intégration de plusieurs etudes

Bonjour,

j'ai besoin d'intégrer ensemble les résultats de plusieurs études cliniques mais le nombre de patients est très différent d'une étude à l'autre.
Je pense faire une moyenne des résultats finaux de chaque étude mais il me semble que je dois prendre en compte les differences de nombre de patients entre chaque étude, par exemple 80% de survie dans une etude avec 10 patients n'a pas le même "poids" que 95% de survie dans une etude avec 1000 patients.

Est ce que quelqu'un sait comment on peut prendre en compte ces differences ?
merci de votre aide

Sandrine

Bonjour,

On peut faire une méta-analyse qui permettra d'avoir un résultat global en prenant en compte le facteur "étude" de ton pool de données ainsi que les résultats de chaque étude.

Le résultat de chaque étude clinique aura un niveau de crédibilité en fonction du nombre de patients inclus, la méta-analyse va permettre de synthétiser ces différences et d'obtenir un résultat global.

Bonjour,

Ok merci pour la réponse.
Je peux utiliser n'importe quel logiciel de statistique ? ou est ce qu'il y en a un spécifique pour les méta-analyse ?

A ma connaissance, il y a R (gratuit) et SAS (payant) qui permettent de faire des méta-analyses.
Pour les autres logiciels, je ne sais pas.

Je n'ai pas vraiment compris précisément. Est-ce que ce sont les mêmes hypothèses qui sont testées dans les différentes études ? Vous ne donnez pas l'information dans votre post.

Eric.

Ok je vais voir pour R, merci

Eric,
pour ce travail, je compare la qualité de vie des patients après différentes modalités de traitements donc je groupe ensemble des études qui ont utilisées le même traitement.

Si ce sont les mêmes hypothèses qui sont testées à chaque fois, une solution est, par exemple, d'utiliser un test "omnibus" de Fisher. Soit Pi la p-value du test d'une même hypothèse testée sur la ième étude, et supposons qu'il y aient p études différentes. Dans ce cas, le test global de cette hypothèse en prenant en compte l'ensemble des études se fait en calculant la somme (de i=1 à p) de -2xLog(Pi) qui suit exactement un Chi2 à 2*p ddl.

HTH, Eric.

ok merci je vais regarder tout ça en detail, Sandrine

Il faut faire attention que les études prises en compte évaluent toutes la même dimension de la qualité de vie avant de les regrouper.

"la qualité de vie" plus ou moins bonne ca ne veut pas dire grand chose, et chaque questionnaire est spécifique d'une ou plusieurs dimensions. Très caricaturalement on peut évaluer la qualité de vie non spécifique d'une pathologie (s'adressant aux personnes ayant un problèmes de santé), la qualité de vie spécifique d'une pathologie, et dans les pathologies chroniques au traitement un peu contraignant une dimension très spécifique se rapprochant de la "satisfaction vis à vis du traitement".

Concrètement, on ne peut pas faire une synthèse de tout ca d'un coup de baguette magique, en recodant "bon ou mauvais" sans se préoccuper des dimensions évaluées dans chaque étude.

Il est habituel de prendre en compte les études ayant utilisé le même questionnaire ou les variantes d'un même questionnaire dans une meta-analyse. Si on a plusieurs questionnaires communément utilisés, on fait grosso-modo une meta-analyse par questionnaire. Si on s'intéresse à une population sur laquelle la qualité de vie a été évaluée pas des questionnaires très diverses, ca devient quasi impossible à réaliser correctement

Salut c@ssoulet,

Les dimensions dont tu parles, ce sont les facteurs et leurs distributions ? (exemple : sexe, âge, etc...) ?

non, c'est "ce qui est évalué". Dans la qualité de vie ca peut être (en vrac) la pratique d'activités de loisirs ou divertissement, activité professionnelle, taches ménagères, vie sociale, comportement émotionnel, isolement, mobilité, qualité du sommeil.... etc... etc...

En fait chaque questionnaire regroupe l'évaluation de différentes dimensions et en fait un score total. Il existe plein de questionnaires adaptés à énormément de pathologies ou situations cliniques.

Par exemple, si tu évalues la qualité de vie quelques semaines après une intervention chir tu vas beaucoup etre focalisé sur la douleur, la mobilité, la reprise d'une activité pro .. etc.. C'est ca qu'on va appeler la qualité de vie dans ce cas.
A l'opposé si tu t'intéresses à des pathologies très lourdes et invalidantes, "la qualité de vie" va souvent être très orientée acceptation de la maladie, dépression, vie sociale (à minima ou pas du tout...) ... etc.. Là, on ne se pose plus la question de savoir si la personne peut aller au ciné ou faire le ménage, mais on va lorgner vers des dimensions beaucoup plus "noires", avec des questionnaires assez difficiles à faire passer, nécessitant même parfois un feu vert psy pour ne pas risquer de provoquer une catastrophe.

