Calculateur de méta-analyse

Comment utiliser le calculateur de méta-analyse

Calculez une méta-analyse en ligne avec numiqo. Saisissez dans le tableau ci-dessus les résultats résumés d'au moins deux études indépendantes, une étude par ligne. Le calculateur combine les études et affiche l'effet combiné avec son intervalle de confiance à 95 %, un forest plot, l'hétérogénéité et un funnel plot. Vous pouvez choisir un modèle à effet fixe ou à effets aléatoires.

Quelles données puis-je saisir ?

Dans Tailles d'effet, choisissez Erreur standard ou IC à 95 %. Pour les odds ratios, risques relatifs et hazard ratios, saisissez le logarithme naturel du rapport et de ses bornes de confiance, et non le rapport lui-même ; les résultats sont de nouveau affichés sous forme de rapports. À partir d'un intervalle de confiance à 95 %, l'erreur standard vaut (borne supérieure - borne inférieure) / (2 * 1.96). Cela ne vaut que pour un intervalle à 95 % fondé sur l'approximation normale et symétrique sur l'échelle d'analyse ; utilisez donc l'erreur standard publiée lorsqu'elle est disponible.

Saisir les études et consulter les résultats

1. Sélectionnez le format de données et la mesure d'effet. Conservez le même ordre des groupes et la même direction d'effet dans toutes les études.
2. Importez un tableur, collez des cellules depuis Excel ou saisissez les valeurs dans le tableau ci-dessus. Sélectionnez ensuite la colonne de chaque entrée nécessaire. Le nom de l'étude est facultatif.
3. Choisissez le modèle. Avec Effets aléatoires, vous pouvez modifier l'Estimateur et l'Ajustement de Hartung–Knapp. Les résultats s'actualisent automatiquement.
4. Examinez sous le tableau les résultats combinés, le forest plot, les poids des études, la comparaison des modèles, l'hétérogénéité et le funnel plot.

Pour exclure une étude sans la supprimer, utilisez le filtre au-dessus du tableau. Les lignes vides sont ignorées ; les valeurs manquantes ou non valides d'une étude incluse doivent d'abord être corrigées. Utilisez exporter / importer au-dessus du tableau pour enregistrer vos données au format Excel ou .numiqo.

Par exemple, une étude avec 12 événements parmi 100 participants dans le groupe 1 et 20 parmi 100 dans le groupe 2 a un risque relatif de 0,60. Saisissez ces quatre effectifs sur une ligne et ajoutez au moins une autre étude pour obtenir un résultat combiné.

Convertisseur de tailles d'effet

Avant la combinaison, chaque étude est convertie en une mesure d'effet commune. Les événements et effectifs deviennent un odds ratio, un risque relatif ou une différence de risques ; les moyennes et écarts-types, une différence de moyennes ou un g de Hedges ; les corrélations sont converties en z de Fisher et affichées en r. Le tableau Résultats par étude indique l'effet converti et son intervalle de confiance à 95 % pour chaque étude. Les résultats apparaissent dès que deux études au moins sont incluses.

Comment les estimations sont-elles calculées ?

L'effet combiné est une moyenne pondérée des effets des études. Le modèle à effet fixe pondère chaque étude par l'inverse de sa variance, w = 1 / v. Le modèle à effets aléatoires utilise w = 1 / (v + tau carré), où tau carré est la variance inter-études, estimée par REML (par défaut) ou DerSimonian-Laird.

L'ajustement de Hartung-Knapp est activé par défaut pour les effets aléatoires. Il redimensionne l'erreur standard de l'effet combiné et utilise une loi t à k - 1 degrés de liberté, où k est le nombre d'études. Sans lui, les intervalles de confiance reposent sur l'approximation normale. Tous les intervalles sont au niveau de 95 %.

Les rapports sont combinés sur l'échelle logarithmique et les corrélations sur l'échelle du z de Fisher. Les différences de moyennes correspondent au groupe 1 moins le groupe 2, et le g de Hedges inclut la correction pour les petits échantillons. Si une étude binaire comporte une cellule nulle, 0,5 est ajouté aux quatre cellules et le calculateur le signale. Pour la différence de risques, cette correction ne sert qu'à la variance. Pour les odds ratios et les risques relatifs, les études sans événement, ou avec uniquement des événements, dans les deux groupes n'apportent aucune information et ne sont pas combinées. Les calculs utilisent le package R metafor, exécuté dans votre navigateur : vos données ne sont donc envoyées à aucun serveur.

Comment interpréter les résultats ?

Un modèle à effet fixe suppose un seul effet vrai commun. Un modèle à effets aléatoires permet à l'effet vrai de varier d'une étude à l'autre. Choisissez le modèle selon votre question de recherche et les plans d'étude, et non selon les résultats. Le tableau de comparaison présente les deux estimations.

Dans le forest plot, chaque étude apparaît avec son intervalle de confiance à 95 % et le losange représente l'effet combiné. Pour les effets aléatoires, une ligne pointillée indique l'intervalle de prédiction à 95 % : la plage dans laquelle on s'attend à trouver l'effet vrai d'une nouvelle étude comparable. Avec peu d'études, il peut être peu fiable. La ligne d'absence d'effet se situe à 1 pour les rapports et à 0 pour les différences et les corrélations. Consultez le tutoriel sur l'intervalle de confiance pour en savoir plus sur les intervalles.

L'hétérogénéité décrit à quel point les effets vrais diffèrent d'une étude à l'autre. Le calculateur indique le Q de Cochran avec ses degrés de liberté et sa valeur p, I carré et tau carré. Pour Q supérieur à zéro, I carré vaut max(0, (Q - df) / Q) * 100 ; lorsque Q est nul, I carré est nul. Un I carré nul ne démontre pas que toutes les études partagent un même effet vrai, surtout avec peu d'études.

Le funnel plot représente l'effet de chaque étude en fonction de son erreur standard. Le test d'Egger apparaît à partir de dix études incluses. Un funnel plot asymétrique peut avoir plusieurs causes et ne démontre pas à lui seul un biais de publication.

Portée et limites

Le calculateur combine des estimations d'études indépendantes. Il ne tient pas compte de plusieurs critères issus d'une même étude ni de groupes témoins partagés. L'analyse en sous-groupes, la méta-régression, la méta-analyse en réseau, le trim-and-fill et les méthodes de Mantel-Haenszel ou de Peto ne sont pas disponibles.

Pour rapporter les résultats, indiquez la mesure d'effet, le modèle, l'estimateur de tau carré, l'utilisation éventuelle de l'ajustement de Hartung-Knapp et toute correction de continuité.

Méthodes et lectures complémentaires

• Cochrane Handbook, chapitre 10 : Analysing data and undertaking meta-analyses traite du choix du modèle, de la combinaison par variance inverse et de l'hétérogénéité.
• Documentation des tailles d'effet de metafor décrit les mesures d'effet et des estimateurs alternatifs de la variance d'échantillonnage. Des réglages logiciels différents peuvent produire des résultats différents.