Ch14 — Revue systématique et méta-analyse

Énoncé. On fait une méta-analyse. On observe que l'effet commun des études est statistiquement significatif. La valeur p du test d'hétérogénéité est inférieure à 0,05. Le funnel plot s'avère symétrique. On peut affirmer : A) La présence d'un biais de publication · B) L'effet de chaque étude est dans l'intervalle de confiance de l'effet commun · C) Les études ont des effets statistiquement significatifs · D) La différence des effets observés entre les études est expliquée par autre chose que l'aléa de l'échantillonnage.

A — FAUX. Le funnel plot est symétrique : d.43, « en l'absence de biais de publication, on devrait avoir une répartition symétrique ». C'est l'asymétrie qui détecte le biais (d.44), pas la symétrie.

B — FAUX. Rien n'impose qu'un effet individuel tombe dans l'IC de l'effet commun ; cet IC est même plus étroit que tous les autres (d.26 : 0,11 contre 0,22 au mieux), ce qui rend la chose plutôt improbable.

C — FAUX. Le piège récurrent du chapitre : un effet commun significatif ne dit rien de chaque étude prise isolément — la d.27 en fait la démonstration inverse (six essais non conclusifs, effet commun p = 0,009).

D — VRAI. p < 0,05 au test d'hétérogénéité ⇒ H₀ (homogénéité) rejetée ⇒ la variabilité entre études dépasse ce que l'aléa de l'échantillonnage explique. C'est la définition même de l'hétérogénéité (d.31). ✓ clé officielle

La question modèle du chapitre : elle teste les trois lectures d'un forest plot d'un coup — effet commun, hétérogénéité, funnel plot. Diapos 2.0 C14-Q23.

Énoncé. Méta-analyse des patchs de nicotine sur l'arrêt du tabac, avec un odds ratio commun de 2,5 (p = 0,002) : A) L'effet global est en faveur des patchs · B) C'est hétérogène · C) Toutes les études ont un effet statistiquement significatif · D) Toutes les études ont le même poids dans l'odds ratio commun.

A — VRAI. OR = 2,5 > 1 avec p = 0,002 : l'effet commun est significatif et va dans le sens d'un bénéfice des patchs. Rappel de la d.29 : la valeur nulle d'un rapport est 1, pas 0.

B — FAUX. L'énoncé ne dit rien du test d'hétérogénéité. Les deux tests du forest plot sont indépendants : un effet commun significatif ne renseigne pas sur l'homogénéité.

C — FAUX. Même piège que 2021 Q12 C : la d.27 montre le cas extrême où aucun essai n'est significatif alors que l'effet commun l'est.

D — FAUX. d.24 : les poids « reflètent la quantité d'information apportée par une étude » et dépendent de la précision, donc surtout de la taille. Sur le forest plot de l'ergothérapie ils vont de 8,7 % à 25,7 % : ils ne sont jamais égaux par construction.

⚠️ ÉCART DÉCLARÉ. Aucune clé ne figure dans l'annale retranscrite ; les quatre verdicts ci-dessus sont reconstitués à partir des diapositives (d.24, d.29, d.33) et signalés comme tels partout où la question est réutilisée.

Deux propositions sur quatre (C et D) sont la même leçon que 2021 Q12 : l'effet commun ne dit rien de chaque étude, et les poids ne sont pas égaux. Diapos 2.0 C14-Q24.

Énoncé. Dans une méta-analyse, le poids des différents essais dépend avant tout de : A) La taille des échantillons · B) La qualité des essais · C) La méthode utilisée · D) À quel point l'effet est statistiquement significatif · E) À quel point l'effet commun est statistiquement significatif.

A — réponse retenue. d.24, phrase exacte : « les poids reflètent la quantité d'information apportée par une étude : le poids d'une étude de grande taille a tendance à être plus important que celui d'une étude de petite taille ». Le poids est l'inverse de la variance : il vient de la précision, donc de la largeur de l'IC, donc d'abord du nombre de sujets (et du nombre d'événements).

