Méta-analyse Revue de la littérature Fréquence de

1
Introduction aux Statistiques Médicales
Biostatistique Clinique
META-ANALYSE
Méta-analyse
Essais cliniques
Etudes épidémiologiques
Evaluations de tests diagnostiques
Revue de la littérature
Absence de recherche d'exhaustivité
Tendance à citer plus souvent
les essais favorables
Fréquence de citations
22 essais d'interventions hypocholestérolémiantes
favorables 40 / an
non favorables 7 / an
2 essais particuliers publiés dans JAMA
favorable 109, 121, 202
non favorable 6, 5, 3

2
Essai Evènements
coronariens
Mortalité
coronarienne
Mortalité
totale
OMS clofibrate (1978) ↓ NS ↑ NS ↑ p < 0,05
LRC (1984) ↓ NS ↓ NS → NS
Helsinki Heart Study (1987) ? ↓ p = 0,02 → NS
WOSCOPS (1995) ↓ p < 0,01 ↓ p = 0,13 ↓ p = 0,051
Principes de la méta-analyse
1. Recherche exhaustive des essais
2. Protocole strict établi a priori
3. - Analyse tenant compte de la nature
probabiliste des résultats
- Essai de quantification de l'effet traitement
essai groupe effectif nombre de
complications
pourcentage de
complications
risque
relatif
odds
ratio
A traitement 112 68 61
contrôle 61 43 70 0,86 0,65
B traitement 52 11 21
contrôle 119 35 29 0,72 0,64
sommation traitement 164 79 48
contrôle 180 78 43 1,11 1,22
méta-analyse 0,84 0,65
Sommation des effectifs
= combiner les patients
Méta-analyse
= combiner les effets traitements
Décomposition de l’information d’un essai
partie commune à estimer
partie spécifique

3
Types de méta-analyses
1. Méta-analyse des données résumées
de la littérature
2. Méta-analyse exhaustive sur données
résumées
3. Méta-analyse sur données individuelles
Recherche et sélection des essais
la plus exhaustive possible
Critères de sélection
Domaine d’intérêt: définitions précises
Qualité méthodologique : 3 classes
Valeur des essais
3 classes globalement et pour chaque
principe méthodologique
Echelles de mesure et score global
Coefficients de pondération
! publications multiples !
Biais de publication
Essais surtout publiés si effet significatif
Grand nombre d’essais augmente les
résultats faussement significatifs

4
Risque de résultats faussement
significatifs
p = 1 - ( 1 - α )n
n
5
10
50
p
0,23
0,40
0,92
Causes de publication sélective
Autocensure des auteurs
Sélection par les comités de lecture
Publication de certains résultats non
souhaitée
Prévention du biais de publication
Consultation d'experts
Lectures de revues générales déjà réalisées
Consultation des investigateurs des essais
Interrogation des firmes
Consultation de registres
Consultation des autorités réglementaires
Biais de publication
robustesse
5 essais N = 303
►OR = 0,49 p = 0,01
+ 3 essais n = 30
►OR = 0,65 p = 0,053

5
Analyse statistique
d'une méta-analyse (1)
Quantifier les effets traitements de chaque
essai
Mesures selon le type de critère
Combiner et analyser les effets traitements
Modèle fixe : effet constant
Modèle aléatoire : effet variable
partie commune + partie spécifique
Analyse statistique
d'une méta-analyse (2)
Combiner et analyser les effets traitements
1. estimation de l’effet traitement commun
2. test d’ hétérogénéité / homogénéité
→ choix du modèle
3. test de l’existence d’un effet traitement
A
nalyse statistique
d'une méta-analyse
Modèle fixe : Etape 1
Estimation de l'effet traitement commun
avec wi= θ =
Test d'homogénéité : ² à (k – 1) d.l.
A
nalyse statistique
d'une méta-analyse
Modèle fixe : Etape 2
Q =
si hétérogénéité
analyse explicative
modèle aléatoire