Guide pour les analyses systématiques dans le domaine

Guide pour les analyses systématiques dans le
domaine de la santé publique agroalimentaire
Jan M. Sargeant1,2, Maria Del Rocio Amezcua1,2,
Andrijana Rajić2, Lisa Waddell2
1
Département d’épidémiologie clinique et de biostatistique,
McMaster University, Hamilton (Ontario) Canada
et
2
Laboratoire de lutte contre les zoonoses d’origine alimentaire,
Agence de santé publique du Canada, Guelph (Ontario) Canada
© J.M. Sargeant, 2005
Table des matières
Introduction
1. Élaboration d’une question d’étude précise
1.1 Formuler une question pertinente
1.2 Formuler une question précise
1.3 Plans d’étude et niveaux de données
2. Détermination de l’ensemble de la recherche primaire potentiellement
pertinente
2.1 Création de termes de recherche
2.2 Bases de données électroniques
2.3 Recherche manuelle
2.4 Vérification des listes de références
2.5 Trouver des études non publiées
3. Sélection des résumés fondée sur la pertinence par rapport à la question
étudiée
3.1. Création de l’outil de sélection fondée sur la pertinence
3.2. Utilisation de l’outil de sélection fondée sur la pertinence
4. Évaluation de la qualité des publications pertinentes
4.1 Création de l’outil d’évaluation de la qualité
4.2 Utilisation de l’outil d’évaluation de la qualité
5. Extraction de données
5.1 Création du formulaire d’extraction de données
5.2 Utilisation du formulaire d’extraction de données
6. Synthèse des données
6.1 Synthèse descriptive des résultats
6.2 Synthèse des résultats de l’étude
6.3 Hétérogénéité
Références
Annexes
Formulaires d’analyse systématique
Le placement pour ce manuel a été obtenu à partir du réseau de recherches et de réponse de
sûreté de nourriture (USDA-CREES) et du laboratoire pour les zoonoses portées par les
aliments, agence de santé publique du Canada.
2
Introduction
Les responsables de politiques publiques et autres décideurs en matière de salubrité des
aliments dans le continuum de la production alimentaire sont de plus en plus souvent
confrontés à des problèmes de santé publique multifactoriels complexes parmi lesquels les
maladies d’origine alimentaire, les pathogènes zoonotiques existants et émergents, et la
résistance aux antimicrobiens. Aux États-Unis, par exemple, on estime que 76 millions des
cas de maladies d’origine alimentaire surviennent chaque année, entraînant 5 000 décès
(Mead, 1999). De nombreux organismes se sont attaqués à ce problème en intensifiant leurs
efforts de surveillance, en développant et en mettant en œuvre des stratégies d’intervention
d’un bout à l’autre de la chaîne de production alimentaire, en intégrant l’évaluation du risque
dans l’élaboration des politiques et en augmentant le financement de la recherche en
salubrité alimentaire.
Il est désormais impératif de commencer à identifier, à évaluer et à résumer les résultats de la
recherche en santé publique dans le secteur agroalimentaire – résultats autrement ingérables
à l’état brut – pour permettre aux décideurs d’accéder rapidement à l’information sur les
publications scientifiques les plus pertinentes. Cela est possible par des méthodes d’analyses
systématiques fondées sur des données; ces méthodes sont déjà employées avec succès dans
d’autres disciplines de la santé.
Les analyses systématiques fournissent une méthode rigoureuse et reproductible
d’identification, d’évaluation et de synthèse de l’information scientifique permettant
d’aborder les questions relatives à la santé telles que le traitement, la prévention, le
diagnostic et l’évaluation des facteurs de risque des maladies (AHRQ, 2002). Une analyse
systématique se déroule en plusieurs étapes : 1) élaboration d’une question d’étude précise;
2) détermination de l’ensemble des recherches primaires potentiellement pertinentes à l’aide
d’une stratégie de recherche structurée; 3) tri des résumés en fonction de leur pertinence
pour la question à l’étude; 4) évaluation de la qualité des publications pertinente; 5)
extraction de données des articles de qualité acceptable; 6) synthèse des données de ces
études à l’aide de méthodes qualitatives ou quantitatives (NHMRC, 1999; CRD, 2001;
Glasziou et al., 2001; Cochrane, 2004).
L’analyse systématique se distingue sur plusieurs points de l’analyse classique. Le procédé
de l’analyse systématique réduit le degré de subjectivité dans la sélection des études de
recherche par l’exhaustivité et la reproductibilité de la stratégie de recherche et la sélection
transparente des articles inclus dans l’analyse. Les analyses systématiques évaluent la qualité
méthodologique des études incluses (c’est-à-dire la qualité du plan, du déroulement et de
l’analyse de l’étude) et évaluent la validité globale de l’ensemble des données. Dans les
analyses systématiques, l’accent est mis sur les résultats d’études de plus haute qualité aux
dépens des études de moins bonne qualité. En règle générale, cette étape analytique
supplémentaire n’est pas utilisée dans les analyses narratives. Un tableau récapitulatif des
différences entre analyse systématique et analyse narrative est présenté à l’Annexe 1.
Les analyses systématiques ont un autre avantage : en identifiant toutes les données
pertinentes et valides sur le plan méthodologique, elles améliorent la capacité de synthétiser
3
les résultats de plusieurs études et augmentent donc leur force. Des résultats similaires
observés dans divers plans et contextes d’études apportent la preuve de la solidité et de la
transposabilité des résultats à d’autres contextes. En cas de divergence entre les études selon
le contexte, les sources de divergence peuvent être examinées (NHMRC, 1999; Glasziou et
al., 2001).
Les analyses systématiques ont été conçues avant tout à l’intention des professionnels qui
souhaitent prendre des décisions plus éclairées dans l’exercice clinique, les études de
recherche en santé humaine et les politiques de santé publique. C’est ainsi que de nombreux
groupes et organismes se spécialisent dans l’élaboration de méthodologies et la conduite
d’analyses systématiques dans le domaine de la santé humaine. Exemples de groupes
spécialisés dans la méthodologie et la conduite d’analyses systématiques :
1) Le modèle d’analyse de la Collaboration Cochrane est un modèle mondialement
reconnu pour les analyses systématiques (voir le site Web : http://www.updatesoftware.com/ccweb/cochrane/hbook.htm).
2) L’Agency for Healthcare Research and Quality (AHRQ), antérieurement Agency
for Health Care Policy and Research (AHCPR), fournit un soutien à la recherche et
des guides de politique dans la recherche et les analyses systématiques sur les
services de santé (consulter le site Web : http://www.ahrq.gov). Dans cette optique,
l’AHRQ met un accent particulier sur la qualité des soins, les guides de pratique
clinique et la pratique fondée sur les données probantes. Cela inclut notamment
l’évaluation de la qualité des données publiées par des méthodes ou des systèmes
permettant de noter la validité des données scientifiques pour la pratique sous-jacente
de la santé, des recommandations figurant dans les publications spécialisées et des
technologies de la santé.
3) Le Programme de recherche, d’éducation et de développement en santé
publique (REDSP) mène des recherches pertinentes sur le plan clinique dans les
domaines de la santé publique, de la promotion de la santé et des soins primaires, et
encourage la pratique factuelle et l’élaboration de politiques (consulter le site Web :
http://www.phred-redsp.on.ca/).
4) Le NHS Centre of Reviews and Dissemination (CRD) a publié un document
original fournissant le cadre conceptuel et pratique pour la conduite d’analyses
systématiques de l’efficacité (consulter le site Web :
http://www.york.ac.uk/inst/crd/srinfo.htm). Ce document propose de nouvelles lignes
directrices sur l’évaluation de la recherche portant sur les tests diagnostiques, les
études d’étiologie et de facteurs de risques, la recherche qualitative et l’économie de
la santé.
Les ressources fournies par ces groupes ont été déterminantes pour la rédaction du présent
manuel. Parmi les autres ressources utilisées, il convient également de mentionner
Systematic Reviews in Health Care: A Practical Guide de Glasziou et al., (2001). Cet
ouvrage offre une présentation claire et structurée des analyses systématiques. Il a le mérite
de proposer des descriptions brèves et concises des diverses méthodes à utiliser en fonction
des types de questions de santé, notamment la fréquence des maladies, le pronostic, le
diagnostic, le risque et la prise en charge.
4
Malgré le recours fréquent aux analyses systématiques dans les domaines de la santé
humaine, les analyses systématiques formelles sont rarement utilisées dans le domaine de la
salubrité agricole et agroalimentaire. À titre d’exemple, on peut citer des chercheurs
australiens qui ont utilisé cette démarche pour évaluer les données probantes justifiant ou
condamnant l’usage des antimicrobiens chez les animaux comme facteur favorisant
l’apparition de maladies cliniquement significatives chez l’humain (Ferguson et al., 1998).
Les protocoles d’élaboration d’analyses systématiques en santé humaine sont bien
développés. Toutefois, les protocoles d’analyse systématique élaborés pour les études sur la
santé humaine ne sont pas toujours directement applicables pour évaluer les questions de
salubrité à la ferme dans le secteur agricole et agro-alimentaire. Par exemple, de nombreuses
études d’intervention à la ferme utilisent un plan d’étude observationnelle par rapport aux
essais contrôlés et randomisés, lesquels sont souvent employés pour les analyses
systématiques dans le domaine de la santé humaine. En règle générale, les études de
provocation utilisées dans la recherche vétérinaire ne sont pas prises en compte dans les
analyses de la santé humaine. Dans le domaine de la santé humaine, les études de
provocation sont réalisées sur des espèces non humaines, alors qu’en recherche vétérinaire,
ce type d’essai est réalisé sur l’espèce étudiée. Il faut également tenir compte du fait que les
populations de bétail sont groupées très différemment des populations humaines. Cela
signifie que les questions statistiques reliées à la non-indépendance des sujets étudiés au sein
des groupes revêtent une importance considérable dans de nombreuses études de recherche
agroalimentaire. Il est donc nécessaire de modifier les protocoles existants qui sont utilisés
pour les analyses systématiques en santé humaine afin de pouvoir les utiliser pour
l’évaluation systématique en recherche agroalimentaire.
Le recours aux analyses systématiques permettra aux chercheurs de résumer l’ensemble des
connaissances existantes sur des questions ciblées de salubrité alimentaire et augmentera la
crédibilité des résultats de la recherche dans ce domaine. Les résultats de telles analyses
indépendantes peuvent offrir des informations précieuses sur les meilleures interventions et
fournir des données utilisables dans les modèles d’évaluation des risques. Les analyses
systématiques peuvent aussi mettre en évidence les domaines où les données probantes sur
l’efficacité des interventions sont insuffisantes ou les domaines comportant des lacunes
méthodologiques communes dans la recherche existante, fournissant ainsi l’orientation et la
dynamique nécessaires pour l’avenir de la recherche fondamentale et de la recherche
appliquée dans un domaine donné de la salubrité des aliments.
Le but du présent manuel est de fournir des recommandations et des lignes directrices afin de
mener des analyses systématiques dans le domaine de la salubrité agroalimentaire. Bien que
les analyses systématiques puissent s’appliquer à un vaste éventail de questions de recherche
– interventions, estimations d’incidence/de prévalence des maladies, comparaison de tests
diagnostiques, évaluations de programmes et questions d’associations – le présent manuel
porte principalement sur l’évaluation de la recherche sur les interventions. Il s’intéresse
également à l’élément de salubrité des aliments pré-récolte (à la ferme) de la santé publique
dans le domaine agroalimentaire. Le présent manuel est organisé de manière à examiner en
détail les différentes étapes d’une analyse systématique :
5
1)
2)
3)
4)
5)
6)
Élaboration d’une question d’étude précise
Détermination de l’ensemble de la recherche primaire potentiellement pertinente
Sélection fondée sur la pertinence
Évaluation de la qualité
Extraction de données
Synthèse des données
Chaque étape est illustrée par des exemples; des détails supplémentaires sont inclus sous
forme d’annexes. Les concepts abordés dans le présent manuel sont illustrés par un exemple
pratique d’analyse systématique – « The use of probiotics to reduce E. coli O157 in the feces
of beef and dairy cattle » (Recours aux probiotiques pour réduire l’incidence d’E. coli O157
dans les fèces de bovins de boucherie et de bovins laitiers). Notre groupe de recherche s’est
servi du logiciel d’analyse systématique sur le Web « Electronic Systematic Review » (ERS)
(www.trialstat.com, O’Blenis and Garritty, 2004) pour la gestion des projets d’analyse
systématique. Les commentaires concernant l’utilisation du logiciel seront inclus dans le
présent manuel.
6
1. Élaboration d’une question d’étude précise
POINTS CLÉS
•
•
•
•
•
La question doit être clairement définie a priori.
La question doit être structurée en termes de population(s),
d’intervention(s) et de paramètre(s).
La question doit être suffisamment générale pour permettre l’examen
des variations dans le facteur de l’étude et les échantillons de
population.
Le niveau du système ou le secteur agricole dans lequel l’analyse sera
conduite doit être précisé.
Si les publications existantes sur le sujet sont suffisantes, l’analyse
pourra être structurée de manière à incorporer uniquement les plans
d’étude offrant un niveau de données probantes plus élevé.
Il est fondamental de définir la question d’une analyse systématique dans la mesure où tous
les autres aspects de l’analyse découlent de cette question (CRD, 2001). Plus précisément, la
question inspire la stratégie de recherche permettant d’identifier les études potentiellement
pertinentes, de déterminer la pertinence des études repérées grâce à la stratégie de recherche,
d’effectuer une évaluation critique des études et d’analyser les variations entre les résultats
(Cochrane, 2004).
