Version of Record: https://www.sciencedirect.

com/science/article/pii/S1637408821002066
Manuscript_c657384d3ac91a8cc42e5fee925b13dc

Dochead Recherche
Sous-dochead Méthodologie
L’essentiel sur les méta-analyses

Bénédicte Coulm
Sage-femme, épidémiologiste
Centre de référence sur les agents tératogènes, hôpital Armand-Trousseau, DMU ESPRIT, AP-HP,
Sorbonne Université, 26 avenue du Docteur-Arnold-Netter, 75012 Paris, France
Adresse e-mail : benedicte.coulm@aphp.fr (B. Coulm).

Résumé
La méta-analyse est une démarche de recherche scientifique qui repose sur un protocole précis.
Correctement réalisée, elle offre une évaluation objective des données de la littérature sur un
sujet donné et contribue à l’avancement des connaissances. En général, considérées de très haut
niveau de preuve, les méta-analyses sont souvent utilisées pour établir des recommandations
pour la pratique clinique. La faiblesse méthodologique de certaines d’entre elles et les difficultés
éventuelles d’interprétation du résultat global conduisent à conseiller aux lecteurs de conserver
leur sens critique.
© 2022
Mots clés – évaluation ; méta-analyse ; niveau de preuve ; recherche bibliographique ; statistique

Summary à traduire
© 2022
Keywords à traduire et à lister par ordre alphabétique

De très nombreuses études scientifiques sont aujourd’hui publiées et facilement accessibles via
des bases de données bibliographiques telles que PubMed, Embase et Pascal [1-3]. La multiplicité
des sources et la variabilité des résultats pour un sujet donné exigent que le lecteur réalise un
travail de compréhension et de synthèse afin d’obtenir les réponses aux questions qu’il se pose.
Cette démarche est longue et complexe : identification et sélection des articles pertinents ; lecture
critique ; interprétation et confrontation des résultats de chaque étude dans l’objectif d’arriver à
une conclusion globale. La validité de cette conclusion est grandement dépendante de la qualité
du travail effectué en amont, à chaque étape. Dans ce contexte, il est primordial de suivre
scrupuleusement des procédés validés permettant, en outre, d’effectuer un travail reproductible.
La méta-analyse, qui repose sur une méthodologie précise, permet de combiner les résultats
quantitatifs de recherches rigoureusement sélectionnées, publiées ou non, et ainsi d’accroître les
connaissances sur une question scientifique (encadré 1).

T1 Large utilisation des méta-analyses

TEG1 Le terme méta-analyse, en tant que « méthode statistique permettant l’analyse d’un grand
nombre de résultats provenant d’études indépendantes », a été introduit en 1976 par Gene Glass,
un statisticien américain [4]. Si, à l’époque, la méta-analyse n’est « ni encore un outil, ni une
méthode précise », mais plutôt « une approche pour synthétiser, de manière intégrée et
quantitative, un certain nombre d’études empiriques, elle fait néanmoins appel à plusieurs
techniques, outils et méthodes statistiques » [5].
TEG1 Dans le domaine de la santé, la nécessité de faire avancer les connaissances a largement
contribué au développement des méta-analyses. Ainsi, en 2020, on en recensait près de 30 000
dans la base de données PubMed contre un peu moins de 18 000 en 2015, 7 000 en 2010 et 1 700

© 2021 published by Elsevier. This manuscript is made available under the Elsevier user license
https://www.elsevier.com/open-access/userlicense/1.0/
en 2000 (figure 1). La popularité de cette approche est d’ailleurs à l’origine de la création, en 1993,
d’une organisation internationale indépendante, la collaboration Cochrane (encadré 2), dont
l’objectif premier est de produire et diffuser des revues systématiques et des méta-analyses afin
de faire progresser les connaissances médicales [6].

