Méta-analyse en réseau

La méta-analyse en réseau étend la méta-analyse par paires pour comparer simultanément trois interventions ou plus en combinant les preuves directes (issues d'essais comparatifs directs) avec les preuves indirectes (déduites par l'intermédiaire de comparateurs communs). Elle permet de comparer et de classer des traitements qui n'ont jamais été testés les uns contre les autres au sein d'une analyse cohérente unique, et elle est largement utilisée dans l'évaluation des technologies de la santé pour éclairer les choix parmi des options concurrentes.

Definition

La méta-analyse en réseau est une méthode statistique qui synthétise les preuves issues d'un réseau connecté d'essais comparant plusieurs interventions, en combinant les comparaisons directes et indirectes pour estimer les effets relatifs entre chaque paire de traitements et les classer.

Scope

Ce sujet aborde la logique et les hypothèses clés de la méta-analyse en réseau : la manière dont les preuves directes et indirectes sont combinées, les hypothèses centrales de transitivité et de cohérence, le classement des traitements, et les précautions qui accompagnent son utilisation. Il s'agit d'une référence méthodologique, et non d'une orientation clinique ou prescriptive.

Core questions

• Comment des interventions jamais directement comparées peuvent-elles être comparées par l'intermédiaire de comparateurs communs ?
• L'hypothèse de transitivité à travers le réseau d'essais est-elle plausible ?
• Les estimations directes et indirectes concordent-elles (cohérence) ?
• Comment les classements des traitements doivent-ils être interprétés et leur incertitude communiquée ?

Key concepts

• Preuves directes versus indirectes
• Comparateur commun
• Hypothèse de transitivité
• Cohérence (accord des estimations directes et indirectes)
• Comparaison de traitements mixtes
• Classement des traitements (par ex. SUCRA)
• Géométrie du réseau

Mechanisms

Lorsque les essais forment un réseau connecté par l'intermédiaire de comparateurs partagés, l'effet relatif de deux traitements non directement comparés peut être inféré indirectement : si A versus B et B versus C sont chacun estimés, A versus C en découle. La méta-analyse en réseau combine ces estimations indirectes avec toute preuve directe dans un modèle cohérent qui produit tous les effets relatifs par paires et peut classer les traitements. Sa validité repose sur la transitivité — c'est-à-dire que les essais sont suffisamment similaires en termes de caractéristiques modifiant l'effet pour que la comparaison indirecte soit équitable — et sur la cohérence, l'accord entre les estimations directes et indirectes là où les deux existent. La méthodologie a été formalisée dans le cadre de la comparaison de traitements mixtes (mixed-treatment-comparison) de Lu et Ades et élaborée dans la littérature méthodologique ultérieure (lu-ades-2004; caldwell-2005; salanti-2012).

Clinical relevance

La méta-analyse en réseau sous-tend de nombreuses évaluations des technologies de la santé et comparaisons de lignes directrices où plusieurs options de traitement sont en concurrence et les essais comparatifs directs sont incomplets. Ses classements décrivent les preuves relatives entre les options sous des hypothèses énoncées ; ils résument les preuves comparatives et ne constituent pas une directive d'utilisation d'un traitement particulier pour un individu.

Evidence & guidelines

Les fondements statistiques de la méthode ont été établis par Lu et Ades et introduits auprès des cliniciens par Caldwell et ses collègues ; l'aperçu de Salanti a synthétisé ses avantages et ses préoccupations, et le Manuel Cochrane décrit sa conduite et son rapportage dans les revues systématiques (lu-ades-2004; caldwell-2005; salanti-2012; higgins-handbook-2019).

History

Les méthodes de comparaison indirecte ont été développées dans les années 1990 et unifiées dans le cadre de la comparaison de traitements mixtes (mixed-treatment-comparison) par Lu et Ades en 2004. Caldwell et ses collègues ont introduit l'approche auprès d'un public clinique en 2005, et à mesure que la méthode se répandait sous plusieurs noms, l'aperçu de Salanti en 2012 a consolidé la terminologie, les hypothèses et les préoccupations, établissant la méta-analyse en réseau comme un outil de synthèse des preuves courant (lu-ades-2004; caldwell-2005; salanti-2012).

Debates

Dans quelle mesure l'hypothèse de transitivité est-elle fiable ?

La comparaison indirecte n'est valide que si les essais sont similaires en termes de caractéristiques modifiant l'effet ; lorsque la transitivité est douteuse ou que les estimations directes et indirectes sont incohérentes, les résultats du réseau peuvent induire en erreur, il est donc essentiel d'évaluer ces hypothèses.

Key figures

• Guobing Lu
• Tony Ades
• Deborah Caldwell
• Julian Higgins
• Georgia Salanti

Seminal works

• lu-ades-2004
• caldwell-2005
• salanti-2012

Frequently asked questions

Quelle est la différence entre la méta-analyse par paires et la méta-analyse en réseau ?

La méta-analyse par paires regroupe les études comparant deux interventions ; la méta-analyse en réseau combine de multiples comparaisons à travers un ensemble connecté d'essais, y compris des comparaisons indirectes, pour comparer et classer simultanément trois interventions ou plus.

Qu'est-ce que la transitivité ?

La transitivité est l'hypothèse selon laquelle les essais connectés par l'intermédiaire d'un comparateur commun sont suffisamment similaires en termes de caractéristiques modifiant l'effet pour que la comparaison indirecte des traitements soit équitable ; c'est la condition clé pour une comparaison indirecte valide.