pr parer une revue syst matique n chaillet responsable du p le udem cochrane l.
Download
Skip this Video
Download Presentation
Préparer une Revue Systématique N. Chaillet, Responsable du Pôle UdeM Cochrane

Loading in 2 Seconds...

play fullscreen
1 / 112

Préparer une Revue Systématique N. Chaillet, Responsable du Pôle UdeM Cochrane - PowerPoint PPT Presentation


  • 1078 Views
  • Uploaded on

Préparer une Revue Systématique N. Chaillet, Responsable du Pôle UdeM Cochrane. Collaboration Canadienne Cochrane. A. Objectifs. Donner une méthode pour réaliser une revue systématique - Les revues sont rétrospective par nature et sont conçues pour minimiser les biais

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Préparer une Revue Systématique N. Chaillet, Responsable du Pôle UdeM Cochrane' - ciel


Download Now An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
pr parer une revue syst matique n chaillet responsable du p le udem cochrane

Préparer une Revue SystématiqueN. Chaillet, Responsable du Pôle UdeM Cochrane

Collaboration Canadienne Cochrane

a objectifs
A. Objectifs
  • Donner une méthode pour réaliser une revue systématique - Les revues sont rétrospective par nature et sont conçues pour minimiser les biais
  • Nécessite beaucoup de temps pour atteindre un degrés de rigueur optimal
  • Changements de stratégie - Ne sont pas complètement évitables et peuvent être source de biais ; Doivent être reportés et documentés
  • La transparence et la clarté sont des éléments fondamentaux du processus

1

b sommaire d une revue
B. Sommaire d’une revue
  • ABSTRACT
  • PLAIN LANGUAGE SUMMARY
  • BACKGROUND
  • OBJECTIVES
  • CRITERIA FOR CONSIDERING STUDIES FOR THIS REVIEW
  • SEARCH METHODS FOR IDENTIFICATION OF STUDIES
  • METHODS OF THE REVIEW
  • DESCRIPTION OF STUDIES
  • METHODOLOGICAL QUALITY
  • RESULTS
  • DISCUSSION
  • AUTHORS' CONCLUSIONS

2

b sommaire d une revue suite
B. Sommaire d’une revue, suite
  • FEEDBACK
  • POTENTIAL CONFLICT OF INTEREST
  • ACKNOWLEDGEMENTS
  • SOURCES OF SUPPORT
  • REFERENCES
  • TABLES
    • Characteristics of included studies
    • Characteristics of excluded studies
  • ANALYSES
    • Comparison (Intervention vs. control)
    • Heterogeneity (I2, Q, Funnel plot, Meta regression)
  • COVER SHEET
  • GRAPHS AND OTHER TABLES

3

c protocole
C. Protocole
  • Définir la question
    • Méthode PICOS
      • Patients / Populations
      • Interventions
      • Comparators
      • Outcomes
      • Study Design
    • Questions ciblées vs. Questions larges

4

c protocole suite
C. Protocole, suite.
  • Sélection des études / Recherche bibliographique
    • Définir les critères de sélection (Basés sur PICOS)
    • Définir la stratégie de recherche
    • Définir les méthodes de recherche
  • Inclusion finale des études
  • Évaluer la qualité des études
  • Extraire les données
  • Analyse des données (Descriptive, qualitatif, quantitatif)
  • Exploration de l’hétérogénéité (Analyses en sous groupe et de sensibilité, Biais de publication)

5

c 1 d finir la question
C.1. Définir la question
  • Première et plus importante décision
    • Guide le reste de la revue
    • Détermine la pertinence finale de la revue
  • Consulter d’autres revues (Cochrane de préférence) pour s’inspirer
  • Prenez le temps nécessaire pour discuter et développer la question de recherche avec les personnes engagées dans la revue

6

c 1 d finir la question suite
C.1. Définir la question, suite
  • Se référer à la méthode PICOS
  • Patients / Population
    • Quelles sont les maladies ou conditions étudiées ?
    • Donner les définitions ou les critères
    • Durée ? Sévérité ? Localisation ?
    • Quelle est la population et quels sont les paramètres choisis ? (âge, genre, patient hospitalisé ou non, communauté, etc.)
    • Les restrictions sur la population ou les paramètres devraient être evidence-based

7

c 1 d finir la question suite9
C.1. Définir la question, suite
  • Interventions
    • Quelles sont les interventions choisies ?
    • Simple ? Multiple ?
    • Préparation ? Procédure ? Intensité / dose ?
    • Fréquence ? Durée ?
  • Comparators
    • Quels sont les groupes contrôle ?
    • Placebo ? Pas de traitement ? Un autre traitement ?

8

c 1 d finir la question suite10
C.1. Définir la question, suite
  • Outcomes
    • Inclure tous les critères de jugements pertinents
    • Les définir au moyen de critères explicites (Timing, comment ont-ils été mesurés, etc.)
    • Est-ce que toutes les variables importantes ont été retenues (Particulièrement celles concernant les effets adverses) ?
    • Spécifier critères primaires vs. les secondaires

9

c 1 d finir la question suite11
C.1. Définir la question, suite
  • Study Designs
    • Les RCTs sont considères comme le Gold standard
    • Quelques groupes et revues inclues également d’autres type d’études (CCT, CBA, ITS) ; Les RCTs ne sont pas toujours appropriés
    • Ne pas considérer d’autres design si l’on pense que suffisamment de RCTs ont été fait et publiés
    • Le groupe EPOC associé à Cochrane est spécialisé dans les revues de design autres que les RCTs et constitue une ressource clé pour ce type de revue

10

c 1 d finir la question suite12
C.1. Définir la question, suite
  • Questions ciblées vs. Questions larges : Le choix dépend du sujet de la recherche
  • Inconvénients des questions ciblées
    • Peuvent être non généralisable à d’autres populations
    • Peuvent être biaisées dépendant de la stratégie de recherche adoptée (Connaissance des publications, certitudes du chercheurs, etc.)
  • Inconvénients des questions larges
    • Mélanger des pommes et des oranges
    • Time-consuming ; présente des défis dans la synthèse et l’interprétation des résultats, difficile à mettre à jour

11

c 2 s lection des tudes
C.2. Sélection des études
  • Pourquoi une stratégie de recherche ?
  • Quel support peut on avoir ?
  • Qui peut aider ?
  • Quand commencer la sélection des études ?
  • Ou doit on chercher ?
  • Comment faire la sélection des études ?

