Cours de méta-analyse et revues systématiques

Leçon 1 • Rôle de la méta-analyse dans la recherche

Explique comment la méta-analyse regroupe quantitativement les résultats d'études pour accroître la précision. Relie la synthèse statistique à l'objectif plus large de réduire l'incertitude dans un domaine.

Leçon 2 • Qu'est-ce qu'une revue systématique

Définit les revues systématiques et les oppose aux revues narratives et aux revues de portée. Ancre le chapitre en établissant pourquoi la reproductibilité et la transparence sont importantes dans la synthèse des données probantes.

Leçon 3 • Normes éthiques et de rapport

Présente les lignes directrices de rapport et les exigences d'enregistrement pour les revues systématiques. Établit les normes professionnelles que les étudiants doivent suivre tout au long du cours.

Leçon 1 • Évaluation de la portée et de la faisabilité

Guide une analyse documentaire préliminaire pour estimer les données probantes disponibles avant l'engagement complet dans un protocole. Empêche le gaspillage de ressources sur des questions avec une littérature insuffisante ou trop abondante.

Leçon 2 • Cadres de question structurés

Présente les cadres PICO, PICOS et SPIDER pour décomposer les questions de recherche. Un cadrage correct empêche l'élargissement de la portée et garantit que les critères d'admissibilité sont cohérents en interne.

Leçon 3 • Rédaction et enregistrement d'un protocole

Couvre la structure d'un protocole de revue formel et la soumission aux registres publics. L'enregistrement verrouille les méthodes avant la collecte des données, réduisant ainsi le biais de rapport des résultats.

Leçon 1 • Identification des bases de données pertinentes

Cartographie les principales bases de données bibliographiques par discipline et couverture. Sélectionner la bonne combinaison de sources est la première étape vers une récupération exhaustive.

Leçon 2 • Documentation et rapport des recherches

Établit des normes pour l'enregistrement des dates de recherche, des chaînes de recherche et des décomptes de résultats. Une documentation transparente permet la réplication et satisfait aux exigences de rapport PRISMA.

Leçon 3 • Recherche au-delà des bases de données

Étend la récupération à la littérature grise, aux listes de références et aux contacts d'experts. La recherche supplémentaire réduit le biais de publication des stratégies basées uniquement sur les bases de données.

Leçon 1 • Conception de formulaires d'extraction de données

Enseigne la construction de formulaires standardisés capturant les caractéristiques et les résultats des études. Des formulaires bien conçus réduisent les erreurs d'extraction et assurent une cohérence des données entre les examinateurs.

Leçon 2 • Réalisation et vérification de l'extraction

Met en œuvre des flux de travail d'extraction et de vérification en double pour minimiser les erreurs de transcription. Des données précises sont le fondement de calculs méta-analytiques valides dans les chapitres ultérieurs.

Leçon 3 • Tri des titres et des résumés

Couvre les procédures de tri indépendant par deux examinateurs et de résolution des conflits. Le tri systématique empêche à la fois la sur-inclusion et l'exclusion involontaire d'études admissibles.

Leçon 1 • Outils pour les études observationnelles

Couvre ROBINS-I et l'échelle de Newcastle-Ottawa pour les plans non randomisés. Les études observationnelles nécessitent des domaines de biais différents de ceux des essais, reflétant les risques de confusion.

Leçon 2 • Intégration de la qualité dans la synthèse

Traduit les jugements de biais en analyses de sensibilité et en évaluations de la certitude GRADE. L'évaluation de la qualité façonne la force des conclusions tirées des estimations regroupées.

Leçon 3 • Outils pour les essais randomisés

Applique l'outil Cochrane Risk of Bias 2 aux essais contrôlés randomisés. Une évaluation structurée par domaine remplace la notation subjective de la qualité pour les ECR.

Leçon 1 • Modèles à effets fixes et à effets aléatoires

Oppose les hypothèses et les formules du regroupement à effets fixes et à effets aléatoires. Le choix du modèle reflète les hypothèses sur l'hétérogénéité entre les études et affecte la largeur de l'intervalle.

Leçon 2 • Mesures de la taille de l'effet et calcul

Couvre les rapports de cotes, les rapports de risques, les différences de moyennes et les différences de moyennes standardisées. Sélectionner la mesure d'effet correcte est la première décision analytique dans toute méta-analyse.

Leçon 3 • Évaluation et quantification de l'hétérogénéité

Présente la statistique Q, l'indice I² et tau² pour mesurer la variabilité entre les études. La quantification de l'hétérogénéité détermine si le regroupement est approprié et guide la planification des sous-groupes.

Leçon 1 • Analyses de sensibilité

Teste la robustesse des estimations regroupées en faisant varier systématiquement les décisions analytiques. Les analyses de sensibilité révèlent si les conclusions dépendent d'études ou d'hypothèses spécifiques.

Leçon 2 • Interprétation et rapport des résultats

Synthétise les résultats d'hétérogénéité en résumés narratifs et tabulaires cohérents. Une interprétation précise empêche la surestimation des effets modérateurs dans la revue finale.

Leçon 3 • Principes de l'analyse de sous-groupes

Définit les sous-groupes a priori vs. post hoc et les risques d'extraction de données. Les sous-groupes pré-spécifiés sont la seule base défendable pour les affirmations de modérateur dans une revue.

Leçon 1 • Détection du biais de publication

Couvre les diagrammes en entonnoir, le test d'Egger et le test de Begg pour identifier l'asymétrie due au rapport sélectif. La détection du biais est essentielle avant d'interpréter les estimations regroupées comme des résumés non biaisés.

Leçon 2 • Méta-analyse des données individuelles des participants

Explique les approches à une ou deux étapes utilisant les données brutes au niveau des participants. La méta-analyse DIP permet des analyses de sous-groupes impossibles avec des données agrégées et réduit le biais écologique.

Leçon 3 • Rédaction et soumission de la revue

Guide la rédaction, l'examen par les pairs et la soumission à une revue d'une revue systématique complétée. Le respect de PRISMA et des exigences spécifiques à la revue maximise l'acceptation et l'impact.

Leçon 4 • Ajustement du biais de publication

Applique les procédures de trim-and-fill et les modèles de sélection pour ajuster les estimations regroupées en fonction des études manquantes. Les méthodes d'ajustement fournissent des estimations corrigées mais comportent leurs propres hypothèses et limites.