Hétérogénéité

Des études sont dites homogènes si elles concordent pour la population étudiée, pour le protocole d’investigation et pour la méthode d’analyse. Des études sont dites hétérogènes quand elles divergent entre elles pour ces critères. Dans les méta-analyses, il est important que les études rassemblées soient aussi homogènes que possible. Nous pouvons montrer la présence d’hétérogénéité statistique entre différentes études par une analyse critique des méthodologies de recherche employées dans les études, par une mise en graphique (plot) de comparaison des différentes études ou par des tests statistiques.

S’il n’y a pas d’hétérogénéité statistique démontrée, nous pouvons, dans notre méta-analyse, utiliser le modèle d’effet fixe (Fixed effect model) qui présuppose qu’il n’y a qu’une seule valeur sous-jacente pour l’effet constaté. Suivant ce modèle, une variation des effets observés est liée au hasard. Si une hétérogénéité statistique est démontrée entre les différentes études, un autre modèle doit être utilisé pour rassembler et analyser les données des différentes études, le modèle d’effet aléatoire (Random Effects model). L’hypothèse d’un modèle d’effet aléatoire est qu’il existe une “population” d’effets éventuels avec une répartition précise autour d’un effet global moyen. Dans ce modèle, nous tenons compte du fait que les effets divergents observés dans les études sont liés au hasard, mais aussi à des variations réelles entre les études. Si les études sont homogènes, l’analyse par le modèle d’effet aléatoire sera superposable à celle par le modèle d’effet fixe.