1.1. Formuler une question pertinente
Formuler des questions précises exige de prendre en compte plusieurs éléments importants :
• Population(s)
• Intervention(s)
• Paramètre(s)
• Niveau de système ou secteur agricole
Les différences au niveau de ces caractéristiques auront une incidence sur l’efficacité des
interventions qui sont analysées. C’est pourquoi il importe de préciser a priori les
importantes caractéristiques de population, les stratégies d’intervention acceptables pour
l’inclusion dans l’analyse et les paramètres les plus pertinents sur le plan clinique pour
mesurer l’effet d’une intervention donnée (CRD, 2001).
1.1.1. Population
Les principales caractéristiques de population susceptibles de varier d’une étude à l’autre
dans la recherche en santé publique liée au secteur agroalimentaire sont l’espèce, l’âge des
animaux, le système de production et le pays. La définition de la question d’analyse
relativement à ces caractéristiques de population aidera le lecteur à déterminer la pertinence
des résultats de l’analyse systématique au regard de la population à laquelle il extrapolerait
les résultats.
7
1.1.2. Intervention
Il existe de nombreux types d’intervention pouvant faire l’objet d’une analyse systématique
dans la santé publique liée au secteur agroalimentaire, par exemple :
•
•
•
Traitements de certaines maladies ou agents pathogènes touchant les animaux
Prévention de certaines maladies animales ou contamination d’un produit
Interventions de gestion pour réduire l’exposition à un ou à plusieurs agents
pathogènes
L’intervention se définit comme une activité donnée effectuée dans le but
d’améliorer ou de prévenir des effets indésirables sur la santé.
1.1.3. Paramètre
L’analyse devrait examiner les paramètres pertinents et significatifs qui intéressent les
décideurs pour ce qui a trait aux interventions de santé publique dans le secteur
agroalimentaire. Les recherches bibliographiques initiales permettent d’identifier les types
de paramètres utilisés dans les études primaires pour mesurer la réponse à une intervention
(CDR, 2001). Les paramètres peuvent être :
● qualitatifs,
● quantitatifs,
● économiques.
1.1.4. Niveau de système ou secteur agricole
Il est important de déterminer et de tenir compte du niveau de système ou du secteur agricole
dans lequel l’analyse systématique doit être effectuée. Il peut s’agir d’un groupe de denrées
de bétail (niveau animaux, ferme ou troupeau), de transformation, de vente au détail ou
d’études de consommation, ou même de plusieurs niveaux du continuum de la production
alimentaire (« ferme à la table »). S’il s’agit de denrées animales, l’intervention peut cibler
un groupe de production donné (animaux pas encore sevrés, animaux de finition, animaux de
réforme).
1.2. Formuler une question précise
L’objectif général de l’analyse systématique peut consister à évaluer l’ensemble des
interventions effectuées pour réduire un pathogène spécifique. Dans ce cas, l’examinateur
pourra préciser des questions de recherche multiples et effectuer une analyse systématique
pour chacune d’elles. Par exemple, si l’objectif global consiste à identifier les interventions
visant à réduire l’excrétion fécale d’E. coli O157 chez les bovins de boucherie et les bovins
laitiers, une simple question risque de n’être pas suffisamment ciblée pour l’analyse. Par
conséquent, l’objectif doit d’abord être intégré aux éléments constituants. Dans cet exemple,
le problème pourrait être réparti : 1) en facteurs qui augmentent la résistance des animaux
(vaccination, bactériophages, plantes médicinales ou autres additifs dans l’alimentation
animale) et 2) en interventions de gestion visant à réduire l’exposition ou la transmission
(nettoyage des enclos, chloration de l’eau). Il sera alors possible d’élaborer des questions
précises pour chaque élément constituant. Dans notre exemple de l’utilisation des
8
probiotiques pour réduire l’incidence d’E. coli O157 chez les bovins, une question d’analyse
se rapportant à l’utilisation des probiotiques ferait partie de l’élément « résistance animale ».
Lorsque nous définissons notre question, nous devons également déterminer sa portée
(générale ou pointue?). La question doit être suffisamment générale pour permettre l’examen
des variations au niveau des effets des interventions sur un éventail de populations
pertinentes. Voici une question portant sur le recours aux probiotiques chez les bovins :
Quel est l’effet de l’emploi de L. acidophilus sur l’incidence d’E. coli O157 dans
les fèces de ruminants en post-sevrage?
Cette question aborde tous les éléments clés d’une question d’analyse appropriée. La
population est composée de bovins laitiers et de bovins de boucherie en post-sevrage,
l’intervention est définie comme le recours à L. acidophilus, le paramètre est
l’excrétion fécale d’E. coli O157 (bien que la question ne précise pas s’il s’agit de
prévalence, d’incidence ou de charge bactérienne), et le secteur, à la ferme, est
implicite. Cependant, cette question est peut-être trop précise pour une question
d’analyse initiale; en effet, elle ne contient pas beaucoup d’informations sur le
recours à des probiotiques précis pour réduire E. coli O157. Dans ce cas, il faudrait
formuler la question comme ceci :
Quel est l’effet de l’emploi des probiotiques sur E. coli O157 dans les fèces de
ruminants en post-sevrage?
Si la terminologie de la question est ambiguë ou si tous les membres de l’équipe de
recherche ne connaissent pas la signification exacte des termes employés, on peut ajouter des
éclaircissements. Par exemple :
Quel est l’effet de l’emploi des probiotiques sur E. coli O157 dans les fèces de
bovins de boucherie et de bovins laitiers en post-sevrage?
Dans ce cas, les « probiotiques » englobent les bactéries commensales
(inoffensives ou bénéfiques) qui sont administrées pour réduire les bactéries
pathogènes présentes dans l’intestin. Il s’agit notamment d’espèces
appartenant aux genres Lactobacillus, Streptococcus, Enterococcus,
Bifidobacterium et Saccharomyces. Les termes « inhibition compétitive » et
« mélange de souches » devraient être inclus dans l’étude,
Dans ce cas, E. coli O157 inclut les termes E. coli O157:H7, E. coli
entérohémorragique (EHEC), E. coli vérotoxigène (VTEC) et E. coli
producteur de shiga-toxines (STEC);
Les ruminants englobent bovins laitiers et bovins de boucherie, moutons ou
chèvres.
1.3. Plans d’étude et niveaux de données
Les questions de recherche peuvent être abordées à l’aide de plusieurs plans d’étude. Les
différents plans d’étude ont des avantages et des inconvénients mais, dans le contexte de
9
l’exploitation de données provenant de plans d’études différents, il est important de tenir
compte du niveau de données probantes inhérent à chaque plan d’étude.
Les essais contrôlés et randomisés constituent un plan d’étude expérimental où les individus
(ou unités d’étude) sont aléatoirement assignés à des groupes de traitement. La provocation
de la maladie survient naturellement et les essais sont menés dans un milieu naturel.
Les études observationnelles considèrent les caractéristiques individuelles, les
comportements personnels, les conditions environnementales et les traitements comme des
« expositions » susceptibles de modifier le risque de maladie. Contrairement aux essais
randomisés, les études observationnelles concernent des expositions naturelles à une maladie
et une provocation naturelle de la maladie. Les études observationnelles se différencient par
la méthode de sélection des populations étudiées. Elles peuvent être 1) des études de cohorte,
2) des études cas-témoins et 3) des études transversales. Les études de cohorte associent
l’exposition à l’apparition subséquente d’une maladie, et comparent l’incidence d’une
maladie entre des populations exposées et des populations non exposées. Les études castémoins comparent les antécédents d’exposition d’un groupe de cas (malades) à ceux d’un
groupe de témoins (non-malades). Les études transversales évaluent le statut d’exposition et
des effets (maladies) des sujets étudiés à un moment donné. Le « moment donné » peut aller
d’un instant (p. ex., « moment de l’échantillonnage ») à de longues périodes (p. ex., « au
cours de l’année écoulée » – études longitudinales et transversales) même si tous les
moments sont traités comme des événements fixes dans le temps.
Dans le domaine de l’étiologie, les études de cohorte fournissent des données plus solides
que les études cas-témoins pour vérifier des hypothèses. Les études transversales servent à
générer des hypothèses (et non pas à vérifier des hypothèses). Elles revêtent donc moins
d’importance dans une analyse systématique, ce qui ne les empêche pas d’être utiles dans
certaines analyses.
Un plan d’étude fréquemment utilisé dans la recherche en salubrité des aliments pré-récolte
est l’étude de provocation (ou inoculation). Les études de provocation sont caractérisées par
un plan expérimental qui comporte l’inoculation volontaire de l’agent pathogène d’intérêt à
des animaux répartis au hasard en groupes d’exposition. Ces études fournissent des données
probantes liées à l’efficacité d’une intervention dans des conditions contrôlées. Toutefois,
elles ne sont pas toujours représentatives de l’efficacité de cette intervention dans des
conditions commerciales et avec une exposition naturelle à la maladie.
En règle générale, les études descriptives ne sont pas incluses dans les analyses
systématiques car elles servent à fournir les données préliminaires ou initiales et ne se
prêtent donc pas à la vérification d’hypothèses.
Le Tableau 1 récapitule les niveaux de données probantes correspondant à différents plans
d’étude en réponse à des questions scientifiques précises. Le tableau comprend un système
de classement, où le niveau I représente le niveau de données probantes le plus élevé.
10
Tableau 1. Classement des niveaux de données probantes correspondant à différentes
méthodologies d’étude en réponse à des questions scientifiques précises.
Niveau de
données
probantes
I
II
III
IV
V
V
VI
Plan d’étude
Analyses systématiques
Essais cliniques randomisés
Études de cohorte
Études de provocation
Études cas-témoins
Études transversales
Études descriptives, rapports de
cas/séries de cas, opinion des
autorités respectées, rapports de
comités d’experts.
D’après Ferguson et al. (1998) et Glasziou et al. (2001)
Type d’étude
Analyse structurée
Expérimentale
Observationnelle
Expérimentale
Observationnelle
Observationnelle
Descriptive
Lors de la conduite d’analyses systématiques des interventions de traitement en santé
humaine, le nombre d’essais contrôlés et randomisés (ECR) est souvent suffisant pour qu’il
soit possible de restreindre l’analyse systématique à ce type de plan d’étude. Cependant,
dans les publications portant sur les stratégies d’intervention à la ferme, ce n’est pas toujours
le cas. Le plus souvent, les preuves de la recherche relatives aux interventions à la ferme
proviennent essentiellement d’études observationnelles ou d’études de provocation même si,
dans certains cas, les ECR fournissent des vérifications cruciales des hypothèses causales. Il
peut donc s’avérer nécessaire d’inclure des études provenant de différents « niveaux de
preuves » aux analyses systématiques de santé publique dans le secteur agroalimentaire. Il
est cependant difficile de combiner des données provenant d’études menées à différents
niveaux de données probantes. Par conséquent, si le nombre d’études de niveau II est
insuffisant, la solution consiste à inclure plusieurs types d’études dans l’analyse et à faire
une synthèse des résultats pour chaque niveau de données probantes.
11
2. Détermination de l’ensemble de la recherche primaire
potentiellement pertinente
POINTS CLÉS
•
•
•
L’objectif est de générer une liste complète des projets de recherche primaire
(publiés et non publiés) susceptibles de répondre à la question de recherche.
Des associations de termes de recherche sont construites à partir des
principaux éléments des questions de l’analyse (population, intervention,
paramètres et secteur agricole).
L’identification des publications pertinentes se fait dans un premier temps
par une recherche dans les bases de données électroniques, puis par une
consultation des listes de référence afin d’obtenir, le cas échéant, des données
provenant d’études non publiées.
L’objectif de cette stratégie est de générer une liste complète et détaillée de toutes les
recherches primaires (publiées et non publiées) susceptibles de répondre à la question posée
dans l’analyse. Il est fondamental de procéder à l’identification des études au moyen d’une
stratégie de recherche exhaustive et objective, car la validité des conclusions de l’analyse est
directement liée à l’exhaustivité de la recherche effectuée pour trouver les études
potentiellement pertinentes et à la reproductibilité du protocole de recherche.
Le choix d’une stratégie de recherche (générale ou pointue) dépend de l’objet de l’analyse
systématique. Une analyse exhaustive nécessite l’identification de publications très générales
comme point de départ. Les études non pertinentes seront écartées du processus d’analyse
systématique lors de l’étape de sélection fondée sur la pertinence décrite à la Section 3 du
présent manuel. Cependant, si le volume des résumés disponibles est très élevé, il
conviendra peut-être d’adopter une stratégie de recherche plus restrictive (par exemple en
incluant seulement les plans d’étude représentant des niveaux de données probantes élevés,
tel que décrit à la Section 1).
La stratégie de recherche peut aussi être développée selon un processus itératif. Initialement,
une recherche d’essai est effectuée. Les résultats de cette recherche sont examinés par
l’équipe chargée de l’analyse, voire aussi par des spécialistes du contenu, afin d’assurer que
tous les termes de recherche potentiellement pertinents sont inclus. L’élaboration d’une
stratégie de recherche efficace nécessite la connaissance des bases de données, de
l’indexation et de la structure textuelle des bases de données. C’est pourquoi les stratégies de
recherche les plus efficaces bénéficient généralement du concours de spécialistes de
l’information expérimentés (CRD, 2001).
