de la taille ?
Plus la corrélation est grande, moins la ? est élevée, plus le ? sera grand
pk?
variance, facteur, de corrélation
variance, poids
si on mesure 2 fois une chose chez un mm individu, si mes deux mesures sont bien correle ensemble, je suis capable de retire rla variance qui est associé a lindividu. ce qui me reste cest la diff veritable entre els mesures, si sont pas correle donc bcp derreur entre une temps de mesure et un autre. ds ce temps la plus la corr est elevé plus cest bon. pcq px donner du poids a cette TE basé sur la diff.
Comparaisons multiples intra-études :
Exemple : therapie A, B, gr contrôle
2 options possibles en fxn de l’objectif :
- Obtenir un effet global du traitement VS gr contrôle –> calculer un effet ?
- Investiguer la diff entre les tailles des 2 traitement. –> calculer un effet ?
effet composite
effet composite
Méthode de comptage par votes :
compter le nbr d’études ak un résultats sign et le nbr d’étude ak un résultat non-sign et ? les deux.
-formel :
-informel :
méthode toujours ?
comparer
documenter les valeurs p
revue narrative
invalide
pk?
pcq cette emthode ne vient pas de psycho. pcq en psycho ont prend des petits echant, tof dacces aux pop et les tx sont couteux. pas un domaine de rech tres subventionné (vs pharmaco) donc resultat +- sign pcq manque de puissance. pcq bcpde variablité (TE moyenne plutoq ue grande) la meta vient pallier a cette limite (2 etudes de 25 part. meta sur 50 part). contourne la limite des petits echant en combinant les effets. si on fait comptage par vote, on scrap cette avantage la de la meta.
Méthode de comptage par
votes :
Se fie sur les prémisses suivantes:
1. Un résultat significatif est une preuve que ?.
2. Un résultat non significatif est une preuve qu’un effet n’existe pas.
un effet existe
Méta analyse et puissance :
deux facons de conclure qu’une effet est significativement différent de 0 :
- Intervalle de confiance à 95% n’inclut pas le ?
- Test ?
0
Z
qd on fait effet combiné et quon cacue intervalle de confianc epr savoir si le 0 ou le 1 en fait parti (TE basé sur données binaires) on voit si stat leffet est diff de 0. autre facon de conclure si effet combiné est diff de 0, cest le test Z : basé sur distribution normale, effet combiné sur erreur standard de leffet, ak valeur z associé de 1,96 asscié a valeur p plus petit de .5. effet obtenu a 1,96 de la moyenne, conclut que leffet est stat diff de 0.
