Extraire les données d'une méta-analyse :quand des critères identiques en apparence diffèrent
Vous avez extrait les chiffres des articles inclus et bâti le tableau. Puis, au moment de combiner, le doute s'installe — « les valeurs de cette étude et de celle-là mesurent-elles vraiment la même chose ? » — et vous voilà à rouvrir chaque article. La vraie difficulté de l'extraction pour une méta-analyse n'est pas de recopier des chiffres. C'est de repérer ce qui se ressemble sans être identique, et de confirmer la correspondance entre les études. Cet article organise ce travail pratique autour de cinq vérifications.
Publié: 2026-07-22
Un article PDF en une émission radio d’environ 3 minutes
Sans inscription. Essayez avec le PDF d’un article que vous souhaitez lire.
L'extraction de méta-analyse construit une table de correspondance
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.
Vérification 1 : la définition du critère de jugement
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.
Vérification 2 : le moment de mesure
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.
Vérification 3 : la définition des groupes
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.
Vérification 4 : la population analysée
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.
Vérification 5 : le format de la taille d'effet
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.
Répartir le travail : l'IA rédige le brouillon, l'humain vérifie tout
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.
Écoutez d'abord l'article en radio, puis extrayez les chiffres du PDF
Avant de plonger dans les tableaux et les annexes, écoutez l'article sous forme d'émission radio courte. Paperfy transforme n'importe quel PDF de recherche en une conversation de 3 minutes entre deux voix qui parcourent le contexte, les méthodes, les résultats clés et les limites.
Écoutez d'abord pour comprendre la structure de l'étude, puis ouvrez le PDF vous-même pour extraire les chiffres, vérifier les figures et noter les détails. Cette approche — radio d'abord, extraction ensuite — réduit le temps passé à chercher où se trouvent les informations dont vous avez besoin. Vous gardez la liste des articles que vous avez téléversés, et vous pouvez relire le script de l'émission à tout moment.
Les vérifications de correspondance de votre tableau d'extraction
- Les critères de jugement ont été appariés par définition, pas par étiquette.
- Les moments de mesure et les définitions des groupes ont chacun leur propre colonne.
- La population analysée et le numéro du tableau source sont consignés ensemble.
- Les formats de taille d'effet (SD vs SE, etc.) ont été vérifiés, avec un expert consulté pour toute conversion.
Un article PDF en une émission radio d’environ 3 minutes
Sans inscription. Essayez avec le PDF d’un article que vous souhaitez lire.
Méta-analyse
Explorer Ce Sujet
Lire tous les guides liés à ce flux de travail, du départ à la pratique.
À Lire Ensuite
Ces guides prolongent le même flux de travail.