T1 Principes de la méta-analyse
TEG1 Dès lors que plusieurs études s’intéressant au même sujet sont publiées, la mise en
commun de leurs données sous la forme d’une synthèse quantitative chiffrée, c’est-à-dire d’une
méta-analyse, présente un intérêt sur le plan pratique. Elle a pour effet d’augmenter la puissance
statistique de l’analyse, c’est-à-dire sa capacité à mettre en évidence une différence significative
entre les groupes, si celle-ci existe, et facilite l’accès et la diffusion de l’information auprès des
professionnels de santé.
TEG1 Les champs d’application des méta-analyses dans le domaine médical sont nombreux. Elles
peuvent être à visée : descriptive, pour estimer des taux d’incidence d’une pathologie ou d’une
exposition ; analytique, pour étudier l’association entre une exposition et un état de santé ou une
intervention ; d’évaluation, pour caractériser par exemple l’effet d’un médicament.
TEG1 Méthode de recherche à part entière, la méta-analyse doit impérativement suivre un
protocole précis, tant au niveau de l’identification et de la sélection des études concernées qu’au
niveau de leur lecture critique, des analyses statistiques et de la présentation des résultats. La
mise au point de ce protocole est un prérequis indispensable au démarrage de tout travail de ce
type. Seul le soin apporté par les auteurs au bon respect de chacune de ces étapes permettra une
interprétation juste et valide des données. Afin d’assurer une reproductibilité du travail, il est
également important que le contenu de chacune des étapes soit détaillé par les auteurs dans leur
publication. En outre, sans le respect d’un certain nombre de critères majeurs, l’effet combiné
calculé de la méta-analyse peut comporter des biais, la conclusion du travail risque alors d’être
inexacte.

T1 Cinq grandes étapes

TEG1 La réalisation d’une méta-analyse nécessite de suivre et de détailler dans le protocole de
l’étude les cinq étapes suivantes : la recherche et l’identification des données existantes ; leur
sélection en vue de leur inclusion ; la lecture critique de chaque publication retenue et l’extraction
des informations utiles ; la réalisation des analyses statistiques ; l’interprétation des résultats.
TEG1 La question de recherche à laquelle on souhaite répondre doit être définie avant toute
chose : qui sont les sujets ou les patients (âges spécifiques, stades de la maladie, etc.) concernés,
quelle est l’exposition ou quel est le traitement auquel on s’intéresse, quel est le groupe de
comparaison, quel est le critère de jugement pris en compte et, enfin, quels types d’études seront
inclus ? Tous les critères d’inclusion et de non-inclusion des travaux doivent être clairement
explicités dans le protocole de la méta-analyse afin d’éviter une sélection arbitraire des
publications. L’acronyme anglais Picos, pour Patient, Intervention, Comparison, Outcomes and
Study Design, rappelle les cinq points qu’il convient de définir.
TEG1 Un guide extrêmement détaillé est mis à la disposition des auteurs par la collaboration
Cochrane sur l’élaboration des méta-analyses [12].

T2 Recherche et identification des données existantes

TEG1 La recherche des études à inclure dans la méta-analyse doit être la plus exhaustive possible
afin d’éviter tout biais de publication1. En effet, il est probable que les travaux dont les résultats
sont significatifs ont eu plus d’opportunités d’être publiés, de surcroît dans une revue reconnue,
que ceux dont les résultats n’ont pas mis en évidence de différence entre les groupes.
TEG1 Puisqu’une recherche effectuée exclusivement parmi les études publiées peut être à
l’origine d’un biais susceptible de générer une conclusion erronée, il est indispensable de croiser
plusieurs sources d’information pour identifier l’ensemble des données existantes sur la question
de recherche : bases de données bibliographiques (PubMed, Pascal, Embase, etc.), rapports,
résumés de congrès (communications orales, posters, etc.), thèses, mémoires, voire registres
d’enregistrement d’essais cliniques (ClinicalTrials.gov, etc.) et de protocoles de recherche. La liste
des références citées par des publications constitue une source d’information à ne pas négliger.
TEG1 Il peut également être intéressant d’interroger différents experts de la question, qui
peuvent avoir connaissance d’études passées ou en cours.

