Méta-analyse
Les résultats d’une étude scientifique indiquent ceci, ceux d’une autre étude suggèrent plutôt cela, une troisième étude appuie l’inverse…la littérature scientifique peut parfois sembler contradictoire. De plus, toutes les études n’ont pas la même qualité. Comment s’y retrouver ?!
Règle générale, pour avoir une idée claire d’un sujet, il faudrait lire et analyser la qualité de tous les articles qui ont été publiés sur une question. Ceci n’est pas toujours possible. Une solution est de vérifier s’il existe une revue systématique ou une méta-analyse sur le sujet. La méta-analyse est un type d’études permettant d’avoir une vue d’ensemble de la littérature scientifique liée à une question de recherche précise.
Comme illustré à la figure 1, les revues systématiques et méta-analyses se situent au sommet de la « pyramide des évidences scientifiques », ce qui signifie que leur niveau de fiabilité est plus élevé que celui des autres types d’études scientifiques. La force des évidences scientifiques, c’est la confiance qu’on peut accorder aux résultats d’une étude. De plus, le risque de biais est plus faible pour les revues systématiques et méta-analyses, notamment parce que leurs conclusions sont basées sur l’analyse scientifique de toutes les informations disponibles.
La méta-analyse possède un haut niveau de confiance grâce à sa démarche scientifique. L’un des éléments importants de la méta-analyse est que, lorsque celle-ci est bien faite, toutes les étapes devraient avoir été effectuées par plus d’une personne afin d’augmenter le niveau de confiance dans les résultats. Voici un aperçu des étapes de réalisation d’une méta-analyse :
1) Formulation d’une question de recherche précise. Dans cette étape, l’équipe de recherche doit circonscrire un sujet précis qui servira à guider la recherche des évidences.
Cette étape est souvent réalisée à l’aide de la méthode PICO (Caldwell et coll., 2012), qui consiste à identifier la Population ou le problème étudié, l’Intervention ou l’exposition ciblée, l’élément de Comparaison ainsi que les mesures expérimentales d’intérêt (Outcome en anglais).
Un exemple de questions de recherche basée sur la méthode PICO pourrait être : les personnes âgées (P), lorsqu’elles sont dans un environnement bruyant (I), ont-elles plus de difficultés que les jeunes adultes (C) à percevoir la parole (O) ?
2) Planification de la méthodologie
Lors de cette étape, l’équipe de recherche planifie la méthodologie qui sera employée pour réaliser la méta-analyse. Par exemple, l’équipe précise les objectifs spécifiques de l’étude en lien avec la question, la façon dont la recherche documentaire sera effectuée, les données qui seront extraites de chaque article pour les analyses statistiques, les analyses qui seront effectuées, etc. Tous ces éléments sont rédigés dans un protocole, lequel est parfois publié avant le commencement de la méta-analyse pour augmenter la transparence du processus (processus de « pré-publication »).
3) Détermination des critères d’éligibilité
Cette étape est essentielle, car elle guidera la sélection des articles. Les critères permettant d’identifier les études à inclure dans la méta-analyse sont déterminés à cette étape. Il faut déterminer la langue des articles qui seront choisis, les types d’études, l’endroit où les études ont été publiées, les caractéristiques recherchées chez les participants et participantes, etc. Idéalement, une recherche exhaustive se ferait dans toutes les langues, mais en principe, ceci est impossible à réaliser dans la plus grande partie des études, et dépend des langues parlées par l’équipe de recherche.
Dans l’exemple cité au point 1, parmi les critères d’éligibilité des études, on retrouverait entre autres la nécessité d’avoir inclus un groupe de participants âgés ainsi qu’un groupe de jeunes adultes, ce qui serait essentiel pour répondre à la question de recherche formulée.
4) Élaboration de la stratégie de recherche
L’équipe de recherche choisit les bases de données scientifiques (p. ex. Pubmed, PsycInfo, etc.) dans lesquelles les articles scientifiques seront recherchés. Les membres de l’équipe sélectionnent également les mots-clés qui seront utilisés pour la recherche avec soin, de manière à recenser toutes les études existantes en lien avec leur question de recherche.
5) Recherche d’études dans la littérature scientifique
La recherche d’études est effectuée dans les différentes bases de données identifiées et les doublons sont éliminés. L’éligibilité de chaque article scientifique obtenu est ensuite vérifiée de façon indépendante par au moins deux membres de l’équipe, afin de ne conserver que les études répondant aux critères préétablis.
6) Extraction et compilation des données
Cette étape requiert beaucoup de patience et de minutie ! Une grande quantité de données sont extraites de chaque article sélectionné, telles que les caractéristiques des participants et participantes (p. ex. leur âge, leur sexe), les tests utilisés et les procédures et les résultats (p. ex. scores et temps de réponses aux tests). Ces données sont généralement extraites de façon indépendante par au moins deux personnes, afin de minimiser le risque d’erreurs ou d’omissions. Les données de toutes les études sont ensuite compilées.