2.1. Création de termes de recherche
La construction d’une combinaison efficace de termes de recherche pour effectuer une
recherche dans les bases de données électroniques nécessite une démarche structurée. La
démarche initiale consiste à consulter différentes bases de données pour trouver des
informations combinées sur l’intervention et les paramètres d’intérêt dans certaines
12
populations. Si l’ensemble de données obtenu est trop volumineux, il est possible d’utiliser
un filtre méthodologique (c’est-à-dire que la recherche peut être restreinte aux plans d’étude
représentant uniquement les études de niveau II). Les étapes suivantes permettent de créer
des termes de recherche :
•
•
•
Décomposer la question de l’étude en plusieurs éléments (population,
intervention, paramètre, secteur agricole)
Déterminer les termes de recherche dans chaque élément qui décrivent le
mieux le sujet et déterminer ceux qui sont susceptibles de faire partie d’un
sous-ensemble de termes plus importants. Cela permettra de mieux cibler
la recherche.
Combiner les termes de recherche dans chaque élément avec « OR »
(pour que tous les documents contenant au moins un des termes précisés
soient identifiés) et combiner les éléments avec « AND » (pour que tous
les éléments s’affichent dans l’article).
Exemples de combinaisons d’éléments :
1. Population AND intervention
2. Intervention AND outcome (pour « intervention » ET « paramètre »)
3. Population AND outcome (pour « population » ET « paramètre »)
4. Population AND intervention AND outcome (pour « population » ET « intervention » ET
« paramètre »)
•
On peut également utiliser l’opérateur « NOT » pour exclure des
références d’une recherche. Si la recherche est formulée comme ceci : «
probiotic » NOT « biophage », les références contenant le terme
« probiotic » seront affichées, mais pas les références contenant aussi le
terme « biophage ». L’opérateur « NOT » doit être utilisé avec prudence,
car il pourrait avoir un effet d’exclusion plus large que prévu (il pourrait
notamment exclure des références d’intérêt qui contiennent
accidentellement les deux termes).
En règle générale, une recherche utilisant moins d’éléments permet de trouver davantage
d’articles, mais augmente le nombre de publications non pertinentes.
L’exemple de l’emploi de probiotiques pour la réduction de l’excrétion fécale d’E. coli O157
chez les bovins a donné les résultats suivants :
(Lactobac*) AND (cattle) AND ( Escherichia coli O157)
Ces critères étaient extrêmement précis, mais de nombreuses références
pertinentes ont été exclues des résultats obtenus.
À l’inverse, la stratégie de recherche suivante :
13
(Lactobac* OR yeast OR dietary supplementation) AND (ruminant OR
beef OR dairy) AND (Escherichia coli OR enteric OR feces)
permet d’avoir un processus de recherche plus général.
N.-B. – L’utilisation d’un terme tronqué suivi de * permet de trouver tous les termes
contenant le terme tronqué. Par exemple, la recherche du terme diet* permet
d’obtenir les références contenant les termes diet, dietary et diets.
Le but de la création d’une liste de termes de recherche est d’identifier les combinaisons de
termes de recherche dans chaque élément afin de maximiser l’identification des articles
potentiellement pertinents. Un moyen d’identifier les termes de vocabulaire pour une analyse
consiste à extraire plusieurs résumés liés au sujet et à noter les mots fréquemment utilisés
ainsi que les mots clés qui ont été appliqués aux articles par les indexateurs. Le Tableau 1 de
l’Annexe 2 illustre le nombre de résumés trouvés en utilisant les termes population,
intervention et outcome (« paramètre ») pouvant avoir un rapport avec l’exemple des
probiotiques. L’ajout d’un ou de plusieurs termes de recherche à un élément, et l’utilisation
de l’opérateur « OR » pour relier ces termes entre eux permet d’augmenter le nombre de
résumés trouvés même si, en raison de l’emploi de plusieurs termes dans de nombreux
résumés, les résultats ne sont pas cumulatifs (voir Annexe 2, Tableau 2). L’Annexe 3
comprend plusieurs tableaux présentant la terminologie générale et spécifique utilisée pour
les différentes populations, interventions et paramètres se rapportant à la santé publique dans
le secteur agroalimentaire. L’Annexe 4 montre le nombre de résumés trouvés en utilisant
plusieurs termes de recherche de population dans trois bases de données électroniques pour
les bovins, les porcs et la volaille.
Afin d’identifier les termes de recherche pertinents, une exclusion de chaque terme peut être
effectuée lorsque tous les termes de recherche d’un élément sont initialement inclus.
L’exclusion de termes est effectuée à l’envers en excluant chaque terme individuellement. Si
le nombre d’articles obtenu est moindre après l’exclusion d’un terme particulier, ce terme
devrait être inclus dans la liste de termes de recherche définitive. Pour notre exemple des
probiotiques, l’inclusion de EHEC et de shiga-like toxin a augmenté le nombre de résumés,
mais l’ajout de VTEC aux deux autres termes n’a pas augmenté le nombre de résumés
trouvés.
Si la sensibilité de la recherche est optimisée, il est possible qu’un grand nombre d’articles
identifiés ne soient pas pertinents. L’utilisation d’un filtre méthodologique permet de réduire
considérablement la quantité de documents non pertinents. On peut par exemple mettre
l’accent sur les types d’études qui ont le plus de chances de produire des données pertinentes
pour une population donnée. De nombreuses analyses systématiques dans le domaine de la
santé humaine sont restreintes aux essais contrôlés randomisés. Cependant, en ce qui
concerne les analyses de salubrité des aliments pré-récolte, les essais contrôlés et randomisés
existants ne sont pas forcément nombreux, d’où la nécessité d’inclure des données provenant
de plusieurs types d’études. Une fonction de MEDLINE utilisant des filtres méthodologiques
14
et développée par Haynes et al., (1994) est disponible auprès de la National Library of
Medicine (www.nlm.nih.gov/) à la section « PubMed-Clinical Queries ».
Autres considérations :
•
Lors de la définition des termes de recherche, il faut tenir compte de l’emploi du
singulier et du pluriel dans ces termes. Dans notre exemple sur les probiotiques, les
recherches à l’aide du terme probiotic ont permis de trouver 2 055 articles tandis que
le terme probiotics a permis de repérer 1 897 articles. Mais quand on a associé les
deux termes dans une seule recherche, seulement 2 251 articles ont été trouvés, ce
qui montre que la recherche est plus prolifique lorsque les termes sont recherchés
séparément. Il faut également envisager différentes orthographes et différents
acronymes correspondant aux termes de recherche (p. ex., faecal et fecal, VTEC
et verotoxigenic Escherichia coli, EHEC et entero-haemorrhagic Escherichia coli).
•
D’après les antécédents de la recherche pour l’intervention particulière et (ou) l’effet
étudié, il est possible de restreindre les recherches à certaines années. On sait par
exemple que depuis le début des années 1980, Escherichia coli O157 est un
important pathogène humain. De plus, le recours aux probiotiques chez les bovins
pour prévenir l’excrétion fécale de la bactérie est une approche relativement récente.
La recherche bibliographique pour l’exemple des probiotiques a donc été restreinte
aux articles publiés après 1980.
•
Il est important de choisir les langues à inclure dans la recherche. Il est possible
d’utiliser un filtre linguistique pour exclure les articles qui ne sont pas en anglais. On
peut également choisir de ne pas utiliser de filtre linguistique et de décider
ultérieurement des articles à traduire lorsque le volume de publications dans d’autres
langues est déterminé. La restriction linguistique peut introduire un biais et réduire la
précision de l’analyse systématique. Les études réalisées dans certains pays ont
parfois plus de chances de produire des résultats positifs, ce qui reflète la subjectivité
géographique des publications. C’est pourquoi, lorsque c’est possible, tous les
rapports appropriés doivent être inclus, quelle que soit leur langue (CRD, 2001).
Dans certaines bases de données, on peut aussi envisager d’utiliser des termes de
recherche dans d’autres langues que l’anglais.
Le Tableau 2 contient les termes pertinents utilisés dans l’analyse : « The use of probiotics
for the reduction of E. coli O157 in the feces of post-weaned beef and dairy cattle ».
(Recours aux probiotiques pour la réduction d’E. coli O157 dans les fèces de bovins de
boucherie et de bovins laitiers en post-sevrage).
Tableau 2. Termes pertinents de recherche (en anglais) dans et entre les éléments de
population, d’intervention et de paramètre pour l’étude intitulée Effect of probiotics on
the reduction of E. coli O157 in the feces of post-weaned beef and dairy cattle.
Population
Ruminant
Intervention
Probiotic
Paramètre
Escherichia coli
15
Ruminants
Bovine
Cattle
Probiotics
Lactobac*
Bifodobac*
Cow
Propionibac*
Cows
Steer
Calves
Beef
Farm
Herd
Dairy
Saccharomyces
Competitive exclusion
Fermentation
Strain mixture
Dietary supplementation
Yeast
Lactic acid
Bacteriocin
Lactic acid bacteria
Escherichia coli O157
O 157
“Bacteria load” or
“bacterial load”
“Bacteria level” or
“Bacterial level”
“Bacteria log”
“Bacteria counts”
Faeces
Manure
Gastrointestinal
Fecal
Feces
Coliform
Enteric
EHEC
Shiga-like toxin
Le but de notre question était de déterminer l’efficacité des probiotiques à réduire l’excrétion
fécale d’E. coli O157 à la ferme. Une partie importante de la recherche sur les probiotiques
s’est intéressée à l’amélioration de la salubrité de la viande après l’abattage des animaux ou
à la prévention de la contamination des produits laitiers. Par conséquent, le terme NOT a été
ajouté aux termes milk (lait) et cheese (fromage) pour les exclure de notre stratégie de
recherche.
2.2. Bases de données électroniques
Le moyen le plus efficace d’identifier les études potentiellement pertinentes est de consulter
les bases de données bibliographiques électroniques dans le domaine de la santé et le
domaine de l’agriculture. Ces bases de données permettent d’effectuer des recherches par
mots spécifiques dans le titre et le résumé, ou par termes d’indexation normalisés sur le sujet
assignés aux références de la base de données. Par exemple, le terme RANDOMIZEDCONTROLLED-TRIAL (essai randomisé et contrôlé) a été introduit dans la base de données
MEDLINE en 1991 et permet aux utilisateurs de rechercher les articles qui décrivent ce plan
d’étude. La plupart des bases de données bibliographiques électroniques contiennent des
résumés pour la majorité des références récentes; nombre d’entre elles comportent des liens
vers les versions électroniques d’articles complets (Cochrane, 2004).
Il existe un grand nombre de bases de données potentiellement utiles et de guides de bases
de données accessibles dans le domaine de la santé. Les bases de données électroniques sont
généralement considérées comme les sources de référence les plus riches dans les domaines
de la médecine, de l’agriculture et de la santé publique relative au secteur agroalimentaire
sont MEDLINE, AGRICOLA et CAB International, EMBASE, FSTA, INGENTA et
Biological Abstracts (BIOSIS).
16
1) MEDLINE indexe quelque 4 600 revues provenant des États-Unis et de 70 autres
pays. Cette base de données comprend des résumés, et, pour la majorité des
publications de médecine humaine et de médecine vétérinaire, contient des articles en
texte intégral. PubMed est une base de données gratuite de MEDLINE :
http://www.ncbi.nlm.nih.gov).
2) AGRICultural OnLine Access (AGRICOLA) est une base de données
bibliographique de citations contenues dans les publications sur l’agriculture créée
par la National Agricultural Library (NAL). Elle comprend des publications et des
ressources sur tous les sujets touchant l’agriculture et les disciplines connexes, dont
les sciences animales et la médecine vétérinaire, l’entomologie, les sciences
végétales, la foresterie, l’aquaculture et les pêches, l’agriculture et les systèmes
d’agriculture, l’économie agricole, la vulgarisation et l’éducation, les aliments et la
nutrition humaine ainsi que les sciences de la terre et de l’environnement. Bien
qu’AGRICOLA ne contienne pas toujours des publications en texte intégral, des
milliers de références AGRICOLA renvoient vers des documents en texte intégral en
ligne. AGRICOLA est consultable en ligne à l’adresse http://agricola.nal.usda.gov.
On peut y accéder par abonnement payant auprès de plusieurs fournisseurs
commerciaux. Il est également possible de louer les fichiers AGRICOLA auprès du
National Technical Information Service (NTIS).
3) CAB International est une base de données complète dans le domaine de
l’agriculture contenant toutes les références de plus de 50 revues publiées par CAB
International (CABI). Les sections de la base de données couvrant des publications
dans les domaines de la médecine vétérinaire et de l’agriculture sont particulièrement
intéressantes (AGORA disponible à :
http://www.aginternetwork.org/en/journals.php) et la nutrition humaine. Outre les 14
000 revues en série publiées dans plus de 50 langues, CAB international contient
également des manuels, des rapports et d’autres publications. Les résumés de la base
de données CAB sont accessibles sur la plate-forme CAB Direct à l’adresse suivante :
http://www.cabdirect.org/ fournie par CABI Publishing ou en ligne par le biais de
divers fournisseurs de service.
4) EMBASE est une base de données complète des publications internationales sur la
médecine humaine et les disciplines connexes. Depuis quelques années, EMBASE
s’enrichit chaque année de quelque 500 000 nouvelles références, dont plus de 80 %
contenant des résumés. EMBASE permet d’accéder à des articles périodiques
provenant de plus de 4 600 grandes revues spécialisées de quelque 70 pays. Quelque
350 revues sont dépouillées à la recherche d’articles consacrés aux médicaments.
EMBASE contient deux fichiers : Le fichier 73 contient des références de janvier
1974 à aujourd’hui; le fichier 72 contient des références de 1993 à aujourd’hui.
