En raison du nombre croissant de travaux scientifiques publiés chaque année, il est de plus en plus important de considérer la multitude d’études sur un thème donné dans son ensemble et d’en résumer les résultats de manière claire. Cela permet d’interpréter les travaux de recherche quantitatifs et de créer une image globale. Une méthodologie se prête bien à l’élaboration de tels résumés : la méta-analyse.
Qu’est-ce qu’une méta-analyse ?
La méta-analyse consiste à regrouper et à analyser les données statistiques de plusieurs recherches déjà existantes afin d’obtenir une vue d’ensemble étendue. Il s’agit d’une méthode de recherche qui consiste à regrouper de nombreuses études sur un sujet donné et à les analyser statistiquement afin de tirer des conclusions générales sur ce sujet.
Définition : méta-analyse
Lorsqu’il existe un grand nombre de littératures primaires sur une question donnée, la méta-analyse ouvre la perspective de rassembler systématiquement les résultats des différentes publications en un constat global. Pour cela, on se sert de l’étude quantitative.
En regroupant les résultats individuels, les scientifiques qui réalisent des méta-analyses espèrent obtenir un résultat global plus significatif. Le métarésultat peut être considéré comme une sorte de moyenne et résulte de la « mise en commun » des données. En médecine, les méta-analyses peuvent par exemple être utilisées pour déterminer plus précisément l’efficacité d’un traitement donné.
Les avantages d’une méta-analyse
Les avantages de la réalisation d’une méta-analyse dans le cadre de votre enquête sont les suivants :
- donne une vue d’ensemble des résultats divergents
- augmente la puissance statistique et la validité
- peut contribuer à l’élaboration de bases de décision fondées
- présente dans l’ensemble une valeur informative souvent significativement plus élevée que les études individuelles
Les défis de la méta-analyse
Cependant, la méta-analyse peut aussi poser quelques défis :
Problèmes
Signification
Nombre minimum d’études primaires requises
En règle générale, n’a de sens qu’à partir d’un certain nombre minimum d’études primaires
Biais de publication (« publication bias »)
Les résultats espérés et significatifs ont plus de chance d’être publiés
Problème d’uniformité
Grande difficulté à choisir des études primaires suffisamment homogènes sur le plan du contenu et de la méthode
Problème du « garbage-in-garbage-out »
Les études primaires plus faibles sur le plan méthodologique compromettent la qualité du résultat global
Résultats d’analyses dépendants
Problème de la gestion de plusieurs tailles d’effets dans une étude primaire
Données manquantes
Problèmes liés à l’insuffisance des statistiques dans les études primaires traitées
Tous les articles sur la formation
Réalisation
La méta-analyse se caractérise par une approche transparente et par petites étapes. Celui-ci s’articule autour des phases de travail suivantes :
Avantages
- Formulation de la question de recherche
- Recherche de littérature avec des sources primaires
- Vérification de la conformité des études primaires
- Codage d’études primaires appropriées
- Réalisation de la méta-analyse
- Présentation des résultats au lecteur
1. Formuler la question de recherche
Au début de la méta-analyse, la question de recherche doit être formulée, comme d’ailleurs pour une étude primaire conventionnelle. L’objectif et l’objet de la recherche doivent clairement en découler.
Exemple : méta-analyse sur l’effet de signalisation
« Dans quelle mesure la signalisation améliore-t-elle les performances d’apprentissage ? »
2. Recherche d’études primaires
La deuxième étape consiste à effectuer une recherche bibliographique approfondie pour trouver des études primaires appropriées. Cela peut vite atteindre plusieurs centaines de publications.
Remarque
Plus vous inclurez d’études dans votre enquête, plus elles seront pertinentes. En même temps, cela réduit également le risque d’un résultat global faussé.
3. Vérifier la concordance des études primaires
Pour chaque étude primaire que vous rencontrez au cours de vos recherches, il faut déterminer si elle correspond aux critères que vous avez définis au préalable : si ce n’est pas le cas, la maté-analyse ne la prend pas en compte.
Pour cela, vous vous servez d’une liste de critères d’inclusion et d’exclusion. Sont notamment pertinents dans ce contexte le contenu thématique ainsi que la qualité méthodologique.
4. Coder les études primaires appropriées
Des questions de recherche identiques ou posées de manière similaire sont explorées différemment dans différentes études primaires. Dans l’étape suivante, il s’agit de pouvoir comparer les publications sélectionnées, ce qui inclut aussi leur codage.
