Analyse de Sensibilité

L'analyse de sensibilité dans la synthèse de preuves consiste à répéter la méta-analyse sous différentes hypothèses raisonnables ou en excluant certaines études, afin de vérifier si la conclusion principale demeure valide. Elle examine à quel point un résultat combiné dépend de choix particuliers, d'études spécifiques ou de données précises, et évalue ainsi la robustesse de la synthèse.

Definition

L'analyse de sensibilité est un ensemble de procédures qui réestiment un effet combiné sous des hypothèses analytiques alternatives ou en excluant des études ou des données sélectionnées, afin d'évaluer si et comment la conclusion d'une méta-analyse est modifiée.

Scope

Cette entrée traite de l'analyse de sensibilité telle qu'appliquée dans les méta-analyses et les revues systématiques : les analyses de suppression d'une étude (leave-one-out) et d'influence, la comparaison des résultats des modèles à effets fixes et à effets aléatoires, la restriction aux études à faible risque de biais, et le test de l'effet des données manquantes ou imputées. Il s'agit d'une description de référence méthodologique et non d'une directive clinique. Un nœud distinct sur l'analyse de sensibilité couvre le concept tel qu'utilisé dans l'inférence causale et la modélisation.

Core questions

• La conclusion combinée dépend-elle d'une seule étude influente ?
• Change-t-elle lorsque les modèles à effets fixes et à effets aléatoires sont comparés ?
• Dans quelle mesure est-elle robuste à l'inclusion ou à l'exclusion d'études à haut risque de biais ?
• Dans quelle mesure est-elle sensible aux hypothèses concernant les données manquantes ou les mesures d'effet alternatives ?

Key concepts

• Analyse de suppression d'une étude (d'influence)
• Comparaison effets fixes versus effets aléatoires
• Restriction basée sur le risque de biais
• Hypothèses sur les données manquantes et l'imputation
• Robustesse de l'estimation combinée

Mechanisms

La synthèse est recalculée sous une hypothèse délibérément variée tandis que tout le reste est maintenu fixe, et l'analyste observe si l'estimation combinée, son intervalle ou la conclusion qualitative se modifie. Les variantes courantes incluent la suppression d'une étude à la fois pour détecter un essai aberrant ou influent, le passage entre les modèles à effets fixes et à effets aléatoires pour évaluer l'importance des hypothèses d'hétérogénéité (une comparaison que Riley et ses collègues notent peut modifier considérablement la précision apparente), la restriction de la synthèse aux études jugées à faible risque de biais, et la réexécution de l'analyse sous une gestion alternative des données manquantes ou avec différentes métriques d'effet. Un résultat qui reste essentiellement inchangé à travers ces variations est considéré comme robuste ; tandis qu'un résultat qui se modifie matériellement indique que la conclusion est contingente et doit être rapportée avec cette mise en garde. Des diagnostics connexes, tels que l'examen de l'asymétrie du graphique en entonnoir (funnel plot), tels que décrits par Sterne et ses collègues, complètent l'analyse de sensibilité en examinant si les effets de petites études ou les biais de publication menacent l'estimation combinée.

Clinical relevance

La question de savoir si une directive ou une évaluation des technologies de la santé doit se baser sur une estimation combinée dépend en partie de la robustesse de cette estimation ; les analyses de sensibilité aident donc les lecteurs à juger du degré de confiance qu'un résultat synthétisé mérite. Cette entrée décrit la méthode et ne constitue pas une base pour des décisions cliniques individuelles.

Evidence & guidelines

L'analyse de sensibilité est une composante attendue de la conduite des revues systématiques selon le Cochrane Handbook (Higgins & Green, 2008) et est reflétée dans les éléments de rapport PRISMA (Moher et al., 2009) ; des lignes directrices sur l'évaluation connexe de l'asymétrie du graphique en entonnoir sont fournies par Sterne et ses collègues (2011).

History

À mesure que la méta-analyse clinique a mûri au cours des années 1990 et 2000, les réviseurs ont de plus en plus reconnu qu'un seul chiffre combiné pouvait masquer une fragilité, et les analyses de sensibilité pré-spécifiées sont devenues une partie de la conduite standardisée des revues codifiée dans le Cochrane Handbook et PRISMA. Des travaux parallèles sur l'asymétrie du graphique en entonnoir (Sterne et al., 2011) ont fourni des moyens structurés de tester une menace importante, les effets de petites études, dans le même esprit de vérification de la robustesse.

Debates

Comment les analyses de sensibilité doivent-elles être planifiées et rapportées ?

Il existe un large consensus sur le fait que les analyses de sensibilité devraient être pré-spécifiées et clairement distinguées de l'exploration post-hoc afin d'éviter de rapporter sélectivement la version qui soutient une conclusion souhaitée, une norme reflétée dans les directives de rapport actuelles.

Key figures

• Julian Higgins
• Jonathan Sterne
• Richard Riley
• Jonathan Deeks

Seminal works

• higgins-handbook-2008
• sterne-2011

Frequently asked questions

Qu'est-ce qu'une analyse de sensibilité de suppression d'une étude (leave-one-out) ?

Elle répète la méta-analyse plusieurs fois, en omettant une étude à chaque fois, pour voir si une seule étude est à l'origine du résultat combiné ; si l'estimation est stable à travers toutes ces répétitions, aucune étude unique n'est indûment influente.

En quoi l'analyse de sensibilité diffère-t-elle de l'analyse de sous-groupes ?

L'analyse de sensibilité teste si une conclusion est robuste aux choix analytiques ou à l'exclusion d'études, tandis que l'analyse de sous-groupes explore si l'effet lui-même diffère entre des groupes définis d'études ou de participants.