ONTAP® EMBASE. Le fichier 272 est consultable pour ONline Training and
Practice ( http://www. embase.com/search, avec un nom d’utilisateur et un mot de
passe) .
17
5) FSTA (Food Science & Technology Abstracts) permet d’accéder aux publications
internationales sur tous les aspects de la science des aliments, des produits
alimentaires et des emballages. Elle dépouille 1 800 revues scientifiques ainsi que
brevets, ouvrages, comptes rendus de conférences, rapports, brochures et documents
législatifs. Tous les résumés sont en anglais et rédigés par des spécialistes à partir
d’articles originaux publiés dans plus de 40 langues. Dans sa forme électronique,
FSTA recense toutes les publications datant de 1990 à aujourd’hui. La bibliothèque
de l’University of Guelph détient la collection complète des résumés de Food
Science & Technology sur papier de 1969 à 1998 (disponible à l’adresse :
http://web5.silverplatter.com.cerberus.lib.uoguelph.ca/webspirs/start.ws?customer=tu
g&databases=(FSTA).
6) INGENTA Library Gateway est une base de données consultable contenant plus de
11 millions de citations issues de plus de 25 000 revues. Cette base de données
contient des articles de revues et les recherches les plus récentes (voir :
http://www.gateway.ingenta.com.cerberus.lib.uoguelph.ca/uoguelph) (U of Guelph)
ou (http://www.ingenta.com).
7) BIOSIS (Biological Abstracts) permet d’accéder à près de 6 000 revues
internationales dans les domaines de l’agriculture, de la biochimie, de la
biotechnologie, de l’écologie, de l’immunologie, de la microbiologie, des
neurosciences, de la pharmacologie, de la santé publique et de la toxicologie
(disponible à l’adresse : http://isi02.isiknowledge.com/portal.cgi).
8) ISI Web of Knowledge est une plate-forme Web intégrée offrant un contenu de
haute qualité ainsi que les outils pour accéder aux informations sur la recherche, les
analyser et les gérer. Outils disponibles : recherche de produits croisés, liens vers des
textes intégraux, alertes de citations, alertes de table des matières, listes de revues
personnelles et gestion bibliographique personnelle (disponible à l’adresse :
http://isi02.isiknowledge.com/portal.cgi).
Le nombre de bases de données utilisées pour la recherche électronique augmente
proportionnellement au nombre de résumés repérés, quoiqu’avec des résultats dégressifs.
Cependant, le but de la recherche dans une base de données électronique est de repérer
toutes les publications potentiellement pertinentes, et chacune de ces bases de données inclut
des sources de revues uniques. C’est pourquoi il est recommandé de consulter plusieurs
bases de données.
Les formats de saisie des termes de recherche varient d’une base de données électronique à
l’autre. L’Annexe 5 prend l’exemple des probiotiques pour illustrer le format de saisie de
différentes bases de données électroniques. Par exemple, lorsque des termes combinés sont
considérés comme une phrase (par exemple, “bacterial load”), il faut utiliser les guillemets
anglais (“”) dans la base de données PubMed, mais pas dans les bases de données Agricola
et CABI. Les bibliothécaires peuvent vous être fort utiles pour le formatage des termes de
recherche en fonction des diverses bases de données.
18
Les rapports d’analyse systématique doivent documenter le processus de recherche. Pour les
recherches dans des bases de données électroniques, fournissez une copie de la stratégie de
recherche pour chaque base de données consultée :
• Nom de la base de données consultée
• Nom de l’hôte/système utilisé pour consulter la base de données, par exemple
PubMed, Silverplatter ou ERL Webs SPIRS.
• Date de la recherche
• Années couvertes par la recherche
• Langue(s) incluse(s) dans la recherche
• Stratégie de recherche complète utilisée y compris TOUS les termes de recherche
• Nombre d’articles extraits au moyen de chaque terme de recherche spécifique dans
chaque base de données et nombre total d’articles extraits dans chaque élément.
Exemple de documentation d’une stratégie de recherche :
MEDLINE, PubMed, recherche effectuée le 21 décembre 2004, couvrant la
période de 1980 à 2004, termes de recherche : (probotic or probiotics or “lactic
acid bacteria” or “direct fed microbial” or “strain mixture” or “live bacteria
supplement” or “competitive exclusion” or Lactob* or Bificobat* or
Propionibact* or bacteriocin) et (bovine or cattle or beef or cow or cows or steer
or steers or heifer or calf or claves or ruminant) et (O157 or O 157 or “E. coli log
counts” or “E. coli CFU” or EHEC or VTEC or STEC or enterohaemorragic or
verotoxigenic or shiga-like toxin or faecal or fecal or coliform or enteric).
Nombre de résumés : 159
REMARQUE : Dans notre exemple sur les probiotiques, nous connaissions l’existence de
plusieurs études observationnelles considérant le recours aux probiotiques comme l’un des
nombreux facteurs de risque potentiels. Ces études n’ont pas été identifiées par notre
stratégie de recherche. Une recherche supplémentaire des études observationnelles de
facteurs de risque pour les stratégies d’intervention pour E. coli O157, indépendamment du
recours aux probiotiques, a donc été effectuée à partir des termes suivants : (“risk factor*”
OR management) et (cattle) et (coli*). Cette recherche a utilisé le même protocole et les
mêmes bases de données que ceux de la stratégie de recherche initiale décrite pour l’analyse
de cet exemple.
Un moyen efficace de gérer ce volume considérable de publications consiste à télécharger
les citations des revues repérées par la recherche et leurs résumés dans un logiciel de gestion
de références bibliographiques commercial comme Procite ou Reference Manager. La
plupart des logiciels de gestion des références intègrent des programmes permettant de
détecter et de supprimer les doublons (N.-B. – dans certains cas, seules les références
identiques sont détectées. Nous nous sommes aperçus que les références issues d’une même
étude mais ayant un format de citation différent ne sont pas toujours détectées comme des
doublons, ni les publications multiples utilisant les mêmes données – comme la publication
de résultats préliminaires et la publication de résultats définitifs). Nous téléchargeons des
citations et des résumés du logiciel Reference Manager dans un logiciel Web commercial,
ESR (Electronic Systematic Reviews) pour gérer les projets d’analyse systématique. Ce
19
logiciel offre un format de gestion des données à toutes les étapes de l’analyse et possède
son propre logiciel de suppression des doublons.
Les recherches effectuées dans les bases de données électroniques ne permettent pas toujours
de trouver toutes les publications pertinentes. C’est pourquoi nous recommandons des
stratégies de recherche complémentaires, comme la recherche manuelle des revues et
comptes rendus de conférences, la vérification des listes de référence et le repérage de
données non publiées. Ces méthodes sont abordées plus en détail aux sections suivantes.
2.3. Recherche manuelle
La recherche manuelle consiste à examiner le contenu d’un article de revue ou de comptes
rendus de conférence afin de repérer tous les rapports pertinents, qu’ils se trouvent dans des
articles, des résumés de comptes rendus, des rubriques, des éditoriaux, des lettres ou d’autres
textes. Il est important d’effectuer ce type de recherche, car les bases de données
électroniques ne contiennent pas toujours toutes les publications pertinentes ou, si ces
dernières sont effectivement contenues dans les bases de données, elles ne sont pas toujours
indexées avec des termes permettant leur repérage (Cochrane, 2004). Les revues potentielles
susceptibles de ne pas être indexées dans les bases de données électroniques doivent être
repérées a priori. La recherche manuelle doit être documentée avec le titre complet de la
revue ainsi que la première année et les années recherchées les plus récentes. Les numéros
de revues non dépouillés parce qu’ils sont manquants doivent être consignés. Par exemple :
Journal of J Vet Med B Infect Dis Vet Public Health 1970-2003.
Numéros manquants : 2 (1978), 3 (1973).
Les conférences susceptibles de contenir des informations pertinentes doivent être repérées a
priori. Les index de ces conférences doivent ensuite être dépouillés manuellement à la
recherche de résumés pertinents. Très souvent, les résumés contiennent suffisamment de
détails permettant une sélection fondée sur la pertinence (voir Section 3). Toutefois, en ce
qui concerne les résumés jugés pertinents, il peut s’avérer nécessaire de communiquer avec
les auteurs pour obtenir des détails supplémentaires sur l’étude afin d’effectuer l’évaluation
de la qualité. Les recherches portant sur des comptes rendus de conférence doivent être
documentées comme suit :
1) Comptes rendus avec un titre en plus du titre de la conférence :
Auteur, Titre. (2003). Proc. 5th International Symposium on Shiga ToxinProducing Escherichia coli Infections, Edinburgh, U.K.
2) Comptes rendus également publiés dans une revue :
Auteur, Titre. (2003). J. Anim Sci, 81 (E Suppl. 2).
2.4. Vérification des listes de références
20
Il est conseillé d’examiner les listes de références des articles pertinents sélectionnés afin de
s’assurer que la stratégie de recherche a permis de repérer toutes les études pertinentes et
qu’elle fournit un moyen de valider la recherche de la base de données électronique. De plus,
le processus de suivi des références à partir d’un article est un autre moyen de repérer des
études pouvant être incluses dans une analyse (Cochrane, 2004). Un moyen objectif de
vérifier les listes de références consiste à trouver les dix articles les plus récents publiés sur
le sujet et à les comparer aux références des articles repérés par d’autres méthodes, ou à
trouver les dix articles les plus anciens sur le sujet et à utiliser une recherche de citation à
partir de cette date.
2.5. Trouver des études non publiées
Certaines études complétées ne sont jamais publiées et il s’écoule un délai plus ou moins
long entre la réalisation d’une étude et sa publication. L’association entre résultats
significatifs et publication a été bien documentée, c’est pourquoi il est important de chercher
des études non publiées afin de réduire au maximum le biais dans l’analyse systématique
(Dickersin, 1997). Il est malheureusement difficile d’obtenir des données issues de
recherches achevées mais jamais publiées.
Les modes de communication informels, par exemple la sollicitation de chercheurs dans le
domaine de l’analyse, sont parfois le seul moyen de trouver des données non publiées
(NHMRC, 1999; Cochrane, 2004). Pour maintenir la reproductibilité de la stratégie de
recherche, des critères de recherche précis permettant d’identifier et de contacter les
spécialistes du contenu doivent être élaborés a priori et documentés dans le rapport final
avec une liste de tous les spécialistes du contenu contactés par le groupe d’analyse.
Il est également important de repérer les études en cours. Voici une liste des bases de
données pouvant contenir des informations sur cette source :
•
•
•
•
•
TrialsCentral (www.trialscentral.org)
Essais cliniques en cours (www.controlled-trials.com)
N.-B. – Ces deux groupes procurent un accès central à tous les essais en cours chez
l’humain.
Inventaire de la recherche agroalimentaire du Canada (ICAR)
(http://ontarioandnunavut/hpcb/ontregions.nsf/Introduction?OpenForm).
Département américain de l’Agriculture (United States Department of Agriculture –
USDA) (http//www.ars.usda.gove/research/projects.htm)
TEKTRAN: contient des articles publiés ou sur le point d’être publiés portant sur des
recherches récentes de l’Agricultural Research Service (ARS), le principal organisme
de recherche scientifique du département américain de l’Agriculture. TEKTRAN est
mis à jour régulièrement, avec l’ajout des résumés de nouveaux articles acceptés pour
publication et la suppression des résumés au bout de cinq ans. Certains résumés sont
exclus jusqu’à la parution de l’article dans une publication. Lorsque les articles sont
publiés, les dates de publication sont ajoutées à TEKTRAN. Cette base de données
contient également les coordonnées des chercheurs et des liens supplémentaires vers
21
•
leurs projets de recherche respectifs ainsi que d’autres soumissions d’articles pour
publication. (http://www.nalusda.gov//ttic/tektran/tektran.html).
Current Research Information System (CRIS) est le système de documentation et de
rapports du département américain de l’Agriculture (USDA) pour les projets de
recherche terminés et en cours dans les domaines de l’agriculture, de l’alimentation
et de la nutrition, et de la foresterie. Ces projets sont effectués ou commandités par
les organismes de recherche de l’USDA, les stations agronomiques des états, le
système universitaire de concessions de terres par l’état, d’autres établissements
collaborant avec les états, et les participants à plusieurs programmes de bourses
administrés par l’USDA (http://cris.csrees.usda.gov/).
Ces ressources sont une source importante de projets de recherche actuels et en cours;
toutefois, en raison de leurs capacités de recherche souvent limitées, elles nécessitent parfois
une modification de la stratégie de recherche.
Pour documenter des études non publiées, vous devrez fournir un bref résumé des bases de
données consultées et des efforts mis en œuvre pour contacter les auteurs. Par exemple :
Base de données des projets de recherche de l’United States Department of
Agriculture (http://www.ars.usda.gove/research/projects.htm).
Projet de recherche : Prevalence of E. coli O157:H7 on hides and in feces of feedlot
cattle over time Équipe du projet : Koohmaraie, Mohammad (avril 2004 à décembre
2005).
Date de consultation : le 19 janvier 2005.
Un autre moyen de trouver des publications non publiées et des projets de recherche en cours
est de consulter les bases de données qui contiennent des informations sur les thèses et les
mémoires en cours. Nous vous recommandons pour cela les bases de données suivantes :
•
Bibliothèque nationale du Canada. Site Portail Thèses Canada
(http://www.collectionscanada.ca/thesescanada/index-f.html).
•
Documents canadiens, américains et européens (de 1861 à aujourd’hui), résumés et
24 pages de la thèse (de 1997 à aujourd’hui)
(http://wwwlib.umi.com/dissertations/search).