Le terme de codage désigne ici, pour simplifier, l’attribution de catégories. Ces catégories se réfèrent à des caractéristiques pertinentes pour le calcul ultérieur de la méta-analyse. On peut citer, par exemple, la taille de l’échantillon et la mesure de l’ampleur de l’effet, mais aussi les variables modératrices liées au contenu et à la méthode (comme l’âge moyen, la conception de l’enquête, etc.).
5. Réaliser la méta-analyse
Après avoir codé et calculé des tailles d’effet uniformes à des fins de comparabilité, on procède à l’intégration statistique interétudes primaires. Les résultats individuels sont alors essentiellement regroupés en une valeur moyenne qui fait office de métarésultat.
À cette étape, vous pouvez choisir entre différents modèles qui se distinguent par diverses hypothèses statistiques. Il existe également des possibilités de combinaison à cet égard.
6. Présenter les résultats aux lecteurs
Lors de la présentation des résultats de votre méta-analyse, vous devriez avoir recours à des graphiques et des diagrammes permettant une interprétation rapide par le lectorat. Le plus souvent, c’est ce qu’on appelle le forest plot qui est utilisé, car il permet de représenter à la fois les tailles d’effet de toutes les études primaires incluses dans la méta-analyse ainsi que le résultat global regroupé.
Vous trouverez ci-dessous deux exemples pratiques dans lesquels une méta-analyse a été réalisée dans le cadre d’un travail de fin d’études.
Exemples pratiques
Université de Strasbourg, UFR Mathématique et Informatique : Ismaïl Aouadi :
- « Méta-analyse des données sur la mémoire autobiographique dans la schizophrénie »
- https://dumas.ccsd.cnrs.fr/dumas-01059613
Université catholique de Louvain (UCLouvain), Faculté de psychologie et des sciences de l’éducation : Laura Conrad & Léah Remy
- « Lien entre les comportements externalisés et le quotient intellectuel : une méta-analyse partielle de la littérature »
- http://hdl.handle.net/2078.1/thesis:45137
Revue systématique ou méta-analyse
Toute méta-analyse fait partie d’une revue systématique, mais toutes les revues systématiques ne contiennent pas de méta-analyse. Ces deux méthodes de recherche sont de plus en plus souvent confondues. C’est pourquoi nous allons maintenant aborder explicitement la différence entre les méthodes :
Revue systématique
Une revue systématique est une étude de la littérature qui répond à une question de recherche précise en utilisant des méthodes rigoureuses et transparentes pour identifier, sélectionner et évaluer de manière critique toutes les recherches pertinentes. Les revues systématiques ne désignent pas une méthode statistique concrète, mais un plan d’étude général. Un travail de synthèse peut certes contenir une méta-analyse, mais ce n’est pas forcément le cas. En conséquence, il existe aussi des revues systématiques purement qualitatives.
Méta-analyse
La méta-analyse est la composante mathématique que l’on ajoute parfois à une revue systématique. Elle consiste à combiner les données numériques de plusieurs études pour obtenir un résultat unique et plus puissant. Il est toutefois possible de combiner dans le même travail des méthodes qualitatives et quantitatives et de répondre ainsi à des questions complémentaires. On peut citer une notion plus large de l’évidence et la possibilité de synthétiser les résultats en un résultat pertinent pour un plus grand nombre de lecteurs.
Foire aux questions
Une méta-analyse implique la collecte et la synthèse de données provenant de nombreuses études différentes sur un sujet donné afin d’identifier des modèles statistiques et des conclusions générales.
Une méta-analyse est utile lorsqu’il existe de nombreuses études individuelles sur un sujet similaire et que l’on souhaite combiner toutes ces données afin d’obtenir des conclusions plus fiables et générales sur le sujet. Cela peut aider à augmenter la force des preuves et à acquérir de nouvelles connaissances.
La méta-analyse est une méthode statistique qui permet de combiner différents résultats d’études sur une base quantitative.
Les termes méta-analyse et revue systématique sont parfois utilisés comme synonymes. En fait, cette dernière désigne un design d’étude particulier, dans le cadre duquel la méta-analyse peut également être utilisée comme méthode statistique.
Les termes méta-analyse et revue systématique sont parfois utilisés comme synonymes. En fait, cette dernière désigne un design d’étude particulier, dans le cadre duquel la méta-analyse peut également être utilisée comme méthode statistique.