UA5 Méta-analyses et revues systématiques Flashcards

1
Q

Pourquoi faire une revue systématique ?
2 raisons

A

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)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
2
Q

Quelles sont les étapes d’une revue systématique ?

A
  1. Écrire la question de recherche
  2. Critères d’inclusion et d’exclusion
  3. Trouver les études
  4. Sélectionner les études
  5. Extraire les données
  6. Évaluer le risque de biais des études et le niveau de certitude
  7. Conclure
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
3
Q

Quelles sont les étapes d’une méta-analyse

A
  1. Écrire la question de recherche
  2. Critères d’inclusion et d’exclusion
  3. Trouver les études
  4. Sélectionner les études
  5. Extraire les données
  6. Évaluer le risque de biais des études et le niveau de certitude
  7. Méta-analyse
  8. Conclure
How well did you know this?
1
Not at all
2
3
4
5
Perfectly
4
Q

Comment formuler une question de recherche pour répondre à la question primaire ?

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
5
Q

Quels types d’experts a-t-on besoin pour faire une revue systématique ? (4)

A

Experts cliniques
Experts méthodologiques/stats
Stakeholders (gens d’influence)
Utilisateurs (ex. des patients)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
6
Q

Étapes d’écriture d’un protocole (7 étapes)

A

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

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
7
Q

Pourquoi devrait-on publier le protocole ?

A

Assure l’objectivité de la recherche

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
8
Q

Pourquoi devrait-on enregistrer le protocole ?

A

Pour éviter qu’il n’y a pas une autre personne qui travaille sur le même projet

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
9
Q

2 mots pour décrire la recherche et la sélection des études

A

transparente
reproductible

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
10
Q

Combien de base de données devrait-on consulter pour faire une revue systématique/méta-analyse?

et lesquelles ?

A

minimum 2
idéalement 3

Lesquelles : Embase, Medline/PubMed, CENTRAL, Web of Science, Google Scholar

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
11
Q

Qu’est-ce que de la littérature grise ?

A

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)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
12
Q

Sensibilité de la recherche d’article

A

Fraction des articles pertinents trouvés/articles pertinents existants (trouvés et non trouvés)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
13
Q

Précision de la recherche d’articles

A

Fraction des articles pertinents trouvés/tous les articles trouvés (pertinents et non pertinents)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
14
Q

Combien de personnes devraient évaluer les études

A

2 évaluateurs
+/- 1 adjudicateur (3e évaluateur) –> ou discussion/consensus

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
15
Q

À partir de quelle étape de l’identification des articles documente-t-on les critères d’exclusion ?

A

À partir du 2e tris (le 1er = trop d’articles)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
16
Q

Quoi faire avec de la discordance?

A

Utiliser un logiciel (ex. Covidence)
Se demander si on doit calculer un coefficient de concordance inter-évaluateur

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
17
Q

Quoi collecter quand on extrait les données des études ? (3)

A

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)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
18
Q

Comment extraire les données ?

A

Créer un outil de collecte de données

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
19
Q

De façon générale, de quelle façon collecte-t-on les données des résultats ?

A

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)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
20
Q

Qu’est-ce qu’on doit obtenir si on collecte l’estimé de l’effet lui-même ?

A

L’erreur standard sur la mesure (IC 95% ou p-value)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
21
Q

Définition biais

A

Un biais est une erreur systématique qui tord la réalité en la minimisant ou en l’exagérant

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
22
Q

À quels moments peuvent survenir les biais que l’on retrouve dans une méta-analyse?

A

Études individuelles

Synthèse des résultats (méta-analyse)

How well did you know this?
1
Not at all
2
3
4
5
Perfectly
23
Q

À quoi peuvent-être dus des biais sur la synthèse (2)?

A

des données de résultats manquants
conflit d’intérêt

24
Q

Nommer les 5 causes d’asymétrie d’un funnel plot

A

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

25
Q

Comment fonctionne le test de Egger ?

A

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)

26
Q

Quelles sont les méthodes pour évaluer un biais de publication ?

