Nouveau dans 
Méta-analyse avec exclusion
La méta-analyse « leave-one-out » effectue des méta-analyses multiples en excluant une étude à chaque analyse. Il est fréquent que les études produisent des tailles d’effet exagérées, ce qui peut fausser les résultats globaux. La méta-analyse leave-one-out est utile pour étudier l’influence de chaque étude sur l’estimation globale de la taille de l’effet et pour identifier les études influentes.
Vous pouvez désormais effectuer des méta-analyses avec exclusion en utilisant la nouvelle option leaveoneout avec meta summarize et meta forestplot.
Voyons comment cela fonctionne
Nous utiliserons le jeu de données bcgset de Colditz et al. (1994). Ce jeu de données a déjà été déclaré comme métadonnées à l’aide de meta esize. Le vaccin BCG est utilisé pour prévenir la tuberculose (TB). Il y a un total de 13 études dans la méta-analyse.
Points forts
- Fonctions qui calculent des durées, telles que des âges et d’autres différences entre des dates.
- Fonctions permettant de calculer des dates relatives, ou des dates à partir d’autres dates, telles que l’anniversaire précédent ou suivant par rapport à une date donnée.
- Fonctions permettant d’extraire les différentes composantes des valeurs et des variables des dates.
. webuse bcgset (Efficacy of BCG vaccine against tuberculosis; set with -meta esize-)
Supposons que vous ayez effectué une méta-analyse et que vous soupçonniez que certaines études peuvent être des valeurs aberrantes potentielles. Vous pouvez utiliser la méta-analyse « leave-one-out » pour quantifier l’impact de ces valeurs aberrantes potentielles sur l’estimation de la taille de l’effet global
. meta forestplot, leaveoneout rr
Pour chaque étude, la taille d’effet affichée correspond à une taille d’effet globale calculée à partir d’une méta-analyse excluant cette étude. Le diagramme forestier « leave-one-out » affiche également une ligne verticale à la taille de l’effet global basée sur l’ensemble complet d’études (sans omission) pour aider à détecter les études influentes.
L’omission de l’étude 4 (Hart & Sutherland, 1977) ou 8 (TPT Madras, 1980) semble avoir une influence relativement plus importante (par rapport aux autres études) sur l’estimation de la taille de l’effet global. L’omission de l’étude 4 entraîne une augmentation du rapport de risque global d’environ 0,04, tandis que l’omission de l’étude 8 entraîne une diminution du rapport de risque global d’environ 0,04.
References
Colditz, G.A., T.F. Brewer, C.S. Berkey, M.E. Wilson, E. Burdick, H.V. Fineberg, et F. Mosteller. 1994. Efficacité du vaccin BCG dans la prévention de la tuberculose. Meta-analysis of the published literature. JAMA, 271 : 698-702.