T2 Sélection des études à inclure dans la méta-analyse

TEG1 Avant d’interroger les bases de données, une réflexion sur l’algorithme de recherche qu’il
convient d’utiliser doit être menée afin de cibler les études pertinentes : combinaisons de mots-
clés, années et langues de publication, etc.
TEG1 À l’issue de la recherche bibliographique, la sélection des études à inclure dans la méta-
analyse doit être la plus rigoureuse possible. Il est d’ailleurs conseillé qu’elle soit réalisée par deux
personnes différentes, à l’aveugle, afin de pallier les éventuelles erreurs d’interprétation ou
d’inattention susceptibles de survenir, particulièrement lorsqu’un tri doit être effectué parmi un
très grand nombre de publications. En cas d’avis discordants, des discussions permettront
d’aboutir à un consensus.
TEG1 Une présélection basée sur la lecture du titre des études et/ou de leur résumé permet
d’exclure rapidement celles qui ne sont pas pertinentes, quitte à en conserver un trop grand
nombre, en vue d’une lecture approfondie. À l’issue de cette étape, la lecture attentive de chaque
article, à la lumière des critères d’inclusion et de non-inclusion définis en amont, permet de
sélectionner les publications qui seront finalement incluses dans la méta-analyse.
TEG1 Le nombre d’études initialement identifiées, présélectionnées, puis sélectionnées, doit être
colligé, ainsi que les motifs ayant conduit à ne pas en retenir certaines ; ces informations sont
souvent présentées sous la forme d’un diagramme de flux dans les publications. La liste des études
incluses et non incluses, ainsi que leurs caractéristiques principales sont, quant à elles, souvent
présentées dans des tableaux de synthèse.

T2 Extraction des informations à partir des études retenues

TEG1 L’étape d’extraction des informations à partir des publications retenues peut être réalisée
en même temps que la précédente, à partir d’une grille de lecture standardisée permettant le
recueil systématique des données nécessaires aux analyses statistiques et à l’évaluation de la
qualité méthodologique de chaque étude.
TEG1 Des grilles et des outils sont disponibles, parmi lesquels :
• pour les études observationnelles, l’échelle de Newcastle-Ottawa et la grille Strengthening the
Reporting of Observational Studies in Epidemiology [13,14] ;
• pour les essais cliniques randomisés, l’outil Risk-of-Bias Tool for Randomized Trials, recommandé
par la collaboration Cochrane [15] ;
• pour les études interventionnelles non randomisées, l’outil Risk of Bias in Non-randomized
Studies of Interventions [16] ;
• pour les méta-analyses d’études observationnelles, la grille Meta-analyses of Observational
Studies in Epidemiology Checklist [17].
TEG1 Les informations permettant d’évaluer la qualité de l’étude et la nature des biais éventuels
(type d’étude, critères et modalités d’inclusion des sujets, mode de recueil des critères de
jugement, effectifs, etc.) et celles utiles à l’analyse statistique, c’est-à-dire au calcul de l’effet
global (nombre de personnes dans chaque groupe, facteurs éventuels d’ajustement, etc.), doivent
être collectées. Si nécessaire, les auteurs peuvent être contactés afin de réunir les informations
manquantes.

T2 Analyses statistiques et calcul de la taille de l’effet

TEG1 Le calcul de l’effet global, ou taille de l’effet, de chaque méta-analyse tient compte du type
de critère de jugement et de la question de recherche. Selon les cas, un odds ratio (OR), un risque
relatif ou une différence de risques peuvent être calculés, voire des hazard ratio si le critère de
jugement est la survie, de même que des moyennes standardisées.
TEG1 La taille de l’effet global est bien plus qu’une simple moyenne des résultats de chaque
étude incluse puisqu’une pondération basée sur les effets individuels estimés est appliquée au
calcul. L’effet global correspond ainsi à la moyenne des effets standardisés de chaque étude,
pondérée par l’inverse de leur variance2. Du fait de cette pondération, les travaux dont les
résultats ont une variance faible contribuent de manière forte à l’effet global. La variance étant
très dépendante du nombre d’individus inclus, les études de grande taille, incluant un nombre
important de sujets, ont une influence plus forte sur l’effet global.
TEG1 Deux types de modèles statistiques peuvent être utilisés : un modèle dit à effet fixe lorsque
l’on suppose qu’il n’existe pas de variabilité de l’effet entre les études ; un modèle à effet aléatoire
dans les autres situations, ce qui est le plus fréquent.
TEG1 La recherche d’une hétérogénéité entre les études incluses dans la méta-analyse est
indispensable pour interpréter l’effet global : en présence d’une hétérogénéité importante, la
signification clinique de l’effet est, en effet, limitée. Cette hétérogénéité peut être estimée par des
calculs statistiques, notamment via le I² de Higgins, avec les seuils suivants : I² inférieur à 0,25
= hétérogénéité faible ; I² compris entre 0,25 et 0,5 = hétérogénéité modérée ; I² supérieur à 0,5
= hétérogénéité importante. Elle peut également être approchée visuellement, grâce à la
représentation graphique des résultats de la méta-analyse, lorsque, pour chaque étude, les
intervalles de confiance des effets ne se chevauchent pas ou peu.
TEG1 Des analyses complémentaires peuvent être réalisées par sous-groupe, pour une catégorie
donnée de patients par exemple (selon le stade d’une maladie, la présence ou non de
comorbidités, etc.) ou en fonction du niveau d’exposition. Elles permettent d’affiner les
conclusions de l’étude, mais ne sont envisageables que si les informations nécessaires aux
analyses statistiques sont connues.

