Extraire les données d'une méta-analyse :quand des critères identiques en apparence diffèrent

Si le tableau d'extraction d'une revue ordinaire est une liste d'informations tirées de chaque étude, celui d'une méta-analyse a une mission plus stricte : il doit contenir des chiffres qui se correspondent réellement, car ils sont la matière première de la combinaison.

Chaque cellule porte donc une question implicite : cette valeur est-elle vraiment comparable aux valeurs de la même colonne dans les autres études ? Nous décomposons cette question en cinq vérifications.

Deux études peuvent toutes deux rapporter la « mortalité » et parler de choses différentes — toutes causes ou spécifique à la maladie. Deux critères d'« amélioration » mesurés sur des échelles différentes ne se combinent pas non plus.

Extrayez de la section Méthodes la définition donnée par chaque étude et alignez ces définitions côte à côte. Faites correspondre les définitions, pas les étiquettes — c'est la première étape de vérification.

Un « résultat après traitement » ne veut pas dire la même chose à 4 semaines qu'à 1 an.

Donnez toujours aux moments de mesure leur propre colonne, et décidez en équipe à quel moment combiner (ou s'il faut analyser les moments séparément). L'information temporelle est souvent éparpillée dans le texte — elle n'apparaît parfois que sur l'axe des abscisses d'une figure. Vérifiez aussi chaque figure et chaque tableau.

La composition des groupes intervention et témoin demande elle aussi une vérification de correspondance. Une étude où « témoin = placebo » et une autre où « témoin = soins usuels » ne font pas la même comparaison.

Consigner ici les fourchettes de doses et les durées paie plus tard, quand vous explorerez l'hétérogénéité et discuterez des sous-groupes.

Le dénominateur derrière une valeur diffère selon qu'elle provient d'une analyse en intention de traiter (ITT), d'une analyse per protocole ou des seuls participants ayant terminé l'étude — et au sein d'un même article, le dénominateur peut changer d'un tableau à l'autre.

Consignez pour chaque valeur la population analysée dont elle provient, avec le numéro du tableau source. Un simple « tableau 3, ITT » fait gagner un temps réel à la vérification et à la relecture par les pairs. Convenez d'une politique de dénominateur en équipe, à l'avance.

Enfin, le format statistique. La valeur rapportée est-elle une différence de moyennes ou un rapport ? La dispersion est-elle un écart-type (SD), une erreur standard (SE) ou un intervalle de confiance ?

Confondre SD et SE est l'erreur d'extraction grave la plus classique en méta-analyse. Convertir d'un format à l'autre engage un jugement statistique : ne tentez pas de conversion seul — consultez un statisticien ou votre directeur.

Une extraction bâtie sur ces cinq vérifications peut tout de même être pré-rédigée par l'IA. Demandez-lui d'« extraire de cet article la définition du critère de jugement, le moment de mesure, la définition des groupes, la population analysée et la taille d'effet, dans ce format », et la première version du tableau prend forme vite.

Mais parce que ces valeurs alimentent la combinaison, la vérification couvre chaque donnée, confrontée au texte original, aux figures, aux tableaux et aux annexes. Le brouillon d'IA n'est que le coup d'ouverture, jamais un substitut à la vérification. Quand vous trouvez une erreur, corrigez le brouillon et marquez la valeur comme vérifiée.

Dans Paperfy, le résumé IA, les figures et le PDF original de chaque article inclus partagent une même page : retracer « où vous avez regardé dans la source » le long des cinq vérifications va vite.

Le résumé se modifie à la main, ce qui permet d'ajouter à la page de l'article des notes confirmées — « Critère : mortalité toutes causes (Méthodes p. 4) / Moment : 12 mois / Dénominateur : ITT (tableau 2) ». Quand le doute surgit au moment de combiner, cette couche de notes entre le tableau d'extraction et le texte original réduit considérablement le temps de récupération.