Les fondamentaux de la méta-analyse

Un forest plot est facile à produire et facile à mal utiliser. Ce niveau construit le jugement qui sous-tend la méta-analyse : quand le regroupement est valide, quelle mesure d'effet employer, quel modèle choisir, et comment lire l'hétérogénéité honnêtement, pour que votre synthèse soit défendable et pas seulement élégante.

À qui s'adresse ce niveau

Toute personne qui réalisera ou interprétera une méta-analyse : chercheurs, cliniciens, analystes et utilisateurs de preuves. Recommandé après les Niveaux 1 à 3.

Ce que vous apprendrez

• Quand méta-analyser, et quand une synthèse narrative est le choix plus sûr et plus honnête
• Les mesures d'effet pour les résultats binaires (risque relatif, odds ratio, différence de risque) et comment choisir
• Les mesures d'effet pour les résultats continus (différence de moyennes contre différence de moyennes standardisée)
• Modèles à effet fixe contre effets aléatoires, et pourquoi les effets aléatoires conviennent d'ordinaire aux revues en santé mondiale
• L'hétérogénéité en termes simples : Q, I² et tau², interprétés qualitativement
• Comment lire et expliquer un forest plot : lignes des études, poids, et le losange combiné avec son intervalle de confiance

Vous repartez avec : Votre plan de synthèse : mesure d'effet et modèle choisis, avec une stratégie face à l'hétérogénéité.