•
•
Index universel des thèses de doctorat en cours (http://www.phddata.org/).
Current research@ ProQuest Digital Dissertations. Base de données des résumés de
dissertations de l’UMI (http://wwwlib.umi.com/cresearch/gateway/main). Elle est
consultable par nom ou lieu d’établissement (université).
Toute autre source consultée (p. ex., bibliographies et sites Internet) doit également être
documentée. Cette documentation doit comprendre :
•
•
•
Détails sur la date de la recherche,
Termes de recherche utilisés,
Adresse Web (le cas échéant),
22
•
Toute particularité susceptible d’influencer le processus de recherche (par exemple «
seuls les titres étaient consultables » ou « impossible de combiner les ensembles de
mots »).
Lors des recherches dans les publications non publiées, il est possible que l’information
se limite à des résumés ou à des projets de recherche actuellement subventionnés; dans
ce cas, les détails peuvent ne pas être suffisants pour réaliser une sélection fondée sur la
pertinence ou une évaluation de la qualité, à condition que l’information soit jugée
pertinente. Dans ce cas, il peut s’avérer nécessaire de contacter les auteurs de l’étude
pour leur demander des détails supplémentaires. Si les détails fournis sont suffisants pour
permettre la sélection fondée sur la pertinence, il est possible de communiquer avec les
auteurs, mais uniquement pour les références sélectionnées. Une lettre générique de
communication avec les auteurs d’études est fournie à l’Annexe 6.
23
3. Sélection des résumés fondée sur la pertinence par rapport
à la question étudiée
POINTS CLÉS
•
•
•
L’outil de sélection fondée sur la pertinence sert à déterminer rapidement
si un article est pertinent pour la question étudiée.
Les examinateurs répondent à une série de questions fondées sur
l’information disponible dans les résumés.
Les résumés doivent faire l’objet d’une évaluation indépendante par au
moins deux examinateurs et l’accord entre les examinateurs doit être
évalué pour garantir la reproductibilité.
Le but des stratégies de recherche est de trouver tous les projets de recherche potentiellement
pertinents qui sont susceptibles de traiter de la question de l’analyse systématique (haute
sensibilité, mais faible spécificité). L’objet de la sélection des résumés fondée sur la
pertinence est de repérer les articles susceptibles de permettre de traiter les questions de
l’analyse. Lors de cette étape, il est fondamental que les décisions relatives à l’inclusion ou à
l’exclusion des études soient prises selon des critères écrits prédéfinis afin de prévenir les
risques de biais. Si un résumé passe avec succès l’étape de sélection fondée sur la pertinence,
une version de l’article intégral est obtenue et la référence peut être soumise à l’étape
suivante, à savoir l’évaluation de la qualité (voir Section 4). Les résumés qui ne franchissent
pas l’étape de la sélection fondée sur la pertinence sont écartés de l’analyse systématique.
3.1. Création de l’outil de sélection fondée sur la pertinence
L’outil de sélection fondée sur la pertinence comprend généralement une courte série de
questions conçues pour déterminer si l’article doit être inclus dans l’analyse. Les analyses
systématiques ne s’intéressant généralement qu’à la recherche primaire, la première question
peut servir à éliminer des articles (en dehors des précédentes analyses systématiques). Les
questions restantes doivent être spécifiques et définies selon la population, l’intervention, les
effets et les plans d’étude d’intérêt. Si l’analyse traite d’une seule question spécifique, les
questions de sélection doivent se rapporter à chaque élément clé de cette question de
l’analyse. Dans la section portant sur les « Formulaires d’analyse systématique », le
Formulaire 1 inclut un outil générique de sélection fondée sur la pertinence des résumés,
lequel est utilisé pour les analyses traitant d’une seule question. L’outil de sélection fondée
sur la pertinence pour l’exemple des probiotiques est fourni au Formulaire 2. Avec ce type
d’analyse, les questions de l’outil de sélection sont généralement organisées de manière à ce
que les études qui remplissent tous les critères d’inclusion (c.-à-d. qui répondent par
l’affirmative à toutes les questions) passent avec succès l’étape de la sélection fondée sur la
pertinence.
Dans certains cas, l’analyse systématique peut traiter de plusieurs questions liées entre elles.
Nous pourrions citer en exemple l’analyse actuellement effectuée par notre groupe sur les
données qui corroborent le lien entre la maladie de Johne qui touche les bovins et la maladie
24
de Crohn qui touche les humains. Dans cet exemple, on recense trois questions précises se
rapportant à la présence du pathogène présumé (Mycobacterium avium sous-espèce
paratuberculosis) dans les cas humains. Chacune de ces questions devient sa propre analyse
systématique. Dans ce type d’analyse, l’outil de sélection fondée sur la pertinence comporte
une question visant à déterminer s’il s’agit d’une étude de recherche primaire, et une autre
question qui incorpore chacune des questions spécifiques dans l’analyse (voir « Formulaires
d’analyse systématique », Formulaire 3). Pour franchir l’étape de sélection fondée sur la
pertinence, les examinateurs doivent confirmer que le résumé est une étude de recherche
primaire et répondre par l’affirmative à au moins un des éléments de l’autre question.
3.2. Utilisation de l’outil de sélection fondée sur la pertinence
L’outil de sélection fondée sur la pertinence est utilisé pour déterminer si un article mérite
d’être retenu pour l’analyse systématique. Seuls les titres et les résumés des articles sont
examinés. L’outil de sélection fondée sur la pertinence est appliqué à chaque citation
générée par la stratégie de recherche.
Les résumés doivent faire l’objet d’une évaluation indépendante par au moins deux
examinateurs afin d’accroître la fiabilité du processus d’inclusion et d’exclusion. Si les deux
examinateurs déterminent que le résumé ne répond pas aux critères d’inclusion, celui-ci peut
être rejeté. Si les deux examinateurs ne sont pas d’accord, le désaccord doit être résolu de
manière consensuelle ou, si ce n’est pas possible, en faisant appel à un troisième
examinateur. Les désaccords et leur résolution doivent être documentés. Lorsqu’une
référence est jugée potentiellement pertinente, une version en texte intégral de la référence
est obtenue et l’article est soumis à l’étape d’évaluation de la qualité. Les références qui ne
répondent pas aux critères de sélection sont éliminées de l’analyse. Les références pour
lesquelles des questions de sélection restent sans réponse en raison du manque d’information
doivent rester dans l’étude et tout doit être mis en œuvre pour obtenir des détails
supplémentaires sur l’étude.
La reproductibilité de ce processus doit être vérifiée lors des étapes initiales de l’analyse
(nous avons évalué l’accord après avoir soumis les 50 mêmes résumés à tous les
examinateurs). Si la reproductibilité est médiocre, il convient alors de reformuler les
questions en utilisant des critères plus explicites. Il est possible d’évaluer l’accord entre
examinateurs à l’aide du test Kappa de Cohen.
Si les stratégies de recherche permettent de trouver un grand nombre de résumés, les deux
examinateurs peuvent examiner les résumés en parallèle (c’est-à-dire qu’un résumé franchit
avec succès l’étape de sélection fondée sur la pertinence et passe à l’étape d’évaluation de la
qualité dès qu’un des deux examinateurs a validé le résumé). Cette méthode permet de
réduire considérablement la durée de l’étape de sélection fondée sur la pertinence. Toutefois,
la sélection fondée sur la pertinence doit quand même être effectuée initialement par les
deux examinateurs pour permettre la validation des questions de sélection, tel que décrit plus
haut.
25
Le logiciel ESR permet non seulement le stockage et la diffusion des références et des
documents complets, mais également la conception de formulaires d’analyse électroniques,
l’affectation des examinateurs à des sous-ensembles ou à des formulaires de citations
spécifiques, la saisie des commentaires des examinateurs et la création de rapports,
l’inclusion et l’exclusion automatiques des références, et l’évaluation de l’accord des
examinateurs.
26
4. Évaluation de la qualité des publications pertinentes
POINTS CLÉS
•
•
•
•
L’évaluation de la qualité est un deuxième niveau de sélection plus strict
où les examinateurs ont accès à la version intégrale des références.
La qualité de chaque article est évaluée au moyen d’une procédure
normalisée (liste de vérification) pour chaque type de plan d’étude.
L’outil d’évaluation de la qualité se compose d’éléments génériques et
individuels de méthodologie ayant une relation potentielle avec le biais
(sélection, confusion et pertes de vue) et la validité des études.
Les éléments de l’évaluation de la qualité qui sont essentiels pour définir
une qualité acceptable minimale sont identifiés et les articles qui ne
répondent pas à ces critères sont exclus de l’analyse.
L’interprétation des résultats de l’étude dépend du plan d’étude, du déroulement et des
analyses (validité interne) et de la population, des interventions et des paramètres (validité
externe). Le fait de combiner les résultats ou les paramètres d’intérêt au sein d’une analyse
peut être biaisé si le sommaire est constitué d’études de qualité variable. Il est donc
indispensable de définir un seuil de qualité minimal pour l’inclusion des conclusions de la
recherche dans l’analyse. Le but de l’étape d’évaluation de la qualité d’une analyse
systématique est d’exclure les études dont la qualité est insuffisante pour fournir des données
utiles au traitement de la question analysée.
Les décisions ultimes d’inclusion/exclusion doivent être prises après l’extraction des
versions en texte intégral de toutes les citations potentiellement pertinentes. Il est donc
nécessaire de procéder à une évaluation critique de l’article complet pour chacune des études
pertinentes afin que les études de qualité acceptable puissent être sélectionnées. Pour éviter
toute sélection biaisée par des préjugés, il est important d’adopter une démarche
systématique et standardisée.
4.1. Création de l’outil d’évaluation de la qualité
L’analyse systématique doit fonder ses conclusions sur les données probantes de la plus
haute qualité possible. À cette fin, il est important d’élaborer une procédure de sélection
valide et standardisée pour dépouiller la masse d’études potentiellement repérées pour
l’analyse. Les instruments d’évaluation de la qualité reposent sur les aspects ou éléments
individuels du plan d’étude (objectifs, population, intervention, évaluation des paramètres,
retraits et analyses des données). Ces éléments sont ensuite réunis dans une ou plusieurs
listes de vérification, lesquelles servent à l’évaluation systématique de chaque étude.
Les différents plans d’étude partagent de nombreux critères de validité, bien que certains
éléments essentiels à la validité soient spécifiques à un type particulier de plan d’étude. Par
conséquent, lors de la préparation des listes de vérification, il y aura des éléments communs
à tous les plans d’étude et des éléments spécifiques à un ou à plusieurs plans d’étude.
27
L’Annexe 7 montre les domaines et les éléments importants dans l’évaluation de la qualité
des essais contrôlés et randomisés et des plans d’études observationnelles. Le Research
Triangle Institute de l’University of North Carolina Evidence-Based Practice Centre a
préparé cette récapitulation pour l’Agency of Healthcare Research and Quality après avoir
réalisé la synthèse de plus de cent sources d’informations sur les systèmes d’évaluation de la
qualité des études et la force des données probantes pour les analyses systématiques.
Ces listes de vérification sont utilisées pour s’assurer que les études ont suffisamment tenu
compte de tous les éléments nécessaires à l’évaluation de la qualité. Les questions de qualité
sont généralement regroupées sous l’en-tête d’éléments spécifiques et génériques. Les
éléments de qualité générique inclus dans les listes de vérification préparées par notre groupe
sont les suivants :
1. Objectifs et population étudiée
2. Intervention
3. Évaluation des paramètres
4. Retraits et pertes de vue
5. Analyse et contrôle des données pour trouver les facteurs de confusion
6. Conclusions
Les aspects individuels de la méthodologie d’étude sont incorporés aux éléments génériques
pour tous les plans d’étude; c’est le cas par exemple des informations sur la précision de
l’étude, de la validité externe, de la randomisation, des groupes de comparaison, du statut de
l’insu de l’intervention, des pertes de vue, de l’évaluation des paramètres pertinents et de
l’analyse statistique. Il est important de tenir compte de ces aspects en raison de leur relation
possible avec le biais dans l’estimation des effets.
La section « Formulaire d’analyse systématique » (Formulaires 4 A, B, C, D) inclut les listes
de vérification de l’évaluation de la qualité préparées par notre groupe pour évaluer la
qualité des essais contrôlés et randomisés (A), des essais de provocation (B), des études
observationnelles de cohorte (C) et des études observationnelles cas-témoins et transversales
(D) pour répondre aux questions relatives aux interventions à la ferme sur les questions de
santé publique dans le secteur agroalimentaire. Ces formulaires d’évaluation de la qualité
sont généralement utiles pour toutes les analyses d’intervention de santé publique dans le
secteur agroalimentaire. Toutefois, certaines questions, en particulier celle concernant les
normes minimales de laboratoire pour l’identification des pathogènes spécifiques et celle
relative à la confusion, devront être adaptées à chaque analyse systématique. Dans la mesure
du possible, des questions identiques ont été utilisées dans chaque formulaire pour garantir
l’uniformité de l’évaluation de la qualité dans tous les plans d’étude. Une question initiale se
rapportant à la compatibilité de l’objectif de l’étude pour répondre à la question de l’analyse
est incluse à titre de contrôle de la sélection fondée sur la pertinence. Bien que des listes de
vérification aient été fournies pour chacun des principaux plans d’étude, l’analyse
systématique pourrait être restreinte aux plans d’étude qui offrent des niveaux de données
probantes plus élevés à condition que l’on dispose d’informations suffisantes pour traiter la
question de l’analyse. Le plan d’étude le plus faible susceptible d’être inclus dans l’analyse
doit être clairement énoncé dans le protocole de l’analyse.