A

méthode visuelle (triangle)
funnel plot corrigé par son ombre
test de Egger
Méthode de Rosenthal
Méthode trim and fill

27
Q

Qu’est-ce que la méthode de Rosenthal ?

A

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

28
Q

Quand utilise-t-on la méthode trim and fill ?

A

Pertinent si pas beaucoup d’hétérogénéité (se demander pourquoi il y a asymétrie avant
d’appliquer la méthode)

29
Q

Quoi faire avec les études de moins bonne qualité?

A

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

30
Q

Qu’est-ce que la méta-analyse ?

A

Sommation des estimés provenant de différentes études qui évaluent
- La même intervention
- Les mêmes objectifs
- La même population

31
Q

2 étapes de la méta-analyse

A

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

32
Q

À quoi servent les méta-analyses

A
  • 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)
33
Q

Quelles sont les étapes pour faire les stats de la méta-analyse (5)

A

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

34
Q

modèles statistiques que l’on peut employer pour faire une méta-analyse ? (2)

A

Effet fixe
Effet aléatoire

35
Q

Comment décide-t-on quel modèle statistique utiliser pour la méta-analyse ?

A

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)

36
Q

Quelle méthode statistique utilise-t-on dans un modèle à effet fixe ?

A

méthode de Mantel-Haenszel

37
Q

Quelle méthode statistique utilise-t-on dans un modèle à effet aléatoire ?

A

Le plus souvent : méthode de DerSimonian and Laird

38
Q

Dans quel modèle de méta-analyse considère-t-on nécessairement toutes les études ?

A

modèle aléatoire.
Quand les études proviennent de populations différentes.

39
Q

Par rapport aux études individuelles, comment est l’intervalle de confiance d’une méta-analyse ?

A

plus petit : Plus on fait une expérience, plus on obtient la même valeur, donc l’intervalle de confiance diminue.

40
Q

À quoi correspond une méta-régression ?

A

Régression logistique

Lorsqu’on utilise une analyse de régression à l’intérieur d’une méta- analyse pour ajuster l’effet pour des covariables

41
Q

3 types d’analyse d’hétérogénéité

A

clinique (patients, niveau de malade, âge)
statistiques
méthodologiques (devis différents, aveugle vs ouverte, biais)

42
Q

Nommer des exemples d’hétérogénéité clinique

A

o Données démographiques
o Intervention
o Comparateur
o Éléments de suivi
o Issues mesurées
o Observance au traitement

43
Q

Nommer des exemples d’hétérogénéité méthodologique

A

Devis de recherche
o Ex RCT ET études observationnelles

Biais dans les études individuelles
o Biais de confusion par exemple

44
Q

Que cherche-t-on quand on évalue l’hétérogénéité statistique ?

A

voir si la différence entre les estimés obtenus dans les différentes études est simplement le fruit du hasard

45
Q

Formule hétérogénéité totale

A

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

46
Q

Que permet la statistique Q

A

permet de dire si OUI ou NON il y a de l’hétérogénéité mais pas de qualifier son étendue

47
Q

Décrire la distribution de la statistique Q

A

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

48
Q

Quelles sont les hypothèses de la statistique Q ?

A

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

49
Q

Comment se comporte la puissance de la statistique Q en présence de < 10 études

A

peu puissante

50
Q

Comment se comporte la puissance de la statistique Q en présence de ++++ études

A

trop puissant
rejette H0 pour rien, on va trouver de l’hétérogénéité.

51
Q

Quel est une bonne taille d’échantillon (n= articles) dans une méta-analyse pour la statistique Q ?

A

entre 20 et 30 articles

52
Q

Sur quelle statistique est basée I^2

A

Statistique Q

53
Q

Que représente I^2

A

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

54
Q

si Q-(k-1) est négatif, comment est I^2 ?

A

si Q-(k-1) est négatif, I2 sera de 0%

55
Q

Quels sont 2 types de méta-analyses ?

A

Directe : traitement A vs traitement B
Indirecte (en réseau) : compare toutes les interventions d’une classe pour trouver la meilleure

56
Q

Quel est le principe de transitivité ?

A

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