Biais de publication

Le biais de publication est la tendance des études présentant des résultats statistiquement significatifs ou positifs à être publiées, et à l'être plus en évidence et plus rapidement, que les études présentant des résultats nuls ou négatifs. Étant donné que les revues systématiques et les méta-analyses reposent sur la littérature publiée, cette disponibilité sélective peut fausser l'estimation synthétisée vers un effet plus fort que la réalité.

Definition

Le biais de publication est la différence systématique entre les résultats des études publiées et accessibles et les résultats de toutes les études menées, qui survient parce que la probabilité et la proéminence de la publication dépendent de la nature et de la direction des résultats d'une étude.

Scope

Cette entrée traite du biais de publication et de la famille plus large des biais de compte rendu (reporting biases) qui affectent la synthèse des preuves : leurs causes, leur effet sur les estimations agrégées, et les méthodes graphiques et statistiques utilisées pour les détecter et les explorer, y compris le diagramme en entonnoir (funnel plot), le test de régression d'Egger, le test de corrélation de rang de Begg et l'ajustement par la méthode trim-and-fill. Elle les aborde comme des sujets méthodologiques, et non comme des recommandations cliniques.

Core questions

• Les études disponibles pour la synthèse constituent-elles un échantillon biaisé de toutes les études menées ?
• Comment la présence d'un tel biais peut-elle être détectée à partir des études assemblées ?
• Dans quelle mesure les résultats non publiés ou rapportés sélectivement pourraient-ils modifier la conclusion ?

Key concepts

• Biais de compte rendu et de diffusion
• Problème du tiroir de classeur (file-drawer problem)
• Effets de petite taille d'étude (small-study effects)
• Diagramme en entonnoir (funnel plot) et son asymétrie
• Test de régression d'Egger
• Test de corrélation de rang de Begg
• Ajustement par la méthode trim-and-fill
• Enregistrement des études et des protocoles

Mechanisms

Les études qui trouvent des résultats significatifs ou favorables sont généralement plus susceptibles d'être soumises, acceptées et citées que celles qui ne le font pas, de sorte que la littérature accessible surreprésente les résultats positifs. Les biais de compte rendu (reporting biases) connexes (rapportage sélectif des résultats (selective outcome reporting), biais de délai de publication (time-lag bias) et de langue) agissent dans la même direction. Étant donné qu'une méta-analyse agrège tout ce qu'elle peut récupérer, cette sélection peut gonfler l'effet résumé. Le diagramme en entonnoir (funnel plot) représente l'effet de chaque étude en fonction de sa précision ; en l'absence de biais, les points se dispersent symétriquement, tandis qu'un écart parmi les petites études, moins précises, suggère l'absence de résultats négatifs, un schéma souvent appelé effets de petite taille d'étude (small-study effects). Le test de régression d'Egger et le test de corrélation de rang de Begg quantifient l'asymétrie du diagramme en entonnoir, et la méthode trim-and-fill impute les études que l'asymétrie suggère comme manquantes et recalcule une estimation ajustée. Aucun de ces outils ne peut distinguer avec certitude le biais de publication d'une hétérogénéité réelle, de sorte que l'enregistrement prospectif des études et des protocoles constitue la sauvegarde la plus fondamentale.

Clinical relevance

Le biais de publication peut faire paraître une intervention plus efficace ou plus sûre que ne le montrerait l'ensemble des preuves, ce qui est important lorsque les revues éclairent les lignes directrices et les politiques. Évaluer si une méta-analyse a examiné ce risque fait partie de l'appréciation de sa fiabilité. Cette entrée explique comment le biais apparaît et est étudié ; il s'agit d'un matériel de référence pour l'évaluation des preuves, et non d'un conseil pour un patient individuel.

Epidemiology

Des études empiriques suivant des cohortes d'essais enregistrés et d'études financées par des subventions ont montré à plusieurs reprises que les résultats statistiquement significatifs sont publiés plus souvent et plus tôt. L'examen du diagramme en entonnoir et les tests d'asymétrie sont systématiquement rapportés dans les méta-analyses, et l'enregistrement des essais (par exemple, via des registres prospectifs et des politiques d'enregistrement des revues) a été adopté en partie pour contrer le problème.

Evidence & guidelines

Les recommandations pour l'examen et l'interprétation de l'asymétrie du diagramme en entonnoir dans les méta-analyses d'essais randomisés ont été formulées par Sterne et al. (2011) et sont largement suivies ; les normes de rapportage telles que PRISMA incitent les évaluateurs à évaluer le risque de biais dû aux résultats manquants. Ce sont des recommandations méthodologiques, et non des directives de traitement.

History

La sous-publication des résultats négatifs a été décrite dans les années 1950 et 1960 et s'est cristallisée sous le nom de problème du tiroir de classeur (file-drawer problem) à la fin des années 1970. Les méthodes pour le détecter ont mûri dans les années 1990 : Begg et Mazumdar (1994) ont proposé un test de corrélation de rang pour l'asymétrie du diagramme en entonnoir, et Egger et ses collègues (1997) ont introduit un test de régression simple qui est devenu largement utilisé. Duval et Tweedie (2000) ont ajouté l'ajustement trim-and-fill, et Sterne et al. (2011) ont ensuite consolidé les directives sur l'interprétation des diagrammes en entonnoir. L'enregistrement des essais est apparu en parallèle comme un remède structurel.

Debates

Que signifie réellement l'asymétrie du diagramme en entonnoir ?

L'asymétrie peut refléter un biais de publication, mais aussi une hétérogénéité réelle, des différences de qualité d'étude ou le hasard, les tests d'asymétrie sont donc sensibles à des causes autres que la publication sélective et peuvent induire en erreur lorsque les études sont peu nombreuses.

Dans quelle mesure l'ajustement trim-and-fill doit-il être fiable ?

La méthode trim-and-fill impute des études hypothétiquement manquantes et recalcule l'estimation, mais elle repose sur des hypothèses fortes concernant la forme de l'entonnoir et peut sur- ou sous-corriger, elle est donc généralement traitée comme une analyse de sensibilité plutôt qu'un ajustement définitif.

Key figures

• Matthias Egger
• George Davey Smith
• Colin Begg
• Sue Duval
• Richard Tweedie
• Jonathan Sterne

Seminal works

• egger-1997
• duval-tweedie-2000
• begg-mazumdar-1994
• sterne-2011-funnel

Frequently asked questions

Qu'est-ce qu'un diagramme en entonnoir (funnel plot) et comment est-il lié au biais de publication ?

Un diagramme en entonnoir représente l'estimation de l'effet de chaque étude en fonction de sa précision. En l'absence de biais, les études se dispersent symétriquement autour de l'effet agrégé ; un écart parmi les études plus petites et moins précises, en particulier du côté des résultats défavorables, suggère que certaines études négatives pourraient être absentes de la littérature publiée.

Les tests statistiques peuvent-ils prouver la présence d'un biais de publication ?

Non. Des tests tels que ceux d'Egger et de Begg détectent l'asymétrie du diagramme en entonnoir, qui peut découler d'un biais de publication mais aussi d'une hétérogénéité réelle, de la qualité de l'étude ou du hasard. Ils augmentent ou diminuent la suspicion plutôt que de prouver la cause, et l'enregistrement prospectif des études constitue une sauvegarde plus solide que tout test a posteriori.