28
Les critères individuels de chaque liste de vérification peuvent être évalués de différentes
façons, comme « forts », « modérés » ou « faibles » ou autrement en indiquant que les
critères ont été « remplis », « non remplis » ou « vagues », ou simplement par « oui »,
« non » ou « en partie ». Les listes de vérification préparées par notre groupe contiennent les
termes « oui », « non » et « en partie » pour l’évaluation. Les critères correspondant à
chaque élément individuel devant être considérés comme « oui », « non » ou « en partie »
sont précisés dans les formulaires.
Il convient d’élaborer une série de critères explicites afin de déterminer quels éléments de la
liste de vérification de l’évaluation de qualité sont indispensables pour qu’un article passe
avec succès l’étape d’évaluation de la qualité avant d’être soumis à l’étape d’extraction de
données. Un moyen de déterminer la qualité des articles consiste à attribuer des valeurs
numériques aux éléments de la liste de vérification afin de créer une échelle. La valeur seuil
de l’inclusion/exclusion est déterminée a priori. Il est possible cependant que les échelles ne
permettent pas de déterminer l’orientation d’un biais éventuel. C’est pourquoi il est
préférable d’utiliser des éléments individuels de la qualité méthodologique plutôt que des
scores globaux (CRD, 2001). Dans les listes de vérification de notre exemple, certains
éléments sont indiqués en caractères gras. C’est parce qu’ils sont essentiels pour attribuer à
l’étude une cote finale « oui ». L’utilisation de cette technique avec le logiciel ESR présente
au moins un avantage, à savoir qu’il est possible de modifier les critères pour augmenter ou
diminuer la rigueur de l’évaluation de la qualité en fonction de la quantité de publications
disponibles. Si, par exemple, seulement un petit nombre d’articles passent avec succès
l’étape de sélection, on peut alors assouplir le degré de rigueur en supprimant la désignation
en caractères gras de certains critères moins importants. Le logiciel recalcule alors la liste
d’articles admissibles à l’étape d’évaluation de la qualité.
4.2. Utilisation des outils d’évaluation de la qualité
Lorsqu’une référence passe avec succès l’étape de sélection fondée sur la pertinence,
l’article complet devient disponible. Une question initiale dans l’outil d’évaluation de la
qualité permet d’identifier le type de plan d’étude. En fonction de la réponse à cette question,
l’examinateur est dirigé vers la liste de vérification correspondante. Les examinateurs
doivent bien connaître le processus d’analyse critique des publications (voir l’Annexe 8 pour
des références utiles sur ce sujet).
Le processus de sélection des résumés doit tenir compte des mêmes facteurs que l’évaluation
de la qualité des études. L’évaluation de la qualité des études doit être effectuée par au moins
deux examinateurs. Le logiciel ESR attribue des études spécifiques aux examinateurs et peut
servir à stocker des fichiers d’articles en format PDF. Chaque examinateur lit et note chaque
article de manière indépendante en utilisant la liste de vérification d’évaluation de la qualité
correspondante. Si aucun des examinateurs ne choisit de réponses d’exclusion, la référence
est soumise à l’étape suivante. Si les examinateurs s’accordent sur au moins une des
réponses d’exclusion, la référence est exclue. Si cependant aucun des critères susmentionnés
n’est rempli, la référence reste en situation de désaccord. Les désaccords doivent être résolus
29
de manière consensuelle entre les deux examinateurs; une procédure doit être mise en place
pour identifier et résoudre les désaccords.
Il est important d’évaluer les formulaires d’évaluation de la qualité en utilisant un
échantillon pilote d’articles afin de s’assurer que plusieurs examinateurs peuvent appliquer
les critères d’évaluation de manière uniforme. Une stratégie de validation et de formation
des examinateurs efficace consiste à demander à tous les examinateurs d’effectuer une
évaluation de la qualité sur les dix premiers articles ayant passé avec succès l’étape de la
sélection fondée sur la pertinence. Tout désaccord entre les évaluateurs pourrait entraîner des
révisions ou la reformulation des questions d’évaluation de la qualité ou nécessiter une
formation complémentaire des examinateurs en analyse critique des publications.
Cette étape peut donner lieu à l’exclusion de nombreux articles. Il est primordial d’inclure
dans le rapport final un tableau ou un diagramme comportant la liste des études exclues et
les raisons de l’exclusion de chaque article. Ce rapport devra également contenir une
description claire de l’outil d’évaluation de la qualité.
30
5. Extraction des données
POINTS CLÉS
• L’objectif de l’extraction de données est d’extraire les informations et les résultats
pertinents d’études qui ont passé avec succès l’étape d’évaluation de la qualité afin
de faire une synthèse des résultats des études incluses dans l’analyse systématique.
• Les informations extraites comprennent notamment des données descriptives
présentant le contexte; des caractéristiques de l’étude permettant d’examiner et
d’expliquer les différences entre les études; et les résultats de l’étude.
L’objectif de l’étape d’extraction de données est d’extraire avec précision des informations
sur les caractéristiques et les résultats pertinents des études sélectionnées. Les données
extraites sont liées à la question de l’analyse et à l’évaluation planifiée des études incluses, et
représentent le référentiel à partir duquel l’analyse ou la synthèse des données est effectuée
(Cochrane, 2004). Chaque analyse étant différente, les formulaires de collecte des données
varient d’une analyse à l’autre. Cependant, il existe des similitudes importantes entre les
types d’informations, et il est possible d’adapter les formulaires d’une analyse à l’autre. Lors
de la préparation du formulaire d’extraction de données, il est utile de formuler la structure
des tableaux et des figures qui serviront à la présentation des résultats, de manière à ce que
les données importantes puissent être présentées visuellement.
5.1. Création du formulaire d’extraction de données
Les examinateurs doivent d’abord décider du volume d’informations qu’ils souhaitent
recueillir. Lors du choix du contenu du formulaire, les examinateurs doivent prendre en
compte les informations nécessaires à la construction de tableaux résumant les études
incluses dans l’analyse ainsi que les données issues de chaque étude indispensables pour
effectuer les analyses (Section 6). Les formulaires comportant trop de détails peuvent faire
perdre du temps. À l’inverse, en cas d’omission de données essentielles, les examinateurs
pourraient devoir recommencer les étapes d’extraction, un travail long et fastidieux. La
collecte de données sur le formulaire d’extraction de données a plusieurs buts : données
descriptives présentant le contexte, description des différences entre les données et
stratification des données de la synthèse; et conclusions (résultats) de la recherche.
La section « Formulaires d’extraction de données » comprend un modèle de formulaire
d’extraction de données conçu pour l’analyse de la question The use of probiotics to reduce
E. coli O157 in the feces of post-weaned ruminants. Le formulaire d’extraction de données
contient les sections suivantes :
1. Informations générales
2. Caractéristiques de la population
3. Protocoles d’intervention
4. Mesure des paramètres
5. Analyse statistique
6. Résultats
31
1. Informations générales
Il, est possible d’adapter les formulaires d’extraction de données aux différentes analyses et,
dans certains cas, les examinateurs peuvent participer à plusieurs analyses (Cochrane, 2004).
C’est pourquoi le formulaire doit inclure un numéro de référence pour chaque étude, des
détails bibliographiques de l’article dont les données sont extraites et le nom de
l’examinateur chargé du résumé des données. Il est important d’enregistrer la source
d’informations, surtout si les données obtenues proviennent de plusieurs rapports portant sur
la même étude. Il faut également enregistrer la langue de la publication et les sources de
financement de l’étude.
L’information relative au type de l’étude est déjà incluse dans le formulaire. Sachant que le
niveau de données probantes varie selon les plans d’étude, il est recommandé de stratifier les
résultats par type d’étude.
2. Caractéristiques de la population
L’information recueillie dans cette section sert à décrire les populations utilisées dans
chaque étude pour définir le contexte et permettre au lecteur de déterminer la validité externe
des résultats en fonction de l’usage auquel ils sont destinés. En outre, des informations sont
recueillies sur les facteurs de population susceptibles d’influencer les effets du traitement et
pouvant donc être indispensables pour expliquer et évaluer l’hétérogénéité des résultats de
l’étude (Cochrane, CRD, 2001). Les données recueillies sur les caractéristiques de
population peuvent inclure des questions relatives au pays dans lequel l’étude a été menée, la
sélection de troupeaux et le type de troupeaux utilisés, et les attributs des animaux (espèce,
type de production, race, âge et sexe). Dans les études observationnelles, certains de ces
facteurs peuvent aussi être considérés comme des variables confusionnelles.
3. Protocoles d’intervention
Des détails de l’intervention et des modalités de son administration à la population doivent
être inclus, car les différences entre les protocoles d’intervention peuvent représenter une
importante source d’hétérogénéité entre les études. Les informations sur le type de
traitement, les voies d’administration (par voie orale dans l’alimentation ou à l’aide d’une
canule dans la panse), les doses, la fréquence et la durée de l’administration doivent être
enregistrées. Dans les études de provocation, il est important de connaître le niveau de
provocation du pathogène d’intérêt, et de savoir si les tests de dépistage du pathogène
d’intérêt étaient négatifs chez les animaux avant l’inoculation, et si la provocation a eu lieu
avant ou pendant l’administration de l’intervention. Il est également important d’enregistrer
ce qu’a (ont) reçu le(s) groupe(s) témoin(s). Différents types de groupes témoins peuvent
constituer une source de différences entre les études. Les groupes témoins peuvent inclure
des témoins non traités, des témoins recevant un placebo ou des témoins recevant un autre de
traitement.
32
Une autre caractéristique pertinente de la recherche à la ferme est le niveau d’assignation des
traitements. En agriculture, le regroupement des animaux est une pratique courante dans le
contexte commercial, et les traitements peuvent être assignés au niveau de la ferme, de
l’enclos ou de chaque animal. L’enregistrement de ces informations est important, car cellesci peuvent se rapporter à la validité externe et à l’aspect pratique du protocole d’intervention,
et aussi parce qu’elles sont indispensables pour l’analyse statistique et l’interprétation des
résultats.
4. Mesures des paramètres
Les rapports des études incluent souvent plus d’un paramètre. La question précise utilisée
pour l’analyse systématique sert à définir le paramètre primaire. Dans l’exemple du recours
aux probiotiques pour réduire E. coli O157 chez les ruminants, les paramètres primaires
étaient la prévalence ou le niveau d’excrétion fécale d’E. coli O157. L’extraction de données
sur les paramètres secondaires, le cas échéant, peut offrir une meilleure compréhension des
effets potentiellement nuisibles ou bénéfiques de l’intervention. Dans les études à la ferme,
les paramètres secondaires peuvent inclure la mortalité, la morbidité, le gain moyen
quotidien, l’indice moyen de conversion et l’indice de consommation. Toutefois, il est
important de remarquer que cette stratégie de recherche n’a peut-être pas été conçue pour
trouver toutes les études pouvant traiter des paramètres secondaires. Ainsi, dans l’exemple
sur les probiotiques, les études portant seulement sur la relation entre les traitements
probiotiques et la performance animale n’auraient pas été retenues en raison de l’emploi des
termes « E. coli » dans l’élément du paramètre lié aux autres éléments avec l’emploi de
l’opérateur AND (« et »).
Les informations sur les techniques de laboratoire employées pour mesurer le paramètre
d’intérêt (essais en culture, analyses sérologiques, biochimiques ou moléculaires),
l’utilisation de témoins positifs ou négatifs et les critères diagnostiques sont importants à des
fins descriptives et comme sources potentielles d’hétérogénéité entre les études. Par
exemple, au cours des dix dernières années, les protocoles des tests diagnostiques utilisés
pour dépister E. coli O157 ont considérablement évolué, d’où une sensibilité accrue du
dépistage de ce pathogène. Une telle évolution se répercutera sur la prévalence du microorganisme dépisté dans les essais contrôlés et randomisés et les études observationnelles, ce
qui aura une incidence sur la puissance et la confiance de l’étude.
5. Analyse statistique
Certains aspects statistiques importants des études de recherche agricole et agroalimentaire
doivent être enregistrés dans le formulaire d’extraction de données :
1. Le nombre de fermes, d’enclos et d’animaux inclus dans l’étude.
2. Le niveau auquel les analyses statistiques ont été effectuées et la prise en compte du
regroupement des animaux, le cas échéant. Les populations de bétail ne sont pas
groupées de la même façon que les populations humaines. Les animaux sont souvent
logés dans des enclos aménagés dans des étables, qui font elles-mêmes partie
d’exploitations agricoles. Cela signifie qu’il existe une hiérarchie et une non-
33
indépendance des sujets étudiés au sein des groupes et que ces facteurs doivent être
pris en considération dans l’analyse. Dans les anciennes publications, on constate
assez souvent que le regroupement des animaux n’est pas correctement pris en
considération dans les analyses. L’équipe chargée de l’analyse doit donc décider
d’inclure ou non les études qui ne tiennent pas compte de ces facteurs. Cette décision
peut concerner le nombre d’études de haute qualité disponibles pour traiter de la
question de l’analyse. Si de telles études sont incluses, le biais potentiel dans les
valeurs p rapportées devra être identifié lors de la présentation des résultats.
