UA5 Méta-analyses et revues systématiques Flashcards
Pourquoi faire une revue systématique ?
2 raisons
S’assurer que les décisions qui affectent la vie des patients soient informées par des évidences
récentes, complètes et pertinentes
Démontrer la nécessité de la recherche (au début d’un programme)
Quelles sont les étapes d’une revue systématique ?
- Écrire la question de recherche
- Critères d’inclusion et d’exclusion
- Trouver les études
- Sélectionner les études
- Extraire les données
- Évaluer le risque de biais des études et le niveau de certitude
- Conclure
Quelles sont les étapes d’une méta-analyse
- Écrire la question de recherche
- Critères d’inclusion et d’exclusion
- Trouver les études
- Sélectionner les études
- Extraire les données
- Évaluer le risque de biais des études et le niveau de certitude
- Méta-analyse
- Conclure
Comment formuler une question de recherche pour répondre à la question primaire ?
Utiliser le PICO pour répondre à la question primaire
o Population
o Intervention (ou exposition)
o Comparateur
o Outcome
Utiliser les critères FINER
o Feasible
o Interesting
o Novel
o Ethical
o Relevant
Quels types d’experts a-t-on besoin pour faire une revue systématique ? (4)
Experts cliniques
Experts méthodologiques/stats
Stakeholders (gens d’influence)
Utilisateurs (ex. des patients)
Étapes d’écriture d’un protocole (7 étapes)
1) Question de recherche et définitions
2) Critères d’éligibilité des études
3) Interventions qui seront comparées
4) Issues qui seront regardées
5) Choix de l’outil pour l’analyse des biais et le GRADE
6) Analyses de sensibilité ou de sous-groupe
7) Critères de méta-analyse
Les mêmes étapes que pour faire un projet de recherche
Pourquoi devrait-on publier le protocole ?
Assure l’objectivité de la recherche
Pourquoi devrait-on enregistrer le protocole ?
Pour éviter qu’il n’y a pas une autre personne qui travaille sur le même projet
2 mots pour décrire la recherche et la sélection des études
transparente
reproductible
Combien de base de données devrait-on consulter pour faire une revue systématique/méta-analyse?
et lesquelles ?
minimum 2
idéalement 3
Lesquelles : Embase, Medline/PubMed, CENTRAL, Web of Science, Google Scholar
Qu’est-ce que de la littérature grise ?
Littérature non indexée dans des bases de données
o Abrégé de congrès
o Thèse, projet de maitrise
o Agences de financement
o Auteurs et experts du domaine
o Articles publiés dans des journaux non indexés (ex Québec Pharmacie)
Sensibilité de la recherche d’article
Fraction des articles pertinents trouvés/articles pertinents existants (trouvés et non trouvés)
Précision de la recherche d’articles
Fraction des articles pertinents trouvés/tous les articles trouvés (pertinents et non pertinents)
Combien de personnes devraient évaluer les études
2 évaluateurs
+/- 1 adjudicateur (3e évaluateur) –> ou discussion/consensus
À partir de quelle étape de l’identification des articles documente-t-on les critères d’exclusion ?
À partir du 2e tris (le 1er = trop d’articles)
Quoi faire avec de la discordance?
Utiliser un logiciel (ex. Covidence)
Se demander si on doit calculer un coefficient de concordance inter-évaluateur
Quoi collecter quand on extrait les données des études ? (3)
Données sur les études incluses
Données sur le contenu des études (Démographie, intervention, comparateur)
Résultats (Issues recherchées, taille d’effet, nombre de patients, pertes au suivi)
Comment extraire les données ?
Créer un outil de collecte de données
De façon générale, de quelle façon collecte-t-on les données des résultats ?