12

c 2 1 pourquoi une strat gie de recherche
C.2.1. Pourquoi une stratégie de recherche ?
  • Pour trouver plus d’études
  • Pour être systématique et diminuer les biais
  • Pour équilibrer la sensibilité et la spécificité
  • Rappels
    • Il n’existe pas de stratégie « parfaite »
    • Aucune base de donnée n’a toutes les études

13

c 2 2 quel support peut on avoir
C.2.2. Quel support peut on avoir ?
  • Site internet de la collaboration Cochrane + Handbook
    • http://www.cochrane.org/
    • http://www.mrc-bsu.cam.ac.uk/cochrane/handbook500/
  • Site internet des groupes de méthodes Cochrane (EPOC, Bias Methods Group, etc.)
    • http://www.epoc.cochrane.org/en/index.html
    • http://www.chalmersresearch.com/bmg/
  • Modules de la Librairie Cochrane
  • Les revues publiées dans Cochrane
  • Les ateliers de formation aux revues systématiques et méta-analyses de la collaboration Cochrane et du Pôle Francophone Cochrane

14

c 2 3 qui peut aider
C.2.3. Qui peut aider ?
  • Bibliothécaire spécialisée affiliée à l’institution ou au groupe effectuant la revue
  • Coordonnateur de recherche des études affiliée au groupe effectuant la revue
  • Experts cliniques (Terminologie)
  • Deux personnes devrait faire la recherche séparément et résoudre les problèmes par consensus

15

c 2 4 quand commencer la s lection
C.2.4. Quand commencer la sélection?
  • Lors de la mise en place du protocole
    • Ne devrait plus changer par la suite
  • La stratégie de recherche détaillée doit être décrite dans la revue et MISE à JOUR !
  • La stratégie détaillée devrait inclure :
    • TOUTES les sources recherchées (pas seulement les bases de données)
    • La stratégie de recherche utilisée pour au moins une base de donnée (Habituellement MEDLINE)
    • La période couverte par la recherche (ex : 1966 - Nov. 2007)
    • Et toutes les restrictions décidées (Comme le langage)

16

c 2 5 ou doit on chercher
C.2.5. Ou doit on chercher ?
  • Une stratégie optimale n’identifie pas toutes les études pertinentes
  • MEDLINE indexes seulement 4,000 journaux biomédicaux sur les 16,000 existants
  • La plupart des bases de données n’indexes pas les conférences, les chapitres de livres ou les articles non publiés
  • Les journaux ne publient pas toutes les études
  • Le nombre de base de données où il faut chercher dépend du sujet étudié

17

c 2 5 1 sources d identification des tudes
C.2.5.1. Sources d’identification des études
  • Bases de données bibliographiques / registres spécialisés des ECR
  • Recherche manuelle
  • Liste bibliographie
  • Compagnies pharmaceutiques
  • Littérature grise
  • Internet
  • Communication personnelle

18

c 2 5 1 1 bases de donn es
BIOSIS Previews

Cancerlit

CINAHL

Cochrane trial registers and CENTRAL

Dissertation abstracts

EMBASE

ERIC

MEDLINE

Web of Knowledge

C.2.5.1.1. Bases de données

* Consulter une libraire spécialisée à propos d’autres bases de données pertinentes par rapport au sujet de l’étude

19

c 2 5 1 2 recherche manuelle
C.2.5.1.2. Recherche manuelle

La recherche manuelle réfère à la recherche dans des journaux pages par pages, incluant les éditoriaux, les lettres, etc. afin d’être en mesure d’identifier tous les rapports d’Essai Contrôlé Randomisés

20

c 2 5 1 3 liste bibliographique
C.2.5.1.3. Liste bibliographique
  • Rechercher dans les listes de références des revues systématiques existantes et / ou des ECRidentifiés afin de trouver les références d’autres Essais pertinents qui auraient pu échapper à une première recherche à partir des bases de données
  • Inclure d’autres revues dans la recherche que celles spécifiques au domaine étudié

21

c 2 5 1 4 compagnies pharmaceutiques
C.2.5.1.4. Compagnies pharmaceutiques
  • Écrire aux compagnies pharmaceutiques qui ont une expertise dans le domaine étudié afin d’identifié les ECR déjà publiés et non publiés
  • Des standards de lettre sont souvent disponibles chez les groupes de révision Cochrane
  • Sources d’information
    • FDA site search : www.fda.gov/cder/
    • USA clinical trials : www.clinicaltrials.gov
    • UK clinical trials : www.controlled-trials.com/mrct/

22

c 2 5 1 5 litt rature grise
C.2.5.1.5. Littérature grise
  • Inclure les rapports techniques et les conférences non répertoriés, ainsi que les posters et les présentations orales
  • New York Academy of Medicine Grey Literature
    • Report available at:www.greylit.org
    • Bi-monthly alerting service for public health
    • Citations, reports, dissertations and other grey literature

23

c 2 5 1 6 internet
C.2.5.1.6. Internet
  • Offre un accès à une vaste quantité d’information mal organisée, parfois pertinente et souvent non
  • La plupart des informations pertinentes en santé est disponible en ligne via les ressources électroniques des journaux spécialisés ou les publications en ligne

24

c 2 5 1 7 communication personnelle
C.2.5.1.7. Communication personnelle

Les collègues peuvent être une importante source d’information sur les ECR récents qui n’ont pas encore été publiés ou les vieux ECR qui n’ont jamais été publiés, ou tout simplement pour identifier des publications clés qui aurait échappé à la recherche

