Comment faire une méta-analyse :combiner n'est pas « rassembler et faire la moyenne »
Votre directeur lance « et si on tentait une méta-analyse ? », vous visualisez un élégant forest plot — et vous n'avez aucune idée de par où commencer. Première chose à savoir : la méta-analyse n'est pas fondamentalement une affaire de statistiques. Une méta-analyse consiste à trouver des études qui tentent de répondre à la même question, à vérifier qu'elles peuvent être combinées, et seulement ensuite à en regrouper les chiffres. L'essentiel du travail est de la lecture et de la vérification, pas du calcul. Cet article vous donne le chemin complet en un coup d'œil.
Publié: 2026-07-22
La méta-analyse est une étape au sein d'une revue systématique
D'abord, le contexte. Une méta-analyse n'est pas une tâche isolée : elle désigne généralement la synthèse statistique menée à l'étape finale d'une revue systématique, dont la question, la recherche, la sélection et l'évaluation ont été conçues à l'avance.
Autrement dit, la qualité d'une méta-analyse se joue en grande partie avant toute combinaison. Si les critères de sélection des études sont défaillants, aucune précision de calcul ne rendra le résultat fiable. (Sur l'articulation entre les deux, voir notre article sur la différence entre revue systématique et méta-analyse.)
Étape 1 : ramener la question à une seule
La question d'une méta-analyse se resserre en un seul PICO (Patient, Intervention, Comparaison, Outcome) : cette intervention améliore-t-elle ce critère de jugement chez cette population ?
Une question trop large mélange des études de natures fondamentalement différentes, et aucune étape ultérieure ne pourra justifier de les combiner. La défendabilité de la combinaison se décide en grande partie dans cette seule phrase.
Étapes 2-3 : chercher et sélectionner systématiquement
Construisez une équation de recherche, interrogez plusieurs bases de données en gardant trace de tout, et triez selon des critères prédéfinis. C'est le processus standard d'une revue systématique ; nous en laissons le détail à nos articles sur la conception et le tri des revues.
Les résumés IA peuvent assister la première lecture à ce stade, mais les décisions d'inclusion et les motifs d'exclusion sont consignés par un humain travaillant sur le texte original.
Étape 4 : l'extraction des données — rassembler la matière première de la combinaison
À partir des études incluses, extrayez dans un format uniforme les chiffres dont la combinaison a besoin : effectifs, résultats par groupe, données de taille d'effet.
Dans une méta-analyse, vérifier que les définitions des critères de jugement, les moments de mesure et les populations analysées se correspondent d'une étude à l'autre est le cœur de l'extraction des données. L'omettre, c'est commettre l'erreur classique de faire la moyenne de choses différentes. Les détails pratiques sont dans notre article sur l'extraction des données pour la méta-analyse.
Étape 5 : avant de combiner, demandez-vous si la combinaison est justifiée
Les données rassemblées, résistez à l'envie de combiner immédiatement. Demandez d'abord : ces études peuvent-elles réellement être regroupées ? Les populations, les interventions et les critères de jugement sont-ils suffisamment proches ? Les plans d'étude sont-ils compatibles ?
« Pouvoir calculer » et « pouvoir combiner » sont deux choses différentes. Faire la moyenne de pommes et d'oranges ne produit pas un fruit qui ait un sens. Décider de combiner ou non, et comment (effets fixes ou aléatoires, par exemple), engage un jugement statistique — consulter un statisticien ou votre directeur est indispensable.
Étape 6 : affronter l'hétérogénéité
Les résultats combinés s'accompagnent d'une évaluation de la variabilité entre études — l'hétérogénéité. Quand elle est importante, se demander pourquoi les études diffèrent livre souvent des enseignements plus précieux que la valeur combinée elle-même.
Interpréter les indicateurs d'hétérogénéité et concevoir les analyses en sous-groupes et de sensibilité est un travail d'équipe, pas un travail solitaire. La conclusion d'une méta-analyse n'est pas un chiffre isolé : c'est le chiffre, plus le degré de similarité des études, plus les raisons de leurs différences.
Étape 7 : l'interprétation — retraduire le chiffre en langage clinique et scientifique
Enfin, revenez à la question. L'effet combiné est-il cliniquement significatif ? Dans quelle mesure le risque de biais des études incluses nuance-t-il la conclusion ?
Cette partie ne se délègue pas à l'IA. Seule une personne qui a lu les textes originaux et en comprend les limites peut écrire une interprétation honnête.
Un échafaudage pour la longue route
Tout au long de ce parcours, Paperfy est l'endroit où vous lisez, vérifiez et revenez. Chaque article inclus dispose d'une page réunissant son résumé IA, ses figures, ses tableaux et le PDF original. Les résumés se modifient à la main, ce qui permet d'y noter les confirmations d'extraction ou les doutes sur la possibilité de combiner. Paperfy ne remplace ni les logiciels statistiques (R, RevMan) ni un gestionnaire de références — il soutient la lecture qui les précède.
Avant de démarrer une méta-analyse
- La question tient en une seule phrase, formulée en PICO.
- Le processus de recherche et de sélection est conçu avec une traçabilité intégrée.
- Un plan prévoit de vérifier définitions des critères, moments de mesure et populations analysées entre les études.
- Une personne peut être consultée sur la possibilité de combiner et sur les méthodes statistiques.
Protégez la lecture qui précède la combinaison
Avec Paperfy, le PDF, le résumé IA, les figures, les tableaux et les notes de chaque article inclus partagent une même page — revenez à l'original aussi souvent que votre décision de combiner l'exige.
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.