7) Évaluation des sources de biais des études incluses
Deux membres de l’équipe (ou plus) évaluent les risques de biais et la qualité des études et des articles (p. ex. petites tailles d’échantillon, biais lié à la sélection des participants et participantes, à un compte-rendu sélectif des résultats, etc.). Cette évaluation permet à l’équipe de déterminer la qualité de chaque étude (leurs forces et leurs faiblesses), de même que les particularités du domaine plus généralement.
Figure 2. Exemple de figure (tirée de Zumbansen & Tremblay, 2019) illustrant le pourcentage d’études ayant un risque faible, incertain ou élevé de présenter différents types de biais. On remarque que dans cet exemple, les études ont en général une grande qualité au niveau de la manière de rapporter les données, mais que peu d’études traitent ou rapportent correctement « la confidentialité de la méthode de randomisation ».
8) Analyse des données
C’est à cette étape que les résultats des différentes études incluses dans la méta-analyse sont combinés dans une même analyse statistique. Cette analyse permet d’investiguer la présence ou non d’un effet (p. ex. l’effet de l’âge sur l’habileté à percevoir la parole dans un environnement bruyant, l’efficacité d’un vaccin, les effets secondaires d’un traitement) et la force de cet effet (p. ex. faible, modéré ou fort).
Les résultats de la méta-analyse sont généralement illustrés dans un graphique qu’on appelle graphique en forêt :
Figure 3. Exemple de graphique en forêt d’une méta-analyse (adapté d’un article en préparation par Maillard et coll.)
Dans ce type de graphique, chaque étude est identifiée à gauche et son résultat illustré au moyen d’un carré. La taille du carré reflète le poids attribué à chacune des études dans l’analyse statistique, lequel dépend notamment du nombre de participants et participantes inclus dans chaque étude et de la qualité de la mesure rapportée. La barre autour de chaque carré représente l’intervalle de confiance (c.-à-d. l’étendue dans laquelle est susceptible de se trouver la valeur réelle de l’effet). Plus l’intervalle de confiance est grand, plus la marge d’erreur est élevée, et plus faible est le niveau de confiance dans ce résultat (ce qui peut signifier qu’il y a trop peu de participants et participantes ou d’études pour tirer une conclusion). Si la taille d’effet est très près du 0 (illustré par la ligne pointillée), cela suggère l’absence d’effet. Au contraire, plus le carré s’éloigne de la ligne pointillée, plus l’effet est grand. L’effet peut être positif (p. ex. réduction des décès à la suite d’une intervention) ou négatif (augmentation des décès à la suite d’une intervention).
Dans le bas du graphique, on retrouve l’effet moyen estimé (encerclé en bleu sur le graphique), qui représente l’ensemble des résultats. Dans l’exemple ci-dessus, la taille d’effet moyenne est de 0.56, ce qui correspond à un effet positif significatif de taille modérée. L’effet réel se trouve entre 0.28 et 0.84, comme indiqué par l’intervalle de confiance. Comme cet intervalle ne contient pas la valeur 0, l’effet est considéré significatif.
9) Interprétation des résultats
C’est à cette étape que les membres de l’équipe dégagent les conclusions découlant de la méta-analyse (p. ex. Lorsqu’on considère toute la littérature sur le sujet, y a-t-il oui ou non un effet de l’âge sur l’habileté à percevoir la parole dans un environnement bruyant ? Quel est le niveau de confiance en ces résultats ?).
En plus de fournir un portrait systématique de la littérature, les méta-analyses permettent généralement d’identifier des pistes à explorer dans des études futures pour accroître les connaissances entourant la question de recherche. Elles peuvent également permettre d’identifier des facteurs expliquant la présence de résultats divergents d’une étude à l’autre.
En somme, la méta-analyse s’avère un excellent outil pour avoir une idée globale de l’état des connaissances actuelles sur un sujet précis. Petit truc rapide pour en reconnaître une : le mot méta-analyse (meta-analysis en anglais) figure généralement dans le titre ou le résumé de l’article scientifique. C’est le cas par exemple pour une méta-analyse publiée récemment par des membres de notre laboratoire, dont les résultats sont vulgarisés ici. En outre, lorsque les journalistes scientifiques présentent dans leurs reportages des résultats qui proviennent d’une méta-analyse, ils ou elles le spécifient généralement. Enfin, les méta-analyses se retrouvent dans une variété de bases de données, dont la Bibliothèque Cochrane, Corpus UL et l’archive ouverte HAL.
