Construire pbtique Rech : revue syst indicateurs fiabilité

Cet enseignement approfondit la méthodologie des revues systématiques et méta-analyses en se focalisant sur l'évaluation critique de la fiabilité des résultats générés et sur la notion de niveau de preuve.

Une première partie aborde la problématique fréquente des erreurs de calcul des tailles d'effet dans les méta-analyses. Les étudiants apprendront à identifier les différentes familles d'erreurs (valeurs invalides, valeurs implausibles, discordances multi-estimations) et à utiliser des outils automatisés pour les détecter (via le logiciel metaConvert).

La seconde partie est dédiée à l'évaluation du niveau de preuve. Le cours mettra en lumière les débats épistémologiques et méthodologiques actuels concernant la cotation de la preuve : comment articuler la rigueur d'algorithmes et de critères seuils (taille d'échantillon, risque de biais) avec la nécessité d'un jugement subjectif et contextualisé.

Comprendre les sources et l'impact des erreurs d'extraction de données dans les méta-analyses existantes.

Savoir auditer la qualité et l'exactitude mathématique/statistique d'une méta-analyse.

Maîtriser le système GRADE (Grading of Recommendations Assessment, Development and Evaluation) pour évaluer la qualité d'un corpus de preuves scientifiques.

Développer un esprit critique sur les limites et les avantages de l'objectivation (algorithmes) versus la subjectivité dans l'évaluation de la littérature.

Session 1 : Devoir sur table. Écrit - rédaction - durée 1 heure

Session 2 : Devoir sur table. Écrit - rédaction - durée 1 heure

Dérogatoire : Devoir sur table. Écrit - rédaction - durée 1 heure

Répartition de la note finale : 100% TD, non compensable

Auditer des données méta-analytiques pour détecter des erreurs avant et après le calcul des tailles d'effet.

Utiliser des outils open-source (comme le package R ou l'application web metaConvert) pour valider des données extraites.

Appliquer les critères du système GRADE (imprécision, risque de biais, inconsistance, etc.) pour évaluer de façon argumentée la qualité d'une preuve scientifique.

Appréhender de manière critique la littérature scientifique en comprenant les limites des indicateurs de fiabilité et la part de subjectivité inhérente au jugement d'expert.

Gosling C.J. et al. (2025). metaConvert: an automatic suite for estimation of 11 different effect size measures and flexible conversion across them. Research Synthesis Methods.
Pollock A. et al. (2016). An algorithm was developed to assign GRADE levels of evidence to comparisons within systematic reviews. Journal of Clinical Epidemiology. (Ainsi que les lettres à l'éditeur associées : Gionfriddo, 2016 ; Murad et al., 2016).
Guyatt G.H. et al. (2011). GRADE guidelines: 1. Introduction - GRADE evidence profiles and summary of findings tables. Journal of Clinical Epidemiology.

Articles scientifiques fournis en cours, grilles d'évaluation GRADE, application web et package R metaConvert (metaconvert.org).