T2 Interprétation des résultats et représentation graphique

TEG1 Les résultats d’une méta-analyse sont présentés sous la forme d’un graphique “en forêt”,
appelé forest plot (figure 2). L’effet individuel et l’effet global sont représentés sur le même
graphique.
TEG1 Les résultats s’interprètent de la façon suivante : pour chaque étude, l’effet individuel (par
exemple, l’OR) est représenté sous la forme d’un carré avec son intervalle de confiance à 95 %
(ligne horizontale) ; l’effet global est symbolisé par un losange, dont les extrémités représentent
les bornes de l’intervalle de confiance. D’autres informations utiles à l’interprétation figurent sur
le forest plot, telles que le calcul statistique de l’hétérogénéité (I²) et les effectifs dans chacun des
groupes pour chaque étude.

T1 Conclusion
Les méta-analyses sont aujourd’hui devenues incontournables dans le domaine de la santé. Leur
mise en œuvre constitue un lourd travail de recherche et exige donc une implication importante
des auteurs dans le projet. Par rapport aux études épidémiologiques observationnelles, elles
peuvent constituer des publications de haut niveau de preuve, du fait de l’augmentation de la
puissance statistique permise par la mise en commun de données provenant d’études
individuelles, sur lesquelles sont notamment basées bon nombre de recommandations pour la
pratique clinique. Cela ne doit toutefois pas faire oublier qu’elles peuvent présenter de
nombreuses limites, susceptibles de rendre leurs conclusions critiquables (encadré 3). La validité
du résultat global est, en effet, dépendante de la qualité de la recherche bibliographique et de la
sélection des études en amont. En outre, il paraît difficile de retenir les résultats d’une méta-
analyse incluant des travaux présentant de nombreux biais méthodologiques. La vigilance du
lecteur doit être attirée sur ce point et il peut être parfois nécessaire de revenir aux publications
individuelles pour évaluer au mieux sa qualité.

Notes
1 L’existence,ou non, d’un biais de publication peut être évaluée, notamment via des méthodes
graphiques, qui ne seront toutefois pas décrites dans cet article.
2 La variance est un reflet de la précision de l’étude.

Déclaration de liens d’intérêts

L’auteur déclare ne pas avoir de liens d’intérêts.

Références
[1] PubMed. http://pubmed.ncbi.nlm.nih.gov.
[2] Embase. www.embase.com.
[3] Bases bibliographiques Pascal et Francis. https://pascal-francis.inist.fr/.
[4] Glass GV. Primary, secondary, and meta-analysis of research. Educ Res 1976;5(10):3-8.
[5] Laroche P. La méta-analyse. Méthodes et applications en sciences sociales. Bruxelles
(Belgique): De Boeck; 2015.
[6] The Cochrane Collaboration. www.cochrane.org/fr/about-us.
[7] Bréart G, Goujard J, Maillard F, et al. [Comparison of 2 obstetrical attitudes vis-à-vis inducing
labor at term. Randomized study]. J Gynecol Obstet Biol Reprod (Paris) 1982;11(1):107-12.
[8] Beaufils M, Uzan S, Donsimoni R, Colau JC. Prevention of pre-eclampsia by early antiplatelet
therapy. Lancet 1985;1(8433):840-2.
[9] Blondel B, Bréart G, Berthoux Y, et al. Home uterine activity monitoring in France: a
randomized, controlled trial. Am J Obstet Gynecol 1992;167(2):424-9.
[10] Crowley PA. Antenatal corticosteroid therapy: a meta-analysis of the randomized trials, 1972
to 1994. Am J Obstet Gynecol 1995;173(1):322-35.
[11] Chalmers I, Enkin M, Keirse MJNC. Effective care in pregnancy and childbirth. Oxford: Oxford
University Press, 1989.
[12] Higgins J, Thomas J. Cochrane handbook for systematic reviews of interventions. Version 6.2.
2021. https://training.cochrane.org/handbook/current.
[13] Wells G, Shea B, O’Connell D, et al. The Newcastle-Ottawa Scale (NOS) for assessing the
quality of nonrandomised studies in meta-analysises. 2011.
www.ohri.ca/programs/clinical_epidemiology/oxford.asp.
[14] STROBE. www.strobe-statement.org/.
[15] RoB 2 tool. A revised Cochrane risk of bias tool for randomized trials.
https://sites.google.com/site/riskofbiastool/welcome/rob-2-0-tool.
[16] Sterne JA, Hernán MA, Reeves BC, et al. ROBINS-I: a tool for assessing risk of bias in non-
randomised studies of interventions. BMJ 2016;355:i4919.
[17] Stroup DF, Berlin JA, Morton SC, et al. Meta-analysis of observational studies in epidemiology:
a proposal for reporting. Meta-analysis of Observational Studies in Epidemiology (MOOSE) group.
JAMA 2000;283(15):2008-12.
Encadré 1. Les grandes caractéristiques d’une méta-analyse
• Une approche quantitative, permettant de fournir un résultat chiffré.
• Une démarche systématique, reposant sur une méthodologie précise.
• Un travail de combinaison, basé sur des données issues des résultats d’études antérieures,
publiés ou non.
• La publication de résultats, permettant la diffusion de nouvelles connaissances