  • Ils peuvent aider à identifier la littérature grise ou les auteurs clés afin de les contacter

25

c 2 6 comment faire la s lection
C.2.6. Comment faire la sélection ?
  • PICO
  • Articles de référence
  • Cartographie des termes (Vocabulaire contrôlé)
  • Subject headings et descripteurs / Texte libre et text word (.tw)
  • Conditions logiques ET, OU, NOT
  • Filtrer les études à partir de leur design
  • Documenter la recherche bibliographique et gestion des articles

26

c 2 6 1 commencez avec picos
C.2.6.1. Commencez avec PICOS
  • Identifiez les sujets clés et les traduire en une question ciblée et claire
    • Détermine l’identification d’une stratégie de recherche appropriée
    • Définie les critères d’inclusion et d’exclusion
    • Facilite l’extraction des données à partir des publications
  • La méthode PICOS
    • Patients ou populations
    • Interventions
    • Comparators
    • Outcomes
    • Study design

27

c 2 6 1 m thode picos exemple
C.2.6.1. Méthode PICOS : Exemple
  • Est ce que la vitamine C est une thérapie efficace pour prévenir la pré éclampsie chez les femmes enceintes < 35 ans

I

Femmes enceintes < 35 ans

Vit. C

P

C

Aucun

S

O

Aucun

RCTs

28

c 2 6 1 strat gie de recherche
C.2.6.1.Stratégie de recherche
  • Développez une lite de mots clés et de synonymes pour établir la stratégie de recherche
  • La stratégie de recherche doit reposer sur du vocabulaire contrôlé (MeSH, Mots clés) pour chaque base de données, et sur du texte libre
  • La stratégie repose sur la question posée – Plus la question sera claire et bien formulée et plus il sera facile d’identifier une stratégie de recherche efficace
  • Utiliser une stratégie différente pour chaque base de données

Example: Oxygenation (MeSH) and Oxygen (EmtreeSH)

29

c 2 6 2 articles de r f rences
C.2.6.2.Articles de références

Identifiez les MeSH, mots clés et

texte libre pertinent dans les résumés

30

c 2 6 3 cartographie des termes
C.2.6.3.Cartographie des termes

Commencez avec MEDLINE. Trouvez avec une Libraire les MeSH et descripteurs à partir des listes dans les bases de données

31

c 2 6 4 subject headings descripteurs vocabulaire contr l vs text words
C.2.6.4.Subject Headings / Descripteurs / Vocabulaire Contrôlé vs. « Text words »
  • Utiliser uniquement le vocabulaire contrôlé que quelqu’un d’autre considère comme approprié est risqué
  • Utilisez les « Text words » à la place des « MeSH » pour compléter votre recherche à partir de texte libre
  • Finir la recherche par « .tw. » : La recherche de texte libre portera sur les mots du titre, du résumé, les MeSH, les qualificatifs, les noms de substances, les noms propres et pourra par la suite être associé à du vocabulaire contrôlé pour affiner la recherche
  • Il existe différentes règles de troncature pour chaque bases de données
  • Consulter l’aide (HELP) pour les règles d’utilisation des $, *, #, ?
  • adj# or near# – Permet de trouver des mots proches les uns des autres
    • Ex : (degenerative adj2 arthritis).tw. Recherche dans les « Text words » le mot « arthritis » jusqu’à 2 mots après ou avant « degenerative »

32

c 2 6 4 organiser la recherche
Patients/Condition

Exp : Osteoarthritis/

OR

(degenerative adj2 arthritis).tw.

OR

Osteoarthr$.tw.

Intervention

Exp : glucosamine/

OR

Glucosamine.rn,tw.

OR

Acetylglucosamine.rn.tw.

OR

N-acetylglucosamine.tw.

OR

N-acetyl-d-glucosamine.tw.

C.2.6.4.Organiser la recherche

AND

33

c 2 6 5 conditions logiques et ou not
C.2.6.5.Conditions logiques ET, OU, NOT

Osteoarthritis AND Glucosamine

Les articles doivent contenir les deux termes

Glucosamine OR n-acetyl-d-glucosamine

Les articles contiennent l’un ou l’autre des deux termes

Glucosamine NOT chondroitin

Les articles qui contiennent « chondroitin » ne seront pas conservés

34

c 2 6 6 restreindre le design des tudes filtrer les articles sur ovid medline
C.2.6.6. Restreindre le design des études : Filtrer les articles sur OVID MEDLINE

Handbook, Appendice 5b.2

1 RANDOMIZED CONTROLLED TRIAL.pt.

2 CONTROLLED CLINICAL TRIAL.pt.

3 RANDOMIZED CONTROLLED TRIALS.sh.

4 RANDOM ALLOCATION.sh.

5 DOUBLE BLIND METHOD.sh.

6 SINGLE-BLIND METHOD.sh.

7 or/1-6

8 ANIMALS.sh. not HUMANS.sh.

9 7 not 8

35

c 2 6 6 filtrer les articles suite
C.2.6.6. Filtrer les articles, suite

10 CLINICAL TRIAL.pt.

11 exp CLINICAL TRIALS

12 (clin$ adj25 trial$).ti,ab.

13 ((singl$ or doubl$ or trebl$ or tripl$) adj25

(blind$ or mask$)).ti,ab.

14 PLACEBOS.sh.

15 placebo$.ti,ab.

16 random$.ti,ab.

17 RESEARCH DESIGN.sh.

18 or/10-17

19 18 not 8

20 19 not 9

36

c 2 6 6 filtrer les articles suite38
C.2.6.6. Filtrer les articles, suite

21 COMPARATIVE STUDY.pt.

22 exp EVALUATION STUDIES

23 FOLLOW UP STUDIES.sh.

24 PROSPECTIVE STUDIES.sh.

25 (control$ or prospectiv$ or volunteer$).ti,ab.

