Connaître la démarche et le principe des méta-analyses d'essais OIC-323-03-B
Connaître la démarche et le principe des méta-analyses d'essais OIC-323-03-B
Méta-analyse d’essais cliniques
Synthèse quantitative de l'effet d’une intervention (efficacité et/ou tolérance dans une indication donnée, efficacité d'une mesure de prévention, etc) devant être précédée d'une revue systématique de la littérature.
Démarche des méta-analyses (à formaliser dans un protocole)
- Revue systématique de la littérature
- Procédure d’identification et de sélection de toutes les études éligibles
- Prise en compte des études publiées et non publiées, si possible (= éviter le biais de publication)
- Évaluer la présence de biais dans chaque étude identifiée
- Agréger les résultats de chaque étude et calculer un effet combiné
- Analyser et éventuellement explorer l'hétérogénéité entre les études
- Interpréter les résultats
- Sur le plan statistique / sur le plan clinique
- Utilité pour recommandations en pratique clinique
Résultats
- Effet combiné
- Choisir une mesure d’association adaptée à l’objectif et au critère de jugement considéré : par exemple une différence de moyenne pour un critère continu, ou un rapport de cotes (odds ratio) ou un risque relatif pour un critère binaire.
- Calculer l’effet combiné avec cette mesure d’association.
- Forest plot
- Représentation graphique synthétisant les effets rapportés dans chaque étude individuelle et l’effet combiné de la méta-analyse
- Abscisse : Mesure d’association
- Ligne verticale : Absence d’effet de l’intervention
- Pour chaque étude, le carré représente la mesure d'association (ici l'OR), la ligne horizontale représente l'intervalle de confiance. La surface du carré est proportionnelle au poids de l’étude dans la méta-analyse (dépendant principalement du nombre de sujets et du nombre d’événements dans l’étude).
- Effet combiné : Losange en bas de tableau, dont la largeur correspond à l’intervalle de confiance. Effet statistiquement significatif si pas de chevauchement avec la ligne verticale.
- Évaluation de l’hétérogénéité
- L'effet est-il variable d’une étude à l’autre ?
- Test d'hétérogénéité : si p<0.05, l'hypothèse d'homogénéité est rejetée
- Coefficient I² : Proportion de la variabilité entre les études attribuée à l’hétérogénéité et non au hasard. Ce coefficient varie entre 0 et 100% : plus il est élevé, plus il y a de l’hétérogénéité.
- Une hétérogénéité importante entre les études peut notamment être due due à des différences en termes de population ou d'interventions (études menées sur des populations trop dissemblables ou évaluant des interventions un peu différentes) ainsi qu’à des différences de méthodologie entre les études ou à un biais de publication.
Fort niveau de preuve (HAS)
- Méta-analyse d’essais comparatifs randomisés : grade A de recommandation HAS (niveau de preuve 1, équivalent à des essais comparatifs randomisés de forte puissance).
Références
Sedgwick P. How to read a forest plot in a meta-analysis. BMJ. 2015 Jul 24;351:h4028.
Accès libre : https://www.bmj.com/content/351/bmj.h4028.long
https://www.cochrane.org/fr/our-evidence/what-are-systematic-reviews