Revue systématique et Méta-analyses Flashcards
(22 cards)
Objectif de la méta-analyse
Localiser et synthétiser la littérature concernant une question de recherche
Augmenter la précision de l’estimé de l’effet d’une intervention (augmentation du nombre de sujets étudiés)
Expliquer la variation des résultats observés entre les différentes études
Évaluer l’effet d’une intervention dans un sous-groupe
Générer de nouvelles hypothèses
Qu’est-ce qu’une revue systématique de la littérature?
Une synthèse systématique
Implique une recherche exhaustive et rigoureuse de tous les essais publiés et non publiés
On veut critiquer et analyser les données des études incluses dans la revue.
Qu’est-ce qu’une méta-analyse?
Comprend une revue systématique
Synthèse systématique et quantifiée (techniques statistiques)
Produit une mesure résumée des connaissances concernant une question de recherche
La démarche doit être reproductible et transparente
Pourquoi on réalise des méta-analyses?
Explosion de la littérature scientifique (à chaque jours, bcp de nouvelles études publiées, c’est difficile de garder le fil sur ce qui est efficace ou non)
Les revues de littérature traditionnelles sont subjectives et manque de transparence
Nomme les 8 étapes d’une méta-analyse
- Question de recherche
- Protocole et critères d’inclusion/exclusion
- Localiser les études dans la littérature
- Identifier les études qui satisfont aux critères
- Extraire les données des études incluses
- Évaluer le risque de biais
- Combiner statistiquement les résultats
- Discuter des limites de l’étude et conclure
- Question de recherche
Quelle est la méthode pour définir la question de recherche?
PICO
P: Population
I: Intervention (ou exposition)
C: Comparateur
O: Outcome
Parfois le devis d’intérêt est spécifié (ex: essais cliniques randomisés)
- Protocole et critères d’inclusion/exclusion
Qu’est-ce qu’on inclus dans la rédaction du protocole?
Les objectifs de la méta-analyses
Critères d’inclusion et d’exclusion
Spécifier les stratégies de recherche
Décrire les outcomes
Décrire la méthode qui sera utilisée pour évaluer le risque de biais dans les études incluses
Décrire l’info qui sera extraite des études
- Localiser les études dans la littérature
Où localisons-nous les études dans la littérature?
Bases de données électroniques
Revues systématiques et méta-analyses
Listes de références des études incluses
Thèses et dissertations
Littérature grise (non facilement accessible)
Où trouvons-nous la littérature grise?
Abrégés de conférence
Registres d’essais cliniques
Recherche manuelle de journaux ou de livres
Sites web des agences de financement
Contacter les auteurs des études incluses
Contacter les experts du domaine
- Identifier les études qui satisfont aux critères de sélection
- Application des critères de sélection par au moins 2 évaluateurs indépendants
-Résolution des différences par le consensus entre les 2 évaluateurs ou par un 3e évaluateur
-Possibilité d’évaluer l’éligibilité à l’aveugle
-Il est important d’identifier les doublons (même étude, même patient)
-Dresser la liste des études exclues et de la raison de leur exclusion
Si on combine les résultats d’étude qui porte sur la même étude ou sur les mêmes patients on viole qu’elle postula de base?
Les résultats doivent être INDÉPENDANTS les uns des autres
- Extraire les données des études incluses
Quels sont les 3 types de données qu’on veut extraire?
Données générales: Auteurs, journal, année de publication, source de financement, pays, devis utilisé
Données spécifiques à l’étude: Caractéristiques des participants, détails de l’intervention, comparateur, durée de suivi
Données quantitatives: Nombre de participants, résultats concernant les outcomes, pertes de suivi
- Évaluer le risque de biais dans les études incluses
Comment utiliser le résultat de l’évaluation du risque de biais?
1) Restreindre l’analyse principale aux études ayant un faible risque de biais –> la + recommandée
2) Pondérateur dans le calcul de la mesure résumée (plus de poids aux études de bonnes qualités)
3) Variable d’ajustement dans les analyses statistiques (ajuster pour la qualité scientifique dans le modèle)
Les estimations des mesures d’association (RR,OR,etc.) tendent à être surestimés (exagérées) dans les études ayant un haut risque de biais
- Combiner statistiquement les résultats
Quelles sont les 5 sous-étapes?
1.Choix de la mesure d’association (RR,OR, différence de risque, etc.)
2. Présentation graphique des données (Forest Plot)
3. Examen de l’hétérogénéité des études (Important!)
4. Choix du modèle statistique
5. Analyse de sous-groupe et de sensibilité
Nomme des facteurs qui pourraient expliquer partiellement l’hétérogénéité des études incluses
Taille des échantillons
Devis de recherche
Caractéristiques des populations étudiées
Type d’intervention ou d’exposition
Taux d’observance au traitement
Pertes au suivi
Risque de biais dans les études
EXAMEN
Quels sont les 2 tests statistiques pour évaluer l’hétérogénéité?
Statistique Q:
Distribution du chi-carré avec N-1 degré de liberté
N = nbr d’études
p<0,10 = présence d’hétérogénéité (bcp de différence entre les études et préférable de ne pas combiner les résultats des études)
Statistique I^2:
Dérivée de la statistique Q
Représente le % de la variation des mesures d’association qui est due à l’hétérogénéité plutôt qu’au hasard
Plus grand que 50% = trop de différence entre les études pour faire des méta-analyses
Quels sont les 2 types de modèles statistiques?
Modèle à effet fixe:
Utilisé si les études sont assez similaires, suppose que les différences entre les résultats des études sont dues uniquement au hasard.
Modèle à effet aléatoire:
Utilisé si les études varient entre elles, plus conservateur (mesures résumées avec des intervalles IC plus large)
Les résultats des études individuelles sont combinées en donnant plus de poids aux études possédant une grande taille d’échantillon (car plus précise)
Quelle est la principale menace à la validité des méta-analyses?
Le biais de publication
Les études avec des résultats positifs ou statistiquement significatif ont plus de chance d’être publiées
Les études avec des plus grandes tailles d’échantillon sont plus encline à produire des résultats statistiquement significatif donc plus encline à être publiées
Quels sont les 2 moyens pour documenter la présence d’un biais de publication?
Méthode de Rosenthal (calcul mathématique):
Permet d’estimer le nbr d’études non publiées avec un résultat non statistiquement significatif qui doivent exister pour inverser le résultat significatif généré par la méta-analyse
Funnel plot (Méthode graphique):
Diagramme de dispersion mettant en relation la mesure de l’effet et la taille de l’échantillon
En absence de biais de publication, le nuage de point a la forme d’un entonnoir inversé (pyramide).
Les petites études de la littérature grise sont dans le bas gauche du graphique. Si trou dans le coin inférieur gauche de l’entonnoir = présence d’un biais de publication
Avantages des méta-analyses?
Transparentes
Objectives
Réduction de biais
Permettent de répondre à des questions non adressées dans les études individuelles
Peu coûteuse
Pas de problème éthique
Limites des méta-analyses?
Peuvent produire des infos invalides, car elles réflètent les biais des études individuelles “garbage in-garbage out”
Combiner les résultats des études ayant des devis différents, des interventions ou des expositions différentes, ce n’est pas approprié
Résumée inappropriée en présence d’un biais de publication
Doit être mis à jour pour réfléter l’état des connaissances
Comment se nomme l’outil permettant d’évaluer la qualité méthodologique des revues systématiques et des méta-analyses?
Grille d’évaluation AMSTAR
