Combiner des études (méta-analyse)

En bref

Une méta-analyse combine les résultats de plusieurs études en un résultat global. Les données sont ici des études, pas des personnes : une ligne par étude. Statable calcule avec R (metafor) un modèle à effets aléatoires avec REML, le test et les intervalles avec l’ajustement de Knapp et Hartung (Knapp-Hartung adjustment) (recommandé avec peu d’études). R est chargé une seule fois, la première fois.

1. Choisissez ce dont vous disposez pour les études : effet avec erreur standard ou intervalle, deux groupes (moyenne, SD, n) ou corrélation r avec n.
2. Saisissez les études ou collez-les depuis un tableur. Si les études figurent déjà dans vos données, affectez les colonnes.
3. Calculer. L’exemple « Vaccin BCG » montre les étapes.

Avec « Ajouter un modérateur » (jusqu’à trois nombres par étude, par exemple l’année ou la durée), Statable calcule aussi une méta-régression. Règle empirique : au moins 10 études par modérateur. Les modérateurs montrent une association, pas une cause.

Lire le résultat

• Effet global avec intervalle à 95 % et test t (Knapp et Hartung) : la moyenne pondérée ; les études précises comptent davantage.
• Hétérogénéité : Q, I² et τ² avec intervalle. Une valeur élevée signifie que les études diffèrent réellement.
• Intervalle de prédiction (dans la phrase principale) : où se situe probablement le vrai effet d’une nouvelle étude comparable ; plus large que l’intervalle de confiance, car il tient compte de la variation entre les études.
• Graphique en forêt : des carrés selon le poids, un losange pour l’effet global. Graphique en entonnoir avec test d’Egger : indique si les petites études montrent d’autres effets que les grandes. Cela peut tenir à des études non publiées, mais aussi à de vraies différences entre les études ou au hasard.

Conditions et limites

• Les études mesurent le même résultat, et aucun échantillon ne fait partie de deux études.
• En dessous de 5 études, la variance entre les études (τ²) est très incertaine ; en dessous de 10, le test d’Egger dit peu de choses (Sterne et collègues, 2011).
• Les mesures de rapport (odds ratio, risque relatif) sont saisies sous forme de logarithmes ; Statable les affiche après transformation inverse.
• Une méta-analyse n’améliore pas des études faibles et n’établit pas de causes.

Méta-analyse (modèle à effets aléatoires, REML) : r = ,15, IC à 95 % [,08 ; ,22], t(15) = 4,57, p < ,001 ; Q(15) = 38,16, p < ,001 ; I² = 62 % ; τ² = 0,008 (k = 16)

Exemples typiques

• Dix études sur un entraînement à la lecture, chacune avec une taille d’effet et une erreur type : effet global, graphique en forêt et I².
• Études avec des odds ratios : odds ratio combiné.

Pour les spécialistes

metafor::rma avec REML et Knapp-Hartung (test "knha") par défaut : avec 4 à 10 études, les intervalles fondés sur z sont trop étroits (IntHout, Ioannidis et Borm, 2014 ; Cochrane Handbook 6.4). Sans l’ajustement (case sous « Pour les spécialistes »), Statable calcule comme JASP avec z. τ², τ et I² avec intervalle via confint. Intervalle de prédiction avec predict ; la variante d’IntHout et al. (2016) avec t(k − 2) se trouve sous « Pour les spécialistes ». g de Hedges via escalc "SMD", corrélations via le z de Fisher. Egger : regtest avec model "lm".