26 or/21-25

27 26 not 8

28 27 not (9 or 20)

29 9 or 20 or 28

37

c 2 6 7 documenter la recherche
C.2.6.7. Documenter la recherche
  • Documentez votre stratégie de recherche afin qu’elle soit reproductible
  • Documentez dans quelles bases de données vous cherchez (ex : MEDLINE, EMBASE, etc.)
  • Assurez vous de noter les résultats de chaque étape de votre recherche ainsi que les expression utilisées (Ces informations sont généralement fourni lors de la recherche électronique)

Reportez combien d’études vous obtenez à partir de chaque bases

de données dans la

section Description de

l’étude ou Résultats

38

c 2 6 7 gestion des articles
C.2.6.7. Gestion des articles
  • Une fois la recherche d’articles terminée :
    • Utilisez un logiciel bibliographique (Reference Manager, EndNote…) pour classer et trier vos références
    • Le moyen le plus simple est de directement importer/exporter les références à partir des bases de données OVID
    • Importez toutes les références dans Reference Manager à partir de toutes les bases de données recherchées. Supprimez les doublons puis vérifiez les articles

39

c 3 inclusion finale des tudes
C.3. Inclusion finale des études
  • Critères reliés au design de l’étude
    • RCT
      • Si une méthode de randomisation aléatoire a été utilisé (Génération aléatoire de nombre, Pile ou face, etc.)
    • CCT
      • Si une méthode de randomisation quasi-aléatoire a été utilisé (ex : Date de naissance)
    • CBA
      • Si les périodes pré et post interventions sont possiblement contemporaines
      • Si les groupes contrôles et intervention sont comparables

40

c 3 inclusion finale des tudes42
C.3. Inclusion finale des études
  • Critères reliés au design de l’étude, suite
    • ITS
      • Si le moment de l’intervention a été clairement établi dans le temps
      • Si au moins 3 mesures avant et après l’intervention ont été prises
  • Critères méthodologique minimums (Tous les designs)
    • Mesure objectives de la performance
      • Critères de jugement pertinents (taux de césariennes, pression, etc.)
      • Questionnaires validés (ex : évaluation de la satisfaction)
    • Données disponibles et interprétables
      • Possibilité de contacter l’auteur pour un complément d’information
      • Nécessité de documenter cette procédure dans la revue

41

c 4 valuer la qualit des tudes
C.4. Évaluer la qualité des études
  • Qualité : Ont-ils fait du mieux possible ?
  • Biais : Doit on croire les résultats ?
  • Des recherches de hautes qualité peuvent présenter un risque élevé de biais
    • (ex : Quand la randomisation ou la répartition des sujets en aveugle ou double aveugle est impossible)
  • Procédures d’évaluation qualité actuelles
    • Allocation concealment
      • A = Adéquate / B = pas clair / C = Inapproprié
      • D = pas de système masqué utilisé pour répartir les sujets dans le groupe contrôle ou intervention (Critère d’exclusion)
    • Pas de guides pour les autres critères
    • Différentes approches selon les groupes de revue

42

c 4 valuer la qualit des tudes44
C.4. Évaluer la qualité des études
  • Evaluation de la qualité des articles identifiés
    • Cochrane Collaboration’s Bias Method Group (BMG)
      • www.chalmersresearch.com/bmg/index.html
    • Nouvel outil d’évaluation Qualité et du Risque de Biais (ROB)
      • Permet d’évaluer le niveau de crédibilité de l’étude et de l’illustrer graphiquement
    • ROB évalue les points suivants
      • Sequence generation (Randomisation)
      • Allocation concealment
      • Blinding of participants, personnel and outcome assessors
      • Incomplete outcome data (Attrition et exclusion)
      • Selective outcome reporting
      • Other sources of bias

43

c 4 valuer la qualit des tudes45
C.4. Évaluer la qualité des études
  • Deux composantes
    • Description des événements
      • Done
      • Probably Done
      • Probably Not Done
      • Not Done
    • Jugement de l’auteur effectuant la revue
      • Yes : Faible risque de biais
      • No : Risque de biais élevé
      • Unclear : évaluation claire impossible

44

c 5 extraction des donn es
C.5. Extraction des données
  • Extraction des données
    • RevMan 5
      • ID Unique de la revue et de l’étude (RevMan)
      • Date (Pour de multiples versions chronologiques)
      • Notes (Utilisées pour RevMan)
      • Vérification de l’éligibilité des études
      • Table des études exclues et raisons de l’exclusion
      • Caractéristiques des études: méthodes, participants, interventions, données et résultats
        • Type de données : Dichotomiques, Continues, Catégorielles, Taux, Données temporelles (analyses de survie)
      • Précision du codage : instructions and règles de décision

51

c 5 extraction des donn es53
C.5. Extraction des données
  • Avantages de l’utilisation de RevMan 5
    • Permet une interaction avec le serveur Cochrane ARCHIE
    • Offre un support Online pour de nouveaux types de revues
      • Interventions / Méthodes / Tests diagnostiques …
    • Permet des mises à jours plus facile de revue existantes
    • Compatibilité Multi-plateformes (Windows, Mac, Linux)
    • Interface intuitive facile d’utilisation
    • Nouveaux Outils d’évaluation et de calculs
      • Outil d’évaluation des biais et de la qualité des études
      • Analyses, graphiques et entrée de données en temps réel
      • Interface « Document-Based »
      • Suivi des changements incluant une fonction « Undo »

52

c 5 1 ressources
C.5.1. Ressources
  • RevMan 5
    • Téléchargeable à : http://www.cc-ims.net/RevMan
  • Ressources pour extraire et interpréter les données pour les groupes de revues
    • Cochrane Handbook for Systematic Reviews of Interventions (The Handbook), Chp. 7
    • Open Learning Material for Reviewers (OLMR), Module 7
    • Disponible à : http://www.cochrane.org/resources/revpro.htm

53

c 5 2 formulaire de collecte de donn es
C.5.2. Formulaire de collecte de données

Important

  • Permet d’englober la question et de planifier les évaluations
  • Permet le suivi des décisions prises lors du développement de la revue
  • Outil de collecte de données standardisé permettant d’effectuer les analyses nécessaires avec une haute qualité méthodologique
  • Composantes indispensable d’une revue de qualité
    • Peut varier en fonction des études et des types de données

