Une méthode de synthèse quantitative qui combine des résultats numériques issus de plusieurs études indépendantes mesurant des tailles d’effet comparables pour produire une estimation regroupée et son incertitude, en utilisant des modèles statistiques explicites et des méthodes d’évaluation et de prise en compte de l’hétérogénéité inter‑études et des biais.

Principe

La mise en commun des estimations augmente la précision statistique et ne permet de synthétiser un effet global que lorsque les études mesurent des quantités suffisamment comparables et que l’hétérogénéité et les biais au niveau des études sont évalués et traités ; une précision accrue ne corrige pas des biais systématiques dans les données d’entrée.

Démonstration

Situation : Plusieurs essais randomisés rapportent des mesures d’effet traitement vs témoin sur le même outcome. Reconnaissance : Les mesures d’effet et leurs variances sont extractibles et jugées suffisamment comparables. Action : Convertir les mesures en métrique commune, choisir un modèle à effets fixes ou aléatoires adapté, calculer une estimation groupée et quantifier l’hétérogénéité et la sensibilité aux choix de modèle. Conséquence : Une estimation ponctuelle groupée avec intervalle de confiance et métriques d’hétérogénéité qui éclairent l’interprétation et la prise de décision, sous réserve de la qualité et de la compatibilité des études incluses.

Mauvaise application

Combiner des études qui utilisent des outcomes différents, des mesures incomparables ou des populations fondamentalement différentes sans transformation ou regroupement approprié. L’erreur sémantique consiste à considérer la mise en commun numérique comme intrinsèquement valide quelles que soient les incompatibilités, ce qui peut produire des estimations trompeuses.

Conséquence

Une méta‑analyse correctement conduite peut accroître la précision, identifier la cohérence ou la variabilité entre études et clarifier des tendances ou des sous‑groupes ; mais regrouper des études biaisées ou hétérogènes peut produire un résumé précis mais invalide, induisant en erreur pour les décisions et politiques.

Inversion

Lorsque l’hétérogénéité inter‑études est importante et inexpliquée, ou lorsque les études diffèrent d’estimande ou de mesure, le regroupement quantitatif peut être inapproprié ; dans ce cas, présenter les résultats sans mise en commun ou utiliser des approches alternatives (méta‑régression, synthèse narrative ou méta‑analyse sur données individuelles) peut fournir des inférences plus valides.

Limite

Clairement dedans : mise en commun statistique de mesures d’effet comparables issues d’études indépendantes avec méthodes documentées d’évaluation de l’hétérogénéité. Cas limite : regrouper des tailles d’effet standardisées provenant d’instruments de mesure différents — la validité dépend des hypothèses d’équivalence des construits. Clairement dehors : synthèses qualitatives ou décompte de résultats sans combinaison quantitative des tailles d’effet.

Tension sémantique

Précision obtenue par la mise en commun ↔ Validité menacée par hétérogénéité et biais : une précision statistique accrue peut coexister avec des conclusions peu fiables si les données d’entrée sont incompatibles ou biaisées.

Synthèse

La méta‑analyse est un outil statistique permettant de résumer quantitativement les preuves et d’accroître la précision, mais sa valeur dépend de la compatibilité des mesures d’effet, de l’évaluation rigoureuse de l’hétérogénéité et des biais, et d’un compte rendu transparent des hypothèses et analyses de sensibilité.