3. Mesures répétées. Dans les études de longue durée, les résultats peuvent être
présentés pendant plusieurs périodes de suivi. Dans nos exemples sur les
probiotiques, il était fréquent pour l’excrétion fécale d’E. coli O157:H7 d’être
rapportée à plusieurs reprises. Certaines études font état de paramètres pour chaque
groupe de traitement et comprenant tous les points temporels comme le nombre total
de manifestations, la moyenne globale et la tendance dans le temps. D’autres études
rapportent leurs résultats en se basant sur des points temporels uniques sans tenir
compte de la probabilité accrue d’erreurs de type I associées aux évaluations
indépendantes répétées d’unités expérimentales dans le temps. Comme c’est le cas
des données groupées, l’équipe chargée de l’analyse doit décider d’inclure ou non
des études dont les mesures ont été prises dans le temps, mais l’analyse n’a pas
suffisamment tenu compte de cet aspect.
REMARQUE : Dans certains cas, bien que le groupement des données et les mesures
répétées n’aient pas été suffisamment pris en considération dans l’analyse, les données
brutes pour chaque unité expérimentale ont pu être fournies. Le formulaire d’extraction
de données devrait comporter un mécanisme permettant d’enregistrer ces informations
pour qu’il soit possible d’effectuer des analyses statistiques post-hoc.
4. Confusion. Il y a confusion lorsque les groupes de l’étude qui sont comparés diffèrent
quant à la fréquence des paramètres pour des raisons autres que l’exposition d’intérêt,
faussant ainsi l’association d’intérêt. Ceci est un problème dans les études
observationnelles n’utilisant pas la répartition aléatoire entre groupes de traitement.
Les facteurs confusionnels possibles dans les études vétérinaires et agroalimentaires
sont : l’âge, le sexe, la race et le poids des animaux, le lieu géographique des fermes
et l’époque de l’année où les échantillons ont été prélevés. Il est important
d’enregistrer les variables confusionnelles possibles qui ont été prises en
considération et la façon dont elles ont été contrôlées (exclusion, appariement ou
contrôle analytique).
6. Résultats
Les paramètres primaires et secondaires sont mesurables sur une échelle continue ou sous
forme de données catégoriques (souvent dichotomiques). Si ces deux types de données sont
potentiellement pertinents pour répondre à la question de l’analyse systématique, le
formulaire d’extraction de données peut être configuré de manière à capturer les deux types
de données. Des tableaux distincts d’extraction de données devront être utilisés pour les
deux types de résultats. Lorsqu’il y a des paramètres primaires et des paramètres
secondaires, les tableaux d’extraction de données sont fournis pour chaque type de données
et pour chaque paramètre potentiel. Les résultats peuvent correspondre à des associations
34
univariées à un moment fixe, à des associations multivariées corrigées en fonction des
variables confusionnelles ou pronostiques, à des associations corrigées selon la structure
hiérarchique (groupement) des données, à des associations corrigées selon les meures
répétées, ou à des combinaisons de ces associations. Dans chaque cas, les informations
correspondant à chaque paramètre doivent être recueillies dans le même format que celui de
leur présentation; le cas échéant, elles pourront être transformées lors d’une étape ultérieure.
Voici une liste récapitulative des paramètres correspondant aux paramètres continus et
dichotomiques extractibles :
1. Données continues :
– Nombre d’unités expérimentales pour chaque niveau de traitement
– Moyenne globale, moyenne des moindres carrés ou de contraste pour chaque niveau de
traitement
– Différences moyennes par rapport au témoin
– Unité de résultats
– IC à 95 % inférieur/supérieur
– Écart-type
– Valeur p
2. Données dichotomiques :
– Nombre d’unités expérimentales positives par groupe de traitement
– Proportion d’unités expérimentales positives par groupe de traitement
– Nombre total d’unités expérimentales par groupe de traitement
– Unité de résultats
– Rapport de cotes (RC)
– Risque relatif (RR)
– IC à 95 % inférieur/supérieur
– Valeur p
REMARQUE : Pour les essais à mesures répétées, des décisions devront être prises quant
aux paramètres à évaluer :
– Moyennes globales des groupes de traitement ou interactions dans le temps
– Signification globale de l’effet du traitement (ou durée de l’interaction) avec
présentation des détails sur les points temporels avec les différences statistiquement
significatives ou sur un point temporel présélectionné pour tous les essais (auquel cas il
est possible que certains essais n’incluent pas d’évaluation au point temporel
sélectionné).
– Les résultats de la période de suivi la plus longue de chaque essai. Cela
pourrait provoquer un manque d’uniformité entre les études, ce qui risque
d’accroître l’hétérogénéité.
7. Commentaires généraux
Il est recommandé de réserver un espace pour les remarques générales sur l’étude, ainsi que
les problèmes et/ou toute information complémentaire pouvant être utiles pour la synthèse
des données.
35
Il y a deux moyens possibles de créer un formulaire de collecte de données : le formulaire
papier et le formulaire électronique. Le tableau suivant récapitule les avantages et les
inconvénients des deux types de formulaires (adapté de Cochrane, 2004, CRD, 2001)
Formulaire papier
Avantages
Plus facile à créer.
Plus facile à modifier les formulaires
originaux.
La comparaison des résultats d’extraction de
plusieurs examinateurs de la même étude est
simple. Un seul formulaire peut être utilisé
pour noter et corriger les erreurs et les
désaccords.
Inconvénients
Il est possible de devoir convertir les données
en fichiers compatibles avec l’analyse de
données.
Pas de documentation électronique pour
l’archivage à long terme des données.
Formulaire électronique
La saisie et l’abstraction des données sont
effectuées en une seule étape. Plus rapide et
plus efficace.
Les données sont téléchargées directement
dans les logiciels statistiques si la méta-analyse
est effectuée.
Nécessité de concevoir, de commander et de
peaufiner la version électronique du formulaire
avant la saisie des données. Peut nécessiter des
connaissances en programmation informatique
(bien que les logiciels comme ESR comportent
une interface conviviale).
Difficile à modifier les formulaires originaux.
Plus difficile d’identifier et de corriger les
erreurs et les désaccords, en particulier avec
des réponses ouvertes.
Pas forcément compatible avec les
programmes utilisés pour générer et stocker
l’analyse finale.
Lors de la conception d’un formulaire d’extraction de données, la structure doit suivre une
séquence logique. Les règles de décision et le codage des réponses doivent être déterminés a
priori et être aussi uniformes et simples que possible. Les instructions peuvent être ajoutées
directement sur le formulaire d’extraction de données près du champ de données.
L’utilisation du logiciel ESR permet la création de formulaires d’extraction de données
destinés dans un premier temps à la saisie de données, puis ultérieurement à l’extrapolation
de fichiers de données dans des fichiers de tableur (Excel, Quatro Pro). Ces systèmes sont
compatibles avec les logiciels d’analyse statistique (SAS, Stata). Les informations
enregistrées sur les formulaires d’extraction de données peuvent être recoupées et renvoyées
aux questions de pertinence ou d’évaluation de la qualité en appariant des identifiants de
36
référence. Ceci est particulièrement utile lorsque la question de l’analyse systématique
contient des questions à éléments multiples.
5.2. Utilisation du formulaire d’extraction de données
Le formulaire d’extraction de données doit être vérifié par plusieurs examinateurs sur un
échantillon d’études pour assurer que la saisie de données suit un ordre logique et que les
instructions sont claires. Le but de la vérification des formulaires est de repérer les données
inutiles ou manquantes, et les instructions de codage incompréhensibles. La vérification des
formulaires permettra donc de s’assurer que toute l’information requise est extraite de
manière uniforme (Cochrane, 2004; CRD, 2001).
L’extraction de données doit être effectuée indépendamment par au moins deux
examinateurs et les données extraites par ces examinateurs doivent être comparées pour
améliorer la fiabilité. Tout désaccord doit être discuté et résolu, soit de manière consensuelle
par les examinateurs, soit par la participation d’un autre examinateur. Si les facteurs
financiers et temporels ne permettent pas l’extraction de données en double, un seul
examinateur peut effectuer l’extraction de données, tandis qu’un deuxième examinateur se
charge de vérifier le travail du premier (CRD, 2001). Il est recommandé de conserver un
registre des éventuels désaccords et des modifications apportées pour les corriger, afin de
disposer d’un historique des décisions et des corrections effectuées pendant l’analyse (CRD,
2001).
Dans certains cas, les mêmes données font l’objet de plusieurs rapports. Il est important de
repérer les rapports multiples s’inspirant des mêmes données ou de la même étude, lorsque
les articles signalent une augmentation du nombre de participants ou un prolongement du
suivi parce que l’inclusion des résultats de plusieurs rapports de la même étude pourrait
induire en erreur. Les études qui décrivent un effet plus important du traitement sont plus
susceptibles d’être reproduites, ce qui entraîne un biais dans les estimations de l’efficacité.
Dans les cas où les rapports ne fournissent pas toutes les informations qui doivent être
extraites, comme dans les résumés de comptes rendus ou les rapports de recherche courante,
il peut s’avérer nécessaire de communiquer avec les auteurs de l’étude pour leur demander
des données supplémentaires (CRD, 2001). Pour cela, il faut demander des renseignements
précis pour remplir le formulaire ou fournir au(x) chercheur(s) primaire(s) le formulaire
d’extraction de données et lui (leur) demander de le remplir. Dans ce cas, il convient de
déterminer un mécanisme de contrôle de la qualité de la saisie des données.
6. Synthèse des données
POINTS CLÉS
•
L’objectif de la synthèse des données est de faire une synthèse des
résultats des études primaires de qualité suffisante au moyen de
méthodes qualitatives et, si possible, de méthodes quantitatives.
37
•
•
Les données sont groupées et tabulées de manière à permettre au
lecteur de visualiser les similitudes et les différences entre les études
incluses dans l’analyse, et le niveau de données probantes offert par
chacune des études.
Les résultats peuvent être présentés sous forme de tableaux ou de
graphiques mettant en évidence l’efficacité et la constance d’un
traitement.
L’objectif de la synthèse des données est faire une synthèse et de regrouper les résultats des
études primaires incluses dans l’analyse au moyen d’une synthèse descriptive et, si possible,
d’une méthode quantitative utilisant des techniques statistiques comme les méta-analyses. La
synthèse qualitative inclut la tabulation des caractéristiques (population, intervention et
paramètre) et des résultats de l’étude. La synthèse quantitative (méta-analyse) comprend
l’utilisation de méthodes statistiques permettant d’évaluer l’hétérogénéité des résultats et de
générer des résultats groupés. On ne peut recourir à une méta-analyse que lorsque les
définitions du plan d’étude et des paramètres sont suffisamment homogènes pour être
combinées dans une estimation globale. Le présent chapitre s’intéresse à la synthèse
qualitative des études. La méta-analyse n’est pas abordée dans le présent manuel. Pour en
savoir plus, nous vous recommandons l’ouvrage suivant : Greenland, 1998; Cochrane
Reviewers Handbook 4.2.2., 2004 and Dohoo et al., 2003.
6.1. Synthèse descriptive des résultats
6.1.1. Caractéristiques de l’étude
Il est utile de synthétiser les résultats des études primaires incluses dans l’analyse sous forme
de tableaux et de graphiques. Pour l’élément descriptif, les informations déjà recueillies lors
de la phase d’extraction de données sont groupées et tabulées de manière à permettre au
lecteur de visualiser les similitudes et les différences au niveau des caractéristiques
démographiques entre les études incluses dans l’analyse, et le niveau de données probantes
offert par chacune des études. Le contexte ainsi fourni permet d’évaluer la validité externe.
Le premier tableau de la section des résultats devrait inclure l’auteur principal et l’année de
chaque étude. Le meilleur moyen de procéder consiste à regrouper les résultats par plan
d’étude, car il s’agit d’une importante source d’hétérogénéité entre les études qui permet
d’obtenir des informations sur le niveau de données probantes offertes par les résultats (voir
Section 1.3). Ce tableau comprend aussi des informations qui décrivent de manière succincte
les caractéristiques de population telles que le type et les attributs des animaux, leur âge, leur
race et leur sexe, le pays où les sujets ont été trouvés et le contexte dans lequel l’étude a été
réalisée. Nous vous présentons ci-dessous un exemple de tableau descriptif (comportant des
résultats hypothétiques à titre d’illustration) :
38
Étude
Études
randomisé
es et
contrôlées
Auteur 1
et al.,
1997
Auteur 2
et al.,
2004
Études de
provocatio
n
Auteur 3
et al.,
2001
Études
transversa
les et
observatio
nnelles
Auteur 4
et al.,
2003
Pays
Lieu
Attributs
des
animaux
Type
d’animal
Âge
Race
Sexe
États-Unis
Une seule
ferme
(Universit
é)
100 ferme
s
commercia
les
Commerci
al
Bœuf
(parc
d’engraiss
ement)
Bœuf
(parc
d’engraiss
ement)
Maturité
Mélangée
Mélangé
Maturité
British X
Bouvillon
Canada
Une seule
ferme
(Universit
é)
Gnotobioti
que
Laitier
Présevrage
Holstein
Mâle
Finlande
40 fermes
commercia
les
Commerci
al
Laitier
Maturité
Holstein
Femelle
États-Unis
Commerci
al
6.1.2. Intervention
Le tableau doit comporter les informations suivantes : intervention(s) et protocoles
d’intervention avec doses, voie d’administration, unité d’affectation, nombre d’animaux et
d’enclos utilisés par groupe de traitement, et type de témoins. On peut aussi réserver une
dernière colonne de ce tableau pour la conclusion générale (effet protecteur, aucune
différence, effet positif). De nombreuses études d’intervention agroalimentaire pré-récolte,
en particulier les essais contrôlés randomisés et les études de provocation, peuvent inclure
plusieurs groupes de traitement. Dans le cas de l’exemple des probiotiques, certains des
essais comprenaient des groupes de traitements multiples et/ou des produits probiotiques
multiples dans un même groupe de traitement. Il est recommandé de grouper la description
des interventions dans une même étude et un même plan d’étude. L’évaluation des
informations incluses dans les tableaux est importante pour souligner les comparaisons
effectuées. Nous vous présentons ci-dessous un exemple de tableau descriptif (comportant
des résultats hypothétiques à titre d’illustration) :
39
Étude
RCTs
Auteur 1 et
al., 1997.