54

c 5 3 composantes du formulaire revman
C.5.3. Composantes du formulaire RevMan
  • Considérer la quantité d’information à collecter (Trop détaillé vs. Insuffisamment détaillé)
  • Prenez le temps de bien concevoir et de planifier l’entrée de données
  • La saisie de données sous RevMan suit une logique bien définie
  • Items à inclure
    • Titre de la revue et nom des auteurs
    • ID unique pour la revue, ID unique pour chaque étude incluse (RevMan)
    • Date (Pour plusieurs versions)
    • Notes : Complément d’information à inclure dans RevMan
    • Vérification de l’éligibilité des études

 Un tableau des études exclues indiquant la raison de l’exclusion est requis

    • Caractéristiques des études : Méthodes, participants, interventions, critères de jugements, mesures, qualité des études et résultats
    • Codage précis : Instructions and règles de décision

55

c 5 3 composantes du formulaire revman57
C.5.3. Composantes du formulaire RevMan
  • Autres items
    • Étude pilote des autres revues pour définir le protocole
      • Information et instructions additionnelles
    • Transcription des consensus des 2 responsables de l’extraction de données (Résolution des différences)
    • Evaluation de la fiabilité des données collectées
    • Collecte des données en aveugle ? Ce point doit être évalué afin de s’assurer que les résultats de la revue ne seront pas altérés
    • Procédures d’obtention des données manquantes auprès des auteurs des études incluses et résultats

56

c 5 4 validation du protocole d extraction
C.5.4. Validation du protocole d’extraction
  • Réflexion– Quels sont les besoins ?
  • Design – Formulaire « Draft »
  • Étude pilote – Exemples d’articles, Comparaison de formulaires complétés
  • Révision– Modifications du formulaire ou / et des instructions
  • Extraction– Plusieurs révisions seront nécessaires avant de valider la forme finale du formulaire et de procéder à l’extraction des données

57

c 5 5 construire les tables de comparaisons
C.5.5. Construire les tables de comparaisons
  • Préparation pour l’analyse statistique
  • Idéalement, vous devriez avoir spécifié ces points dans le protocole initiale de la revue
    • Types de comparaisons
    • Les critères de jugements, le type de données et votre plan pour extraire les données
    • Comment allez vous combiner les résultats des études ? (OR, RR, Moyenne, Effet fixe ou aléatoire, etc.)
    • Planifiez vous des analyses en sous groupes ou de sensibilité
    • Ressources
      • Module 10 « Open Learning Materials »

58

c 5 6 pour les tudes incluses
C.5.6. Pour les études incluses
  • Extraction des données
    • Participants
    • Interventions
    • Comparaisons
    • Critères de jugements (Outcomes)
    • Qualité
    • Notes

59

c 5 7 structure de revman
C.5.7. Structure de RevMan
  • Comparaison
    • Critère de jugement (Outcome)
      • Sous-catégorie (Analyses en sous-groupes, sous-division des critères de jugement)
        • Étude (Données entrée dans un format standardisé pour chaque étude, spécifique à chaque critère de jugement

Il peut ne pas y avoir de sous-catégories. La catégorie Étude correspondra donc directement au Critère de jugement

60

c 6 analyse des donn es
C.6. Analyse des données
  • Principe fondamental de la Méta analyse
    • Ne pas regrouper les patients
      • Car les sujets ne sont pas comparables d'un essai à l'autre
    • Regrouper les estimations de l'effet traitement
      • En faisant l'hypothèse que le traitement a le même effet dans tous les essais
      • Hypothèse d’homogénéité

61

c 6 analyse des donn es63
C.6. Analyse des données
  • Résultats statistiques
    • Effet traitement commun
      • Moyenne pondérée par l'inverse de la variance
      • Plus un essai est précis, plus sa contribution est forte
      • Si un essai est prépondérant il masque complément les autres essais
      • Intervalle de confiance
    • Test de l'existence de l'effet du traitement
      • Test d’association des effets pour toutes les études (p > 0.05)
    • Test de l'hypothèse d'homogénéité
      • Test d’hétérogénéité (Positif si > 50%)

62

c 6 analyse des donn es64
C.6. Analyse des données
  • « Forest Plot »

I2=85%

63

c 6 analyse des donn es65
C.6. Analyse des données
  • Type de données
    • Dichotomiques (Dichotomous)
    • Continues (Continuous)
    • Ordinales (Ordinal)
    • Nombres et taux (Count and rates)
    • Données dépendante du temps (Time-to-event)
  • Ressources
    • Handbook, Chp. 8, OLM, Module 11

64

c 6 1 variables dichotomiques binaires
C.6.1. Variables dichotomiques (Binaires)

La variable représente seulement une ou l’autre possibilité, par exemple : Enceinte ou non

Événement

Event

No event

Pas d’événement

a+b = nI

Intervention

Contrôle

c+d = nC

65

c 6 1 variables dichotomiques binaires67
C.6.1. Variables dichotomiques (Binaires)
  • Parfois, les petites échelles ou les données continues peuvent être dichotomisées. Par exemple un taux de cholestérol faible ou élevé avec un seuil bien défini
  • Bénéfices de la conversion
    • Facilité d’analyse
    • Interprétation et comparaisons des résultats
  • Inconvénients de la conversion
    • L’information sur la taille de l’effet peut être perdue
    • Déterminer le bon seuil peut être difficile
      • Chercher à éviter les biais
  • Assurez vous de mesurer la bonne variable – Pour des analyses de survie, vous recueillez des décès

66

c 6 2 variable continues
C.6.2. Variable continues
  • Variables pouvant prendre n’importe quelle valeur dans un intervalle spécifique – numérique ou ordonnée
    • Poids, Durée du séjour à l’hôpital, etc.
  • Assurez vous que les données peuvent bien être traités comme des données continues (consultez un statisticien)
  • Ressource pour l’analyse des données dichotomiques ou continues
    • Cochrane Handbook for Systematic Reviews of Interventions(the Handbook), Chapter 8