B — FAUX selon le cours. Le prof est catégorique, deux fois : « le poids ne dépend pas du tout de la qualité de l'étude, ça ne dépend que de la précision statistique » (1:10:18) ; « le poids attribué à l'étude ne dépend pas de la qualité de l'étude, ça ne dépend que du résultat » (1:16:28). La d.28 enfonce le clou : « le calcul de l'IC 95 % de l'effet commun n'intègre pas la qualité des essais ». La qualité décide de l'inclusion, pas du poids.

C — FAUX. La méthode statistique est la même pour tous les essais d'une même méta-analyse.

D et E — FAUX. La significativité est un résultat, pas un ingrédient du poids ; et le poids se calcule étude par étude, avant même de connaître l'effet commun. « Ce n'est pas l'analyste qui choisit le poids, c'est l'algorithme » (1:16:28).

⚠️ ÉCART DÉCLARÉ — DÉSACCORD AVEC LE CORRIGÉ. Le corrigé du retranscrit répond B, « qualité des essais ». C'est contraire à la pondération par l'inverse de la variance enseignée dans le cours et contredit deux fois l'oral du prof. La clé retenue ici est A. À vérifier auprès du prof ou du répétitoire ; en attendant, la carte Anki porte la même mention.

C'est le piège le plus rentable du chapitre : précision ≠ qualité. Diapos 2.0 C14-Q11.

Énoncé. Les résultats d'essais cliniques randomisés retenus pour une revue systématique peuvent être combinés dans une méta-analyse. Si on détecte de l'hétérogénéité, on peut en conclure que : A) Les résultats de certains ECR n'ont pas été publiés · B) L'effet de l'intervention expérimentale varie d'un essai à l'autre · C) La qualité méthodologique varie d'un effet à l'autre · D) L'effet commun est statistiquement significatif · E) La taille de l'échantillon varie d'un essai à l'autre.

B — bonne réponse. d.33 : « présence d'hétérogénéité : le véritable effet de l'intervention (paramètre) n'est pas le même dans tous les essais ». C'est la définition, obtenue quand la variabilité observée dépasse ce que l'aléa d'échantillonnage explique (d.31). ✓ clé officielle

A — FAUX. C'est le biais de publication (d.42), traqué au funnel plot. Il déplace l'effet commun (il le surestime) ; il ne crée pas d'hétérogénéité.

C — FAUX. La qualité des essais est une cause possible d'hétérogénéité (d.32), pas une conclusion qu'on tire de sa détection. Le test dit qu'il y a de l'hétérogénéité, jamais d'où elle vient : il faut l'explorer (d.35).

D — FAUX. Les deux tests du forest plot sont indépendants : on peut avoir un effet commun significatif et une forte hétérogénéité, ou l'inverse.

E — FAUX. La taille varie dans toute méta-analyse, et le répétitoire tranche : « la taille d'échantillon a un impact sur la précision de l'effet estimé, mais le véritable effet du traitement ne dépend pas de la taille d'échantillon » (exercice 3).

Trois des quatre distracteurs sont des notions voisines du chapitre (biais de publication, cause d'hétérogénéité, test d'association) : la question vérifie qu'on ne les confond pas. Diapos 2.0 C14-Q18.

Énoncé. Est-ce que les affirmations suivantes sont vraies ou fausses : 1) Dans une même méta-analyse, on peut combiner des risques relatifs et des odds ratios. 2) Si la valeur p du test d'hétérogénéité est 0,15, les estimations de l'effet sont identiques dans toutes les études. 3) Dans le calcul de l'effet commun, le poids des études n'est pas forcément le même.

1) FAUX — corrigé du prof : « Cela n'a pas de sens de combiner des RR et des OR. Dans une méta-analyse, on ne peut combiner qu'une seule et même mesure d'association. » ⇒ d.39.

