Le premier à avoir évoqué les méta-analyses, à savoir la possibilité d’avoir des tailles d’effets et de pouvoir les combinées entre elles est Glass (1976). En 1977, Glass a été directement impliqué dans la plus grande entreprise utilisant cette méthode et visant à répondre à une critique qu’Eysenck (1952) faisait des psychothérapies, à savoir qu’elles ne sont pas efficaces. Cette étude (Smith & Glass, 1977) a été une réponse à cette critique montrant que, contrairement à ce qu’Eysenck avançait, les psychothérapies étaient efficaces.
L’augmentation drastique du nombre d’articles scientifiques requiert de la part des des chercheurs de (Björk et al., 2008; Harnad et al., 2008) :
Ces synthèses peuvent prendre une forme narrative, mais sont de plus en plus souvent présentées sous la forme de méta-analyses. Cette tendance générale s’observe dans tous les domaines de la santé, et en psychologie en particulier. Cela ne poserait pas de souci si des méta-analyses différentes portant sur la même question aboutissait à la même conclusion. Cependant, en psychologie, et plus généralement dans le domaine de la santé mentale, ce n’est pas le cas. Pour illustrer ce phénomène, nous pouvons citer deux méta-analyses réalisées en 2011 et portant sensiblement sur la même question : l’efficacité des psychothérapie dans la schizophrénie. Selon l’étude de Dickerson et Lehman (2011), les TCC est l’approche pour laquelle il y a le plus de preuves quant à son efficacité alors que pour Newton‐Howe et Wood(2011), les TCC n’ont pas une efficacité supérieure que les thérapies de soutien (voir le chapitre consacré aux essais contrôlés randomisés pour plus d’informations sur ce que cela implique). En d’autres termes, les conclusions des deux articles aboutissent à des conclusions qui sont fondamentalement opposées. Cet exemple n’est qu’une illustration d’un phénomène bien plus général (Cuijpers, 2016).
On se retrouve dès lors dans cette inextricable situation où non seulement le nombre d’études augmente, le nombre de méta-analyses augemente et l’hétérogénéité des résultats ne permet que difficilement d’avoir une vue d’ensemble d’un domaine de recherche.
Ainsi, lorsqu’on veut mener une méta-analyse, ou examiner la qualité d’une méta-analyse publiée, les premières étapes consistent à
Dans cette section, nous focaliserons sur les aspects statistiques des méta-analyses et nous renvoyons le lecteur vers les sections ad hoc pour les premières étapes.
Dans les méta-analyses, il existe les méta-analyses qui comparent un groupe de patients à un groupe de contrôle, mais il existe également ce qui est appelé les méta-analyses en réseau (ou méta-analyse de comparaison de traitements multiples) où on va comparer non seulement le groupes des personnes traitées par rapport au groupe témoin mais également les différentes approches thérapeutiques entre elles. Il est également possible de faire des méta-analyses sur des patients individuels. Ces approches ne seront pas développées dans cette section.
Pouvoir intégrer les résultats d’un ensemble d’essais dans une méta-analyse présente un certain nombre d’avantages (Cuijpers, 2016) :
Ce n’est donc pas étonnant que les méta-analyses soient placées tout en haut de la pyramide représentant la hiérarchie de preuves, juste en-dessous du consensus scientifique 1 Ainsi, à l’heure actuelle, un essai contrôlé randomisé ne réprésente plus un niveau de preuve suffisant pour modifier les décisions politiques, économiques ou sociales, il faut pouvoir s’appuyer sur des méta-analyses.
Ces méta-analyses peuvent aussi apporter un éclairage pour les bénéficiaires des traitements qui peuvent grâce à ces études prendre une décision éclairée quant à la meilleure option thérapeutique au regard de leur condition.
Si les méta-analyes présentent un certain nombre d’avantages, elles
sont également associées à un certain nombre de problèmes.
La qualité des méta-analyses dépend de la qualité des études qui sont
intégrées à cette méta-analyse. Si elle ne contient aucune étude de
bonne qualité, la méta-analyse ne résout pas les problèmes de risques de
biais. Ce problème peut être résumé par “si les données qui entrent sont
incorrectes, celles qui sortent le sont aussi”.
Un autre problème, en particulier en psychologie, est que les études qui examinent la même question ne sont la plupart du temps pas des études reproduites à l’identique. Certaines personnes avancent que, puique les méthodologies ne sont pas strictement identiques, on ne peut pas comparer les études parce que cela reviendrait à comparer des pommes avec des poires.
Un autre problème des méta-analyse est d’accéder à l’ensemble des informations. En effet, beaucoup d’études, en particulier celles avec des résultats négatifs ne sont pas publiées et ne peuvent que difficilement être incluses dans la méta-analyse. Il s’ensuit que les méta-analyse peuvent surestimer de manière drastique la vraie taille d’effet de l’intervention expérimentale.
Enfin, les chercheurs qui mènent les méta-analyses ont également un biais d’allégeance, leur opinion par rapport à une intervention n’est pas neutre. Ils peuvent donc évaluer plus durement les études qui ne vont pas dans leur sens et moins sévèrement celles qui vont dans leur sens. C’est ce qu’on appelle le biais d’allégeance. Un moyen simple de contourner ce problème est de mener l’étude en collaboration avec une personne qui n’a pas la même vision que nous.
il faut noter que ce n’est pas parce qu’il y a consensus scientifique, qu’il s’agit d’une vérité. Les théories de Newton faisait la quasi unanimité avant qu’Einstein ne vienne les réfuter.↩︎