Encadré 2. De la médecine fondée sur les preuves en obstétrique à la collaboration Cochrane,

histoire d’un logo
Illustration 1 à placer ici.
TEG1 Dans le domaine de l’obstétrique, les premiers essais cliniques randomisés et les
premières méta-analyses ont été réalisés dans les années 1980, en France et à l’étranger [7-9]. La
synthèse et le regroupement de ces études ont constitué un outil majeur de diffusion des
connaissances scientifiques dans le domaine périnatal.
TEG1 La publication de la méta-analyse de Patricia Ann Crowley en 1995, pour ne citer qu’un
exemple, a représenté une avancée majeure pour la santé périnatale [10]. En concluant à
l’efficacité de la corticothérapie anténatale dans la réduction de la morbi-mortalité chez les
nouveau-nés prématurés, elle a largement contribué – avec la mise en place du surfactant, entre
autres – à améliorer la survie de ces enfants au cours des trente dernières années, avec un rapport
coût/efficacité extrêmement favorable. Tous les professionnels de santé ont probablement déjà
vu le logo de la collaboration Cochrane. Néanmoins, qui, parmi eux, sait qu’il illustre le résultat
graphique de cette méta-analyse de sept essais contrôlés randomisés ?
TEG1 En 1993, la collaboration Cochrane s’est développée sous la direction de Iain Chalmers, qui
avait publié en 1989 un ouvrage traitant des soins basés sur les preuves en obstétrique [11], en
réponse à un appel d’Archie Cochrane qui plaidait pour que les revues d’essais cliniques
randomisés réalisées dans le domaine de l’obstétrique soient étendues à l’ensemble du champ de
la médecine.

Encadré 3. Risques et limites des méta-analyses

T1 Risque majeur
Ne pas conserver son sens critique en partant du principe qu’une méta-analyse est
systématiquement une étude de haut niveau de preuve.
T1 Limites
Une mauvaise sélection des études : recherche bibliographique non exhaustive, biais de
publication et critères d’inclusion inadéquats. Prendre le temps de rédiger un protocole de
recherche détaillé est un prérequis indispensable.
Une hétérogénéité : plus celle-ci est grande, plus les différences entre les études incluses sont
importantes et plus la validité du résultat global est questionnable.
Des biais dans les études retenues : s’ils sont importants, les résultats de la méta-analyse seront
également biaisés. Évaluer la qualité des études incluses est primordial.

Figure1_Coulm3.jpg
© B. Coulm/Elsevier Masson SAS
Figure 1. Nombre annuel de méta-analyses publiées depuis 1980 (données issues de PubMed via
une recherche utilisant le mot-clé “meta-analysis”).

Figure2_Coulm3.jpg
© B. Coulm/Elsevier Masson SAS
Figure 2. Exemple de représentation graphique d’une méta-analyse.

Illus1_Coulm3.jpg
© Collaboration Cochrane