2) FAUX — corrigé du prof : « Il y a toujours de la variabilité dans les estimations des différentes études à cause de l'aléa de l'échantillonnage. Lorsque la valeur p du test d'hétérogénéité est > 0,05, on conclut que la variabilité observée entre les estimations des études est compatible avec la seule variabilité causée par l'aléa de l'échantillonnage. Lorsque p < 0,05, on conclut que d'autres causes (en plus de l'aléa de l'échantillonnage) contribuent à cette variabilité. » ⇒ on ne démontre jamais H₀.

3) VRAI — corrigé du prof : « Les poids dépendent beaucoup de la taille de l'échantillon : une étude de grande taille aura tendance à avoir un poids plus important qu'une étude de petite taille. » ⇒ d.24, et c'est la clé de l'annale 2023 Q22.

Les trois affirmations couvrent trois annales sur quatre. Repris mot pour mot en C14-Q22, et l'affirmation 2 en C14-Q19.

Énoncé. Expliquez en quoi consiste le biais de publication et citez une méthode pour le détecter.

Corrigé du prof, mot pour mot. « Le processus de publication peut causer une erreur systématique (= biais) dans les résultats d'une méta-analyse, si la probabilité d'être publié dépend des résultats de l'étude. Si des études favorables au traitement expérimental ont une haute probabilité de publication, mais que les études négatives risquent de rester dans un tiroir, on va surestimer l'effet commun en prenant la “moyenne” des effets rapportés par les études publiées. »

« On peut détecter un biais de publication à l'aide d'un funnel plot. Dans un funnel plot, chaque étude est représentée par un point (axe horizontal : effet estimé, axe vertical : précision de l'estimation de l'effet, comme la taille d'échantillon ou l'erreur type). En présence d'un biais de publication, il manque des études avec une mesure d'effet indiquant une absence d'effet (par ex. odds ratios proche de 1). Ceci se traduit par une asymétrie du funnel plot. »

Ce que le corrigé ajoute aux diapositives. ① Le mot « erreur systématique » : le biais de publication est un biais au sens du Ch13 · ② le sens de l'erreur : on surestime l'effet commun · ③ l'axe vertical peut être la taille d'échantillon OU l'erreur type · ④ ce qui manque, ce sont les études proches de l'absence d'effet, pas les études « négatives » au sens du signe.

Repris en C14-Q23 (annale 2021 Q12 A) et au cœur de la micro-notion N13m3.

Énoncé. Dans une méta-analyse d'essais cliniques randomisés testant l'efficacité d'un nouveau traitement par rapport à un placebo, est-ce que les éléments suivants sont des sources potentielles d'hétérogénéité de l'effet du traitement : 1) La dose du traitement varie dans les essais. 2) La taille d'échantillon varie dans les essais. 3) La population de patients échantillonnée varie dans les essais.

1) OUI — corrigé du prof : « Si l'efficacité du traitement dépend de la dose, alors l'effet qu'on cherche à estimer n'est pas le même dans toutes les études. Mais si l'efficacité du traitement aux doses testées est la même (par ex. si les doses sont assez similaires), ce n'est pas une source d'hétérogénéité. » ⇒ la nuance compte : c'est une source potentielle.

2) NON — corrigé du prof : « La taille d'échantillon a un impact sur la précision de l'effet estimé (intervalle de confiance à 95 %), mais le véritable effet du traitement ne dépend pas de la taille d'échantillon. » ⇒ c'est exactement l'option E, fausse, de l'annale 2024 Q32.

3) OUI — corrigé du prof : « OUI si l'efficacité du traitement varie en fonction du type de patients. Par exemple, si le traitement est plus efficace chez les patients diabétiques que chez les patients non diabétiques, l'effet du traitement estimé dans les essais menés avec des patients diabétiques n'est pas le même que dans les essais menés avec des patients non diabétiques. » ⇒ c'est l'exemple filé de l'oral (1:25:42, 1:29:46, 1:38:57).

La distinction qui organise tout : l'hétérogénéité porte sur le PARAMÈTRE (le vrai effet), la précision sur l'ESTIMATION. Repris en C14-Q18 et C14-Q19.