C'est 2 exemples très opposés, mais qui montrent que les questionnaires QDV, bien qu'ils s'appellent tous pareil, évaluent souvent des choses (des dimensions) radicalement différentes et donc qu'il faut être très attentif à ne pooler que des questionnaires évaluant des choses comparables.

Ah d'accord merci, donc il faut bien vérifier la concordance des variables et la façon dont elles sont collectées pour éviter d'avoir des biais au niveau de l'indicateur de performance.

J'imagine que c'est le gros problème des méta-analyses étant donné qu'elles sont faites en aval et n'étaient pas forcément prévues au moment où les études ont été faites.

zezima a écrit:Ah d'accord merci, donc il faut bien vérifier la concordance des variables et la façon dont elles sont collectées pour éviter d'avoir des biais au niveau de l'indicateur de performance.

J'imagine que c'est le gros problème des méta-analyses étant donné qu'elles sont faites en aval et n'étaient pas forcément prévues au moment où les études ont été faites.

Les meta-analyses ne sont jamais prévues au moment ou l'étude princeps est écrite. Les méta-analyses ont pour interêt de faire la synthèse de toutes les données publiées disponibles sur une problématique à un instant donné. Il faut donc "attendre" qu'il y ait suffisamment de résultats publiés. Elles sont donc réalisées bien longtemps après que l'étude ait été écrite et réalisée, au moins des années et souvent plus de 10 ans pour les études les plus anciennes.

Donc dans le fond ca soulève énormément de problèmes et de critiques potentielles impossibles à anticiper, même si à priori ca semble carré. Imagine t'intéresser à une variable à priori "sans problème", type dosage biologique. Dans certaines études, cette variable sera un critère secondaire, dans d'autres un critère principal. Donc le niveau de preuve n'est pas le même. Les caractéristiques de la population sont toujours assez différentes entre les études. Le nombre de patients inclus, et donc la puissance varie aussi. Les valeurs normales des dosages peuvent avoir changé, les critères diagnostiques de la maladie aussi, les modalités de suivi, les recommandations, les traitements... etc... tout peut évoluer.

Donc tout le savoir faire de celui qui fait la méta-analyse est de prendre en compte le plus correctement possible toute cette variabilité et ces biais. Ca se traduit au final par l'intervalle de confiance sur les graphes de synthèse. Tous les gens qui savent lire des méta-analyses sont beaucoup plus focalisés sur les IC 95 que sur les "diamants"  représentant les moyennes. Et sont particulièrement attentifs à la méthodologie, en particulier la stratégie de recherche des publis de référence et évidemment le type de méta-analyse réalisée et sa méthodo.

C'est pour ca que les résultats des ME doivent être regardés avec beaucoup de recul. Mais intégrer toute cette variabilité est extrêmement intéressant parce que au final ca donne des indications d'efficacité/sécurité plus proches de la "vraie vie" que les résultats bruts d'essais cliniques regardés 1 par 1. Un peu comme une grande rétrospective sur dossiers, qui va produire des résultats certes critiquables sur le plan de la méthodo mais qui reflèteront mieux la variabilité de réponse au traitement dans la pratique courante.

Pour en revenir au post initial, quand tu vois la somme de problèmes soulevés par l'interprétation d'une simple variable biologique, tu comprends mieux pourquoi quand je lis "faire une ME sur la qualité de vie" qui est une "variable" formidablement mal définie, je ne le sens vraiment pas très bien.

Oui en effet, c'est ce qui doit être fait pour la grande majorité des méta-analyses.
Dans mon laboratoire, on a réalisé quelques méta-analyses sur plusieurs études internes qui avaient un nombre d'individus faible mais une structure standard et des informations similaires d'une étude à une autre, c'est pour ça que je n'avais pas en tête cet aspect hétérogène qu'on peut rencontrer.

Désolé je n'avais pas vu l'aspect hétérogénéité de format des études, qui soulève la complexité d'un ME pour ce cas là.

Merci pour toutes ces infos

je reviens sur les différents messages de c@ssoulet qui soulèvent bien les problèmes que j'ai rencontré.

Pour en revenir au post initial, quand tu vois la somme de problèmes soulevés par l'interprétation d'une simple variable biologique, tu comprends mieux pourquoi quand je lis "faire une ME sur la qualité de vie" qui est une "variable" formidablement mal définie, je ne le sens vraiment pas très bien.

J'ai suivi les consignes de PRISMA pour la selection des articles pour justement montrer ouvertement nos critères de sélection.

J'ai repris plus de 600 articles publiés au cours des 10 dernières années et je n'ai gardé que ceux qui utilisent un des deux scores reconnus en médecine pour notre pathologie d'intérêt, ces scores ne sont pas basés sur des questionnaires de ressenti du patient par rapport à sa qualité de vie mais représentent le quotidien du patient (capacité a faire les choses seul ....). Et effectivement j'ai séparé les moments d'obtention des scores (sortie de l'hôpital, 1 mois post-chirurgie, 6 mois, 1 an .....).