De la même façon qu’elles sont rapportés pour chaque groupe
Dans certaines situations on préfère collecter l’estimé d’effet lui-même (ex ÉRC : s’il y a eu stratification, gestion de données manquantes, ajustement pour des données de base; non ÉRC :si des ajustement ont été faits pour biais)
Qu’est-ce qu’on doit obtenir si on collecte l’estimé de l’effet lui-même ?
L’erreur standard sur la mesure (IC 95% ou p-value)
Définition biais
Un biais est une erreur systématique qui tord la réalité en la minimisant ou en l’exagérant
À quels moments peuvent survenir les biais que l’on retrouve dans une méta-analyse?
Études individuelles
Synthèse des résultats (méta-analyse)
À quoi peuvent-être dus des biais sur la synthèse (2)?
des données de résultats manquants
conflit d’intérêt
Nommer les 5 causes d’asymétrie d’un funnel plot
biais de non publication : Les petites études négatives ou de moindre envergure ne sont pas publiées
méthodologie de faible qualité : Les études de rigueur moindre ont tendance à montrer des effets de taille exagérés
hétérogénéité vraie : L’effet de l’intervention est réelle mais seulement chez un sous-groupe de patient (effet d’interaction). Ces patients plus à risque sont parfois sur-représentés dans les petites études
L’intervention n’a pas été implantée de la même manière dans les petites et larges études
artefact statistique : Certaines mesure d’estimés sont naturellement corrélées avec leur erreur standard et une fausse asymétrie peut en résulter (OR et SMD)
chance : simplement par hasard
Comment fonctionne le test de Egger ?
Nécessite au moins 10 études
Doit être combiné à une inspection visuelle
ne peut pas être utilisé si les études sont de tailles similaires (même erreur standard)
Quelles sont les méthodes pour évaluer un biais de publication ?
méthode visuelle (triangle)
funnel plot corrigé par son ombre
test de Egger
Méthode de Rosenthal
Méthode trim and fill
Qu’est-ce que la méthode de Rosenthal ?
Calcul mathématique qui permet d’estimer le nombre d’études non publiées et avec un résultat non significatif que ça prendrait pour renverser le résultat actuel de la méta-analyse
Quand utilise-t-on la méthode trim and fill ?
Pertinent si pas beaucoup d’hétérogénéité (se demander pourquoi il y a asymétrie avant
d’appliquer la méthode)
Quoi faire avec les études de moins bonne qualité?
On va les inclure dans la revue systématique, mais on va faire une analyse de sensibilité sur la méta-analyse et voir comment varient les résultats
Comparer les modèles à effet fixe et aléatoire
Qu’est-ce que la méta-analyse ?
Sommation des estimés provenant de différentes études qui évaluent
- La même intervention
- Les mêmes objectifs
- La même population
2 étapes de la méta-analyse
1) revue systématique : identifier, rassembler et analyser les données
2) méta-analyse : Techniques statistiques qui permettent de combiner les résultats individuels afin de produire une seule mesure combinée
- taille de l’effet « réel »
- dispersion autour de la valeur estimée
À quoi servent les méta-analyses
- Additionner permet d’améliorer la précision de la valeur vraie
- Permet de déterminer pourquoi on n’arrive pas aux mêmes résultats entre des études (échantillons différents = le hasard)
Quelles sont les étapes pour faire les stats de la méta-analyse (5)
1) D’abord se demander si c’est pertinent /justifié de « pooler » les résultats
- Analyse de l’hétérogénéité
- Puriste : pertinent seulement si les études proviennent toutes de la même population
2) Convertir en une mesure commune (ex Peto Odds ratio, SMD)
3) Choisir le modèle statistique
4) Examiner les résultats
5) Analyses de sous-groupe/sensibilité
modèles statistiques que l’on peut employer pour faire une méta-analyse ? (2)
Effet fixe
Effet aléatoire
Comment décide-t-on quel modèle statistique utiliser pour la méta-analyse ?