67

c 6 3 variables ordinales
C.6.3. Variables ordinales
  • Les participants sont classés en catégories selon un ordre naturel
  • Petit nombre de catégories
    • Sévérité de la maladie : Faible, modérée, sévère
  • Grand nombre de catégories
    • SF-36
  • S’assurer que l’échelle choisie est validée
    • Les petit nombre sont souvent traités comme des variables binaires
    • Les grand nombre sont souvent traités comme des variables continues

69

c 6 4 nombre d v nement count of event
C.6.4. Nombre d’événement (Count of event)

The Handbook, Chapter 8

  • Événements qui peuvent arriver plus d’une fois pour un individu donné
    • Réactions ou critères adverse
  • Événements commun vs. rare

70

c 6 5 donn es d pendante du temps time to event
C.6.5. Données dépendante du temps (Time-to-event)
  • Observe si l’événement à eu lieu et quand
    • Analyse de survie, maladie récurrente, etc.
  • Pour chaque individu
    • Événement au début de la période (peut être 0)
    • Nombre d’observation à la fin de la période
  • Peuvent parfois être traitées comme des variables dichotomiques
    • Exemple : Pas d’événement vs. Événements
  • Ne peuvent jamais être traitées comme des variables continues
  • La méthode d’analyse du « Hazard Ratio » est la plus appropriée
    • The Handbook, Chapter 8

71

c 7 exploration de l h t rog n it
C.7. Exploration de l’hétérogénéité
  • Homogénéité
    • Il existe une partie fixe commune
  • Hétérogénéité
    • Au moins un essai n'a pas une partie fixe identique à celle des autres essais
  • Test d'hétérogénéité peu puissant
  • En cas d'hétérogénéité le regroupement n'est plus licite avec les techniques simples
    • Méthode à effet aléatoire requise

73

c 7 exploration de l h t rog n it75
C.7. Exploration de l’hétérogénéité
  • Pourquoi doit on analyser l’hétérogénéité
    • Pour décider si le résultat des études individuelles doit être combiné
    • Pour identifier les facteurs d’hétérogénéité
      • Ex : Taille de l’échantillon, année de publication, nature du groupe contrôle, durée du suivie, design de l’étude, ....
    • Pour suggérer la direction de futures recherches

74

c 7 exploration de l h t rog n it76
C.7. Exploration de l’hétérogénéité
  • Evaluation de l’hétérogénéité
    • Sources potentielles (Clinique / Méthodologique / Statistique)
      • Hasard
      • Variations chez les patients
      • Variation dans les interventions
      • Différences dans les critères mesurés
      • Qualité méthodologique …
    • Méthodes d’investigation
      • Graphiques (Forest Plot, Funnel Plot, Abbé Plot, Galbraith Plot)
      • Tests statistiques (Q et I²)
      • Analyse en sous-groupe
      • Méta régression

75

c 7 1 investigation graphique

Essais hétérogènes

C.7.1. Investigation graphique
  • Méthodes d’investigation
    • Graphique : « Forest Plot »

Essai 1

Essai 2

Essai 3

Essai 4

Global

Essais homogènes

76

c 7 1 investigation graphique78
C.7.1. Investigation graphique
  • Graphique : « Funnel Plot »
    • Effet du traitement contre la précision (Biais de publication)
      • (Ln OR, Ln RR ou RD) vs. (Taille de l’échantillon, Var ou SD)

77

c 7 1 investigation graphique79
C.7.1. Investigation graphique
  • Graphique : « Abbé Plot »
    • Risque dans le groupe contrôle contre celui dans le traitement

78

c 7 1 investigation graphique80
C.7.1. Investigation graphique
  • Graphique : « Galbraith Plot » simplifié

79

c 7 2 tests statistiques q et i 2

k

Q =  wi * (Ti - Tp)2

i=1

C.7.2. Tests statistiques (Q et I2)
  • Méthodes d’investigation
    • Tests statistiques (Q et I²)
      • k essais
      • Wi = 1 / Var(Ln ORi)
      • Ti = Ln ORi
      • Tp = Ln OR global (Meta analyse à effet fixe)
      • ≈ Loi du 2 à k – 1 degrés de liberté
    • Probabilité d’hétérogénéité élevée si I2 > 50%

I² = Q - (k - 1) / Q

80

c 7 2 tests statistiques q et i 282
C.7.2. Tests statistiques (Q et I2)
  • « Forest Plot »

I2=85%

81

c 7 3 analyses en sous groupes
C.7.3. Analyses en sous groupes
  • Méthodes d’investigation
    • Exclusion des essais isolés
      • Exclusion des essais un à un
      • Jusqu’à obtention d’une homogénéité significative
    • Analyse en sous groupe
      • Séparer en fonction d’un facteurs d’hétérogénéité
      • Attention à la perte de puissance statistique

82

c 7 4 m ta r gression
C.7.4. Méta régression
  • Méthodes d’investigation
    • Méta régression (Linéaire ou logistique)
      • Estime les effets des covariables responsables de l’hétérogénéité
        • Permet d’effectuer par la suite des analyses en sous groupes
      • Commande Stata
        • Metareg Y X1 Xn, wsvar(Var Y)
        • Metareg LnOR Pays Qualité, wsvar(Var LnOR)
      • Discrétisation des covariables
        • Binaires (modèle logistique)
        • Ordinales (modèle linaire)

84

c 7 4 m ta r gression86
C.7.4. Méta régression
  • Méthodes d’investigation
    • Méta régression
      • Examine les associations entre les caractéristiques des études et les effets du traitement
      • Demande une forte puissance statistique
        • Ne devrait pas être utilisée avec moins de 10 essais
      • Variable dépendante : Estimation de l’effet
        • (Ln RR, Ln RD, MD)
      • Variables indépendantes
        • Covariables qui influencent le résultat de l’effet
        • Facteurs d’hétérogénéité

