Vous êtes sur la page 1sur 1

Concepts et outils en Evidence-Based Medicine

Formation
Médicale
Continue
Comment interpréter un funnel plot ?
Tom Poelman, Lorsque les chercheurs d’une synthèse méthodique avec la population. En rassemblant dans une synthèse mé-
Vakgroep Huisarts- méta-analyse ne trouvent pas toutes les informations thodique toutes les études portant sur une question de
geneeskunde en utiles concernant une question de recherche déterminée, recherche déterminée, on augmente la taille de l’échantil-
Eerstelijnsgezond- le risque est réel qu’un biais de mention fausse les ré- lon, et la moyenne de toutes les estimations ponctuelles
heidszorg, UGent
sultats de la méta-analyse. Ne pas retrouver toutes les des différentes études donnera une estimation ponctuelle
études pertinentes peut s’expliquer par la restriction quant plus précise de l’effet réel. Il est ainsi apparu que le risque
Texte sous la à la langue de publication – imposée par les auteurs eux- relatif moyen de toutes les études qui ont examiné l’effet
responsabilité de la mêmes – (biais de langue de publication) ou être dû au des bilans de santé préventifs sur la mortalité était égal à
rédaction neérlan- fait qu’on passe à côté d’études peu souvent citées au 0,99 (IC à 95 % de 0,95 à 1,03)6. Contrairement à ce que
dophone cours d’une recherche manuelle (complémentaire) dans certaines études ont individuellement montré, l’extension
les listes de références des études déjà trouvées (biais de l’échantillon a révélé que l’intervention était sans effet.
de citation). Dans les deux cas, il s’agit le plus souvent On peut tracer un graphique de dispersion (scatter plot)
d’études plus petites qui en reportant sur l’axe des x le risque relatif moyen ainsi
sont moins fréquemment que les risques relatifs des différentes études (voir figure
publiées et citées dans les A). Comme il existe de petites différences fortuites entre
revues paraissant en an- les études (par exemple les petites différences dans les
glais. Cependant, le biais caractéristiques de base), il y aura statistiquement envi-
dans le signalement peut ron autant d’études d’un côté que de l’autre de la ligne
aussi être lié à la non publi- pointillée (risque relatif moyen). L’axe des y correspond
cation de certaines études à l’inverse de l’erreur standard de chaque étude. L’erreur
(biais de publication). Les standard est inversement proportionnelle à la taille de
études qui démontrent un l’échantillon, les études plus grandes donneront une es-
effet favorable d’un nou- timation plus précise de l’effet (voir ci-dessus); elles se
Figure A. Funnel plot pour des études examinant l’effet veau traitement ont beau- placeront non seulement plus haut sur l’axe des y, mais
des bilans de santé préventifs sur la mortalité totale6. coup plus de chances seront aussi plus rapprochées de la moyenne de la mé-
d’être publiées que celles ta-analyse. A l’inverse, les études plus petites seront plus
qui ne démontrent aucune dispersées et se situeront à la base du graphique de dis-
différence ou trouvent des persion. Si les études sont en nombre suffisant, on arrive
résultats défavorables1,2. ainsi à la forme évasée typique du funnel plot7. Dans notre
Un récent éditorial sur des exemple, cette forme évasée est moins nette car basée
conclusions contradic- sur un petit nombre d’études (N < 10). Néanmoins, la sy-
toires de deux méta-ana- métrie nous permet de conclure que, si l’on ne peut affir-
lyses, qui examinaient mer l’existence d’un biais dans le signalement, on ne peut
l’effet des inhibiteurs de la pas non plus l’exclure complètement.
neuraminidase sur la pré- Imaginons maintenant que les auteurs aient omis quelques
vention des infections des études plus petites montrant une augmentation du risque
Figure B. Funnel plot hypothétique pour des études exa-
minant l’effet des bilans de santé préventifs sur la mor-
voies respiratoires basses relatif sur la mortalité (voir figure B). Le funnel plot aurait
talité totale. en cas de grippe3, illustre été asymétrique, et le risque relatif moyen aurait été, par
l’importance de détecter exemple de 0,9, au lieu de 1. Dans ce cas, l’asymétrie du
un éventuel biais dans le funnel plot nous aurait averti de l’existence d’un biais dans
signalement avant de ti- le signalement, sous une forme ou une autre.
rer des conclusions. Un Un funnel plot asymétrique peut cependant aussi être
funnel plot (graphique en dû à d’autres facteurs, comme l’hétérogénéité entre les
entonnoir), qui permet de études incluses8. En reportant sur le funnel plot les erreurs
représenter les estimations standards calculées respectivement pour les limites infé-
ponctuelles en fonction de rieure et supérieure de l’intervalle de confiance à 95 % du
la taille de l’échantillon pour résultat moyen, on obtient la pente d’une diagonale sous
chaque étude, pourra être laquelle devraient se situer 95 % des études trouvées9. Si
utile à cet effet. … un trop grand nombre d’études se situent en dehors de
Figure C. Funnel plot hypothétique pour des études exa- Pour chaque étude, la cette zone (voir figure C), l’asymétrie du funnel plot s’ex-
minant l’effet des bilans de santé préventifs sur la mor- moyenne de toutes les plique probablement par l’hétérogénéité entre les études
talité totale. analysées.
mesures donne une esti-
Source : Krogsbøll LT, Jørgensen K, Larsen CG, Gøtzsche mation ponctuelle de l’ef- Conclusion
PC. General health checks in adults for reducing morbidity fet réel de l’intervention
and mortality from disease: Cochrane systematic review Dans un funnel plot, les estimations ponctuelles des dif-
and meta-analysis. BMJ 2012;345:e7191. sur laquelle porte l’étude. férentes études, après une recherche systématique dans
La précision de chaque la littérature, sont reportées sur l’axe des x, de même que
estimation ponctuelle est déterminée par l’erreur stan- la moyenne de la méta-analyse. L’erreur standard des dif-
dard. Celle-ci est proportionnelle à la déviation standard férentes études est reportée sur l’axe des y. Si le nombre
- la distribution des mesures autour de la moyenne - et d’études est suffisant (> 10), il est possible de montrer
inversement proportionnelle à la taille de l’échantillon4,5. l’existence d’un biais de signalement ou de l’exclure, en
Si l’échantillon est de grande taille, l’erreur standard sera fonction de la symétrie du funnel plot.
donc petite, et l’estimation ponctuelle de l’échantillon
approchera la valeur réelle du critère de jugement dans Références voir site web

26 minerva mars 2014 volume 13 numéro 2