Le choix dépendra de l’hétérogénéité statistique
- Effet fixe = pas d’hétérogénéité autre que celle due au hasard (études similaires entre elles, même population)
- Effet aléatoire = hétérogénéité entre les études due à autre chose que le hasard (populations sont différentes entre les études)
Quelle méthode statistique utilise-t-on dans un modèle à effet fixe ?
méthode de Mantel-Haenszel
Quelle méthode statistique utilise-t-on dans un modèle à effet aléatoire ?
Le plus souvent : méthode de DerSimonian and Laird
Dans quel modèle de méta-analyse considère-t-on nécessairement toutes les études ?
modèle aléatoire.
Quand les études proviennent de populations différentes.
Par rapport aux études individuelles, comment est l’intervalle de confiance d’une méta-analyse ?
plus petit : Plus on fait une expérience, plus on obtient la même valeur, donc l’intervalle de confiance diminue.
À quoi correspond une méta-régression ?
Régression logistique
Lorsqu’on utilise une analyse de régression à l’intérieur d’une méta- analyse pour ajuster l’effet pour des covariables
3 types d’analyse d’hétérogénéité
clinique (patients, niveau de malade, âge)
statistiques
méthodologiques (devis différents, aveugle vs ouverte, biais)
Nommer des exemples d’hétérogénéité clinique
o Données démographiques
o Intervention
o Comparateur
o Éléments de suivi
o Issues mesurées
o Observance au traitement
Nommer des exemples d’hétérogénéité méthodologique
Devis de recherche
o Ex RCT ET études observationnelles
Biais dans les études individuelles
o Biais de confusion par exemple
Que cherche-t-on quand on évalue l’hétérogénéité statistique ?
voir si la différence entre les estimés obtenus dans les différentes études est simplement le fruit du hasard
Formule hétérogénéité totale
Qtot = Qbetween (entre les études) + Qwithin (dans les études)
Somme des ((déviations à la moyenne)2 de chaque étude divisé par l’inverse de sa variance) aka c’est un ANOVA
Que permet la statistique Q
permet de dire si OUI ou NON il y a de l’hétérogénéité mais pas de qualifier son étendue
Décrire la distribution de la statistique Q
La statistique Q suit une distribution Chi2 avec k-1 degrés de liberté ou k = nombre d’études dans la méta-analyse SI LES ÉTUDES SONT HOMOGÈNES
Ça prend au moins 10 études pour que Q suive une loi normale
Quelles sont les hypothèses de la statistique Q ?
H0 = il n’y a pas de différence entre la courbe de distribution prédite et obtenue
Ha = il y a une différence entre la courbe de distribution prédite et obtenue
Si p<0.05 on rejette H0 et donc il y a de l’hétérogénéité
Comment se comporte la puissance de la statistique Q en présence de < 10 études
peu puissante
Comment se comporte la puissance de la statistique Q en présence de ++++ études
trop puissant
rejette H0 pour rien, on va trouver de l’hétérogénéité.
Quel est une bonne taille d’échantillon (n= articles) dans une méta-analyse pour la statistique Q ?
entre 20 et 30 articles
Sur quelle statistique est basée I^2
Statistique Q
Que représente I^2
Représente le % d’hétérogénéité between qui n’est pas due au hasard
Quantifie de combien (en %) la valeur observée de Q dépasse la valeur prédite de Q qui elle n’a pas d’hétérogénéité
si Q-(k-1) est négatif, comment est I^2 ?
si Q-(k-1) est négatif, I2 sera de 0%
Quels sont 2 types de méta-analyses ?
Directe : traitement A vs traitement B
Indirecte (en réseau) : compare toutes les interventions d’une classe pour trouver la meilleure
Quel est le principe de transitivité ?
On prend pour prémisse qu’il n’y a PAS de différence entre les différentes comparaisons qui sont faites outre que les agents qui sont comparés
Prend pour acquis que la chance de recevoir l’un traitement ou l’autre est équivalent et ce à travers toutes les études