85

c 7 5 biais de publications
C.7.5. Biais de publications
  • Evaluation des biais de publication
    • Les essais positifs sont plus facilement publiés que les négatifs
    • Différentes sources de Biais
      • Biais de publication
      • Bais de localisation
      • Biais de langage
      • Biais de citation
    • Méthode d’évaluation
      • « Funnel plot » et asymétrie par rapport à l’effet
      • Standard Error (Ln OR) vs. Odd Ratio (échelle log)

86

c 7 5 biais de publications88
C.7.5. Biais de publications
  • « Funnel Plot » et asymétrie par rapport à l’effet
    • Cochrane : SE(Ln OR) vs. OR(échelle log)
      • SE(Ln OR) = Racine (Var Ln OR)

Symétrie

Pas de biais

87

c 7 5 biais de publications90
C.7.5. Biais de publications

Asymétrie

Biais de qualité des petits essais

89

d r sultats conclusions
D. Résultats & Conclusions
  • Faire encore référence à PICOS
    • Les conclusions devraient se référer aux premiers résultats identifiés par la méthode PICOS
    • L’abstract devrait adresser les comparaisons importantes identifiées dans le protocole établit avec PICOS – Pas seulement les relations statistiquement significatives identifiées lors de l’analyse

90

d r sultats conclusions92
D. Résultats & Conclusions
  • Points clés à considérer pour cette partie de la revue
    • Force et pertinence des évidences
      • Importance clinique / Design
      • Biais / Forces et faiblesses
    • Application des résultats
      • Bénéfices et risques
      • Objectivité des critères de jugements
      • Effets adverses
    • Application des résultats : Puissance des évidences
    • Implications (Pratique clinique / Recherche)
  • Ressources
    • The Handbook, Chapter 9
    • Open Learning Material for Reviewers (OLMR) Modules 16-18

91

e processus ditorial de la revue
E. Processus éditorial de la revue
  • Processus éditorial
    • Soumission du titre
      • Enregistrement en Ligne
        • Auteurs, Titre, Résumé, PICOS, Déclaration de conflits d’intérêts et Date attendu de soumission
    • Acceptation de la Revue
      • Critères d’évaluation
        • Revue originale coïncidant avec les objectifs EPOC
        • Objectifs clairs et bien ciblés
        • Finalisation de la revue faisable
        • Équipe expérimenté souhaitant faire des mises à jours
        • Donner une date acceptable et faisable de finalisation de la revue

92

e processus ditorial de la revue94
E. Processus éditorial de la revue
  • Soumission du protocole – Peer Review
  • Acceptation et publication
  • Soumission des révisions
  • Acceptation et publication
  • Mises à jours de la revue – Peer Review
    • Recommandation actuelle – Tous les 2 ans ou quand de nouvelles évidences importantes sont disponibles
    • Évite de ne pas être à jour mais peut introduire un nouveau biais si l’on garde les mêmes critères d’évaluation
    • Remettre à jour les méthodes, outils et critères de jugements pour chaque mise à jour

93

f autres types de m ta analyses
F. Autres types de méta-analyses
  • Méta-analyse cumulative
  • Méta-analyse comparant deux tests (Courbes ROC)
  • Méta-analyse qualitative
  • Etc.

94

f 1 m ta analyse cumulative
F.1. Méta-analyse cumulative
  • Méta-analyse cumulative de 60 essais cliniques sur l’efficacité d’un thrombolytique pour traiter un infarctus du myocarde
  • Chaque ligne horizontale représente un nouveau rapport de cotes total cumulatif

Lau J et al. N Engl J Med 1992;327:248-54

  • On aurait pu prévenir plusieurs décès en concluant dès le début des années 70

95

f 2 m ta analyse comparant deux tests
F.2. Méta-analyse comparant deux tests
  • Une méta-analyse comparant deux tests diagnostiques ou pronostiques pose un problème particulier, car la validation d'un test se fait nécessairement en mesurant simultanément deux critères d’évaluation, soit la sensibilité du test et sa spécificité
    • Or sensibilité et spécificité ne sont pas indépendantes : l’une baisse quand l’autre augmente
  • Solution
    • Comparaison de courbes ROC combinées (Receiving Operating Curves)

96

f 2 m ta analyse comparant deux tests99
F.2. Méta-analyse comparant deux tests
  • Test : culture quantitative d’un lavage broncho-alvéolaire
  • Interdépendance entre les taux de faux et de vrais positifs selon différents seuils de positivité
    • (101, 102, 103, 104 et 105 CFU/mL)

Aubas S et al. Am J Respir Crit Care Med 1994;149:860-6

  • Plus la surface sous une courbe ROC est grande, meilleure est la valeur diagnostique du test

98

f 2 m ta analyse comparant deux tests100
F.2. Méta-analyse comparant deux tests
  • Combiner les résultats des études portant sur un test diagnostique en calculant une « courbe ROC combinée »
    • Moses LE, Shapiro D, Littenberg B. Stat Med 1993;12:1293-316
  • Comparaison de deux tests
    • Le test en gris est plus sensible et plus spécifique

99

f 3 m ta analyse qualitative
F.3. Méta-analyse qualitative
  • Méta-synthèse de la littérature qualitative
    • Enquête de satisfaction
    • Entretien semi-dirigé / Groupe de discussion
    • Etc.
  • Même méthodologie que les revue systématique jusqu’à l’évaluation de la qualité des études
  • Méthodes de synthèse des résultats s’apparentant à celles utilisées pour analyser les Focus groups
    • Grille d’analyse
    • Verbatim / Transcrits
    • Analyse des correspondances et concordances

100

g 1 evaluation de la validit interne d une revue
G.1. Evaluation de la validité interne d’une revue
  • Les objectifs de la revue sont-ils clairement définis ?
  • Les critères utilisés pour sélectionner les essais sont-ils corrects ?
  • Est-il improbable que des études aient été oubliées ?
  • La qualité méthodologique des essais inclus a-t-elle été évaluée ?
  • Est-il possible que des essais inclus soient potentiellement biaisés ?
  • Les résultats des essais inclus sont-ils homogènes ?

102

g 1 evaluation de la validit interne d une revue104
G.1. Evaluation de la validité interne d’une revue
  • L'analyse statistique a-t-elle été réalisée correctement ?
  • La stabilité des résultats a-t-elle été éprouvée par des analyses de sensibilité ?
  • Est-ce que tous les critères de jugement importants ont été étudiés ?
  • Les conclusions sont-elles en rapport avec les résultats ?
  • Les recommandations faites prennent-elles en compte le niveau de preuve atteinte par la méta-analyse ?

103

g 2 pertinence clinique
G.2. Pertinence clinique
  • Représentativité :
    • Pertinence / représentativité des traitements étudiés
      • Ces traitements sont-ils toujours utilisés actuellement ?
      • Ont-ils été utilisés correctement (dose et schéma d’administration corrects) ?
    • Pertinence / représentativité des critères de jugement
      • Ces critères sont-ils des critères cliniques ou simplement des critères intermédiaires ?
      • La définition et/ou la méthode de recueil du critère est-elle satisfaisante ?
    • Pertinence / représentativité des patients
      • Les patients inclus dans les essais sont-ils représentatifs des patients rencontrés dans la réalité ou hyper sélectionnés ?
      • Les critères diagnostiques sont-ils ceux utilisés actuellement ?

104

g 2 pertinence clinique106
G.2. Pertinence clinique
  • Taille de l'effet
    • La valeur de la taille de l'effet est-elle pertinente cliniquement ?
    • L'adéquation de la mesure
      • Parmi les différentes mesures possibles (RR, RD, NNT, etc.) celle utilisée est-elle la plus adaptée ?
      • Si un OR est utilisé, le risque de base est-il suffisamment faible (<30%) ?
    • La précision de l'estimation
      • L’intervalle de confiance est-il étroit ou large
      • Suffisamment éloigné de la valeur de non-effet pour garantir dans le pire des cas un bénéfice encore suffisamment important ?

105

g 3 syst me existant d valuation qualit
G.3. Système existant d’évaluation qualité
  • Guide qualité pour les auteurs de revue systématique
    • QUORUM
      • Moher D, Cook DJ, Eastwood S, et al. Improving the quality of reports of meta-analyses of randomised controlled trials: the QUORUM statement. Quality of reporting of meta-analyses. Lancet 1999;354:1896-1900
  • Evaluation de la qualité des revues systématiques
    • “Overview Quality Assessment Questionnaire” (OQAQ)
      • Oxman AD, Guyatt GH. Validation of an index of the quality of review articles. J Clin Epidemiol 1991;44:1271-8
    • Le système OQAQ permet d’évaluer quantitativement la qualité d’une revue systématique

106

g 4 listes de critiques possibles
G.4. Listes de critiques possibles
  • Objectifs de la revue
    • L'objectif n'est pas clairement défini
    • L'objectif n'est pas clinique
  • Recherche des essais
    • Aucune recherche systématique n'a été entreprise
    • Une seule base de données bibliographiques a été utilisée
    • Les abstracts non pas été recherchés
  • Sélection
    • Les critères de sélection ne sont pas précisés
    • Seuls les essais en anglais ont été inclus
    • Des essais de mauvaise qualité méthodologique ont été inclus
    • Seuls les essais issus de revues à comité de lecture ont été inclus

107

g 4 listes de critiques possibles109
G.4. Listes de critiques possibles
  • Transparence
    • Les essais exclus ne sont pas listés
    • Les raisons des exclusions ne sont pas données
    • Des essais ont été exclus de façon injustifiée
  • Traitements étudiés
    • Les traitements étudiés ne sont plus utilisés
    • Les traitements étudiés ne sont pas utilisés de façon optimale
    • Les traitements sont trop hétérogènes
  • Patients étudiés
    • les patients étudiés sont trop différents
    • les patients étudiés sont trop sélectionnés et non représentatifs de la diversité des patients vus en pratique
  • Extraction
    • L'extraction a été faite par une seule personne
    • Les données n'ont pas été vérifiées auprès des investigateurs

108

g 4 listes de critiques possibles110
G.4. Listes de critiques possibles
  • Analyse statistique
    • une méthode statistique a été choisie sans justification
    • L’hétérogénéité statistique n'a pas été recherchée
    • il existe une hétérogénéité non prise en compte ou discutée
    • aucune analyse de sensibilité n’a été réalisée
  • Sous-groupes
    • nombreux sous-groupes non définis a priori
    • absence de réserves pour les analyses en sous-groupes
  • Méta-analyse non significative
    • la non mise en évidence de différence est assimilée à une absence d'effet
  • Interprétation
    • les conclusions dépassent la portée des résultats obtenus
    • les recommandations sont trop catégoriques comparées à la qualité des essais disponibles ou au niveau de preuve atteint

109

g 5 m ta analyses contradictoires
G.5. Méta-analyses contradictoires
  • Exclusion arbitraire d'essais en fonction du résultat de la méta-analyse
    • Possible si les raisons de l’exclusion ne sont pas clairement précisées
  • Recherche bibliographique non exhaustive
  • Existence d'un biais de publication
    • Une méta-analyse a inclus des essais non publiés et pas l'autre
  • Critères de sélection des essais différents
    • Méthodologiques ou liés au domaine
  • Divergences dans l'évaluation de la qualité des études incluses

110

slide112
Bon courage
  • Ressources
    • http://www.cochrane.org/
    • http://www.mrc-bsu.cam.ac.uk/cochrane/handbook500/
    • http://www.epoc.cochrane.org/en/index.html
    • http://www.chalmersresearch.com/bmg/
    • http://www.chalmersresearch.com/bmg/index.html
    • http://www.cc-ims.net/RevMan
    • http://www.cochrane.org/resources/revpro.htm

111

ad