Auteur 2 et
al., 2004.
Intervention
Nbre
de
fermes
Nbre
d’en
clos
Nbre
d’anima
ux
Unit of
allocation
Nbre
d’unit
és/gro
upe
traité
Voie
Dose
Résult
ats
Tx A vs
placebo
Tx B vs
placebo
Tx B&C vs
placebo
1
20
200
Enclos
10
Orale
N.S.
100
400
4000
Enclos
200
Injection
100
400
4000
Enclos
200
Injection
100
g/kg
10
g/kg
5
g/kg
Pos.
N.S.
6.2. Synthèse des résultats de l’étude
Plusieurs types de données sont fréquemment présentés dans les études primaires : les
données dichotomiques ou binaires où chaque individu est classé dans une des deux valeurs
possibles, et les données continues qui peuvent prendre n’importe quelle valeur dans un
intervalle défini de valeurs. Lorsqu’on utilise des données dichotomiques, les résultats sont
exprimés sous forme de rapport de cotes, de risque relatif ou de différences de risque. Avec
les données continues, les résultats sont synthétisés sous forme de moyennes, de différences
moyennes ou de moyennes standardisées (Table 7.1). Les études peuvent aussi utiliser des
données de la survie ou du délai précédant la première manifestation, où le paramètre est le
délai précédant l’apparition d’une manifestation, et les résultats sont présentés au moyen de
risques relatifs.
Tableau 6.1. Mesures des paramètres dans les études primaires à l’aide de données
continues ou binaires.
Mesures des paramètres
Description
Paramètres continus
Différence entre les
moyennes des groupes
Différence normalisée
Différence pondérée des
moyennes
Différence pondérée
normalisée
Si le paramètre d’intérêt est continu et si la moyenne du
traitement et du témoin est indiquée, la différence entre
les moyennes peut être calculée.
Les différences entre les moyennes de chaque étude sont
normalisées par une estimation de l’écart-type. Cela
supprime l’effet de l’échelle de mesure, mais peut être
difficile à interpréter.
Une différence moyenne (globale) entre les valeurs
moyennes des groupes de traitement et des groupes
témoins peut être calculée dans un groupe d’études si le
même paramètre est utilisé.
Différence moyenne (globale) entre les valeurs moyennes
des groupes de traitement et des groupes témoins dans un
ensemble d’études où les paramètres entre les études ont
40
été mesurés au moyen d’échelles différentes ne pouvant
pas être converties dans une mesure commune.
Paramètres binaires
Différence de risque
Risque relatif ou rapport de
risques (RR)
Rapport de cotes (RC)
La différence du risque absolue entre les groupes traités
et les groupes témoins indique toute différence quant à la
probabilité de survenue de la maladie dans un groupe
traité, au-delà du risque initial, à cause du traitement. Une
différence de risque inférieure à 1 signifie que
l’intervention a été protectrice.
Risque de survenue du paramètre dans le groupe traité
par rapport à ce risque dans le groupe témoin. Un risque
relatif inférieur à 1 signifie que l’intervention est
protectrice.
Risque de survenue d’un paramètre dans le groupe traité
par rapport à ce risque dans le groupe témoin. Un rapport
de cotes inférieur à 1 signifie que l’intervention est
protectrice.
Adapté de Glasziou et al, 2001, CRD, 2001 et Cochrane, 2004.
Il est important de décider quels paramètres seront utilisés pour décrire et synthétiser les
données dans l’analyse systématique. Dans les analyses systématiques, les données
provenant de plusieurs études peuvent être combinées uniquement de manière quantitative
lorsque le même paramètre est utilisé. Dans certains cas, il est possible de transformer des
données pour normaliser les paramètres dans toutes les études.
Les résultats de plusieurs études peuvent être synthétisés au moyen d’une méthode
graphique appelée « Forest plots ». Cette méthode utilise des estimations ponctuelles et les
intervalles de confiance correspondants pour mettre en lumière des tendances apparentes au
sein des études. L’examen visuel d’un graphique de type « Forest plot » permet de se faire
une idée de l’hétérogénéité des résultats entre des études. Des graphiques de type « Forest
plots » distincts peuvent être utilisés pour des études comportant différents plans d’étude ou
différents paramètres. Des exemples de graphiques « Forest plots » pour différents types
d’études et de paramètres, accompagnés de paramètres hypothétiques et d’intervalles de
confiance, sont illustrés ci-dessous.
41
Essais contrôlés et randomisés, paramètre dichotomique.
Study 1
Study 2
Study 3a
Study 3b
Study 4
Study 5a
Study 5b
Study 6
Study 7
Study 8
Study 9a
Study 9b
Study 10
Study 11
Combined
.05
.01
.1
.2
OR
.5
1
1.5 2
Favours treatment
3
4 5
Favours control
Études de provocation, données continues.
Study 1
Study 2
Study 3
Study 4
Study 5
Study 6
Study 7
Study 8a
Study 8b
Study 9
Study 10
Study 11a
Study 11b
Study 12
Study 13
Overall
-1
-.5
0
.5
1
1.5
2
Weighted Mean diff.
42
Ces graphiques montrent les résultats hypothétiques classés selon le plan d’étude et le type
de paramètre. Les résultats peuvent être présentés de différentes manières, par exemple en
groupant les études par espèce, ou par d’autres caractéristiques démographiques importantes
ou plans d’étude. Les graphiques « Forest plot » des essais contrôlés et randomisés semblent
indiquer qu’il n’y aurait pas d’hétérogénéité entre les groupes traités dans ce type d’étude.
Les intervalles de confiance de tous les groupes de traitement chevauchent les intervalles de
confiance de l’évaluation globale du rapport de cotes (0,5). Les tailles des cases illustrent
l’influence de chaque traitement sur l’effet global. Le graphique « Forest plot » des études de
provocation indique une certaine hétérogénéité entre les groupes de traitement. L’examen de
la variation des résultats dans et parmi les études et les types d’étude, et les sources de cette
variation est très important et devrait faire l’objet d’une étude approfondie.
6.3. Hétérogénéité
L’examen des différences entre les études incluses dans une analyse est un aspect essentiel
de la synthèse des données. Plusieurs facteurs peuvent être à l’origine de la variation quant
aux effets observés entre les études, notamment le plan d’étude, les différences quant aux
protocoles d’intervention, les attributs des populations ou des animaux individuels, et les
différences quant aux paramètres. Les graphiques « Forest plots » constituent une méthode
qualitative de visualisation de ces différences.
Références
AHRQ (Agency for Healthcare Research Quality). West, S., King, V., Carey, T.S., Lohr,
K.N., McKoy, N., Sutton, S.F. and Lux, L. (Research Triangle Institute-University of North
Carolina Evidence-based Practice Center Research Triangle Park, North Carolina): Systems
to Rate the Strength of Scientific Evidence. (2002) Evidence Report / Technology
Assessment No. 47.
CRD (Centre for Reviews and Dissemination) Report Number 4: Undertaking Systematic
Reviews on Effectiveness. CRD’S Guidance for those carrying out or commissioning
reviews. (2e édition) (2001) NHS Centre for Reviews and Dissemination, University of
York, York.
Chalmers TC, Smith H Jr, Blackburn, et al. A method for assessing the quality of
randomized control trials. Control Clin Trials 1981;2:31-49.
Cochrane Collaboration: Cochrane Reviewers’ Handbook 4.2.2. (révisé en mars 2004).
Cook, D.J., Mulrow, C.D., Haynes, R.B. Systematic reviews: Synthesis of best evidence for
clinical decisions. Annals of Internal Medicine 1997;126 (5)376-380.
Dickersin K. How important is publication bias? A synthesis of available data. AIDS
Education and Prevention 1997;9 Suppl A:15-21.
43
Dohoo, I., Martin, S.W., Stryhn, H. Meta-analysis. In: Veterinary Epidemiology (2003)
AVC Inc., University of Prince Edward Island, Canada. pp. 543-560.
Ferguson, J., Dalton, C., McGettigan, P. and Hill, S.: Antibiotic Resistance in Animal
Enteric Bacteria and Human Disease – a Review of the Scientific Literature. Prepared for the
Joint Expert Technical Advisory Committee on Antibiotic Resistance (JETACAR)
(décembre 1998). The University of Newcastle, Australie.
Glasziou, P., Irwig, L., Bain, C. and Colditz, G.: Systematic reviews in health care: A
practical guide (2001) University of Cambridge, Royaume-Uni.
Greenland, S. Meta-analysis. In: Modern Epidemiology. (1998) Rothman, J.K. et Greenland
S éds, 2e édition. Lippincott Williams & Wilkins p. 643-673.
Haynes RB, Wilczynski N, McKibbon, KA, Walker, CJ and Sinclair JC: Developing optimal
search strategies for detecting clinically sound studies in Medline. Journal of the American
Medical Information Association 1994;1:447-458.
Mead, P.S., Slutsker, L., Dietz, V., McCaig, L.F., Bresse, J.S., Shapiro, C. Griffin, P.M.,
Tauxe, R.V. Food-related illness and death in the United States. Emerging Infectious
Diseases 1999;5:607-625.
NHMRC (National Health and Medical Research Council): How to review the evidence:
systematic identification and review of the scientific literature. Handbook series on
preparing clinical practice guidelines (1999) Legislative Services, AusInfo, GPO Box 1920,
Canberra ACT 2601, Australie.
O’Blenis P and Garritty C. The Electronic Systematic Review Handbook : Practical
Concepts and Methods for Electronic Screening and Data Abstraction. (2004) First Trial Stat
Corporation Paperback Edition, Canada.
44
Annexe 1
Principales distinctions entre analyse systématique et analyse narrative, selon les
caractéristiques fondamentales de ces analyses
Caractéristique
fondamentale
Question de l’étude
Analyse narrative
Souvent de portée générale.
Analyse systématique
Souvent une question ciblée.
Sources de données et
stratégie de recherche
En règle générale, les détails Recherche exhaustive des
des bases de données
bases de données
consultées et de la stratégie de électroniques et des données
recherche ne sont pas fournis. non publiées. Stratégie de
recherche explicite fournie.
Sélection d’articles pour
l’étude
Pas généralement précisée,
potentiellement biaisée.
Analyse ou évaluation
d’articles
Variable, selon les auteurs de Évaluation critique
l’analyse.
rigoureuse, généralement au
moyen d’un formulaire
d’évaluation de la qualité.
Qualité de l’étude
En cas d’évaluation,
l’évaluation formelle de la
qualité n’est pas forcément
utilisée.
Une évaluation de la qualité
est presque toujours incluse
dans le processus
d’extraction de données.
Synthèse
Souvent une synthèse
qualitative.
Synthèse quantitative (métaanalyse) s’il est possible de
grouper les données;
qualitative dans le cas
contraire.
Extrapolations
Parfois fondée sur des
données probantes.
Généralement fondée sur des
données probantes.
Sélection fondée sur les
critères appliquée
uniformément.
Sources: Adapté de Cook et al., 1997
45
Annexe 2
Tableau 1. Termes anglais de population, d’intervention et de paramètres utilisés pour
une analyse systématique sur le recours aux probiotiques pour la réduction d’E. coli
O157:H7 dans les fèces de bovins de boucherie et de bovins laitiers, avec le nombre
d’articles extraits des bases de données PubMed et Agricola.
PubMed
Agricola
Population
Bovine
Cattle
Beef
Cow
Cows
Steer
Steers
Heifer
Calf
Calves
Ruminants
Ruminant
Rum*
Rumin*
Beef steers
Beef calf
265 289
228 782
10 851
221 838
220 890
2 099
2 827
1 182
29 581
15 474
308 712
308 755
29 894
12 455
625
575
10 000*
10 000*
10 000*
10 000*
10 000*
7 464
6 339
7 345
7 990
10 000*
5 998
10 000*
10 000*
1 277
522
22
Beef calves
Beef herd
Beef cattle
Beef farm
Beef cow
Beef cows
Feedlot cattle
Feedlot steers
Dairy cattle
Dairy herd
Dairy cow
Dairy cows
Dairy calf
Dairy claves
Milk cows
Calf herd
Calf herds
Calf cattle
Dairy
952
456
8 070
198
7 844
7 841
948
367
11 948
2 113
11 652
11 941
82
1 281
18 498
428
426
13 310
19 285
436
428
10 000*
58
2 789
2 525
565
243
9 075
3 888
10 000*
10 000*
82
527
209
70
33
1
10 000*
Intervention
Probiotic
Probiotic culture
Probiotic bacteria
Selected lactic acid bacteria
Lactic acid bacteria
Lactic acid-producing bacteria
Lactic acid bacteria mixture
Lactic fermentation
Lactic fermentation product
Direct fed microbials
Live bacteria supplements
Competitive exclusion
Lactobacillus
Bifidobacteria
Propionibacterium
Lactobacillus fermentation
products
Based direct-fed microbials
Strain mixture
Dietary supplementation
Yeast
Lactic acid
Bacteriocin
PubMed
Agricola
1 888
292
1 602
227
3 968
358
128
1 202
341
10
27
651
12 094
889
4 123
341
1 059
54
117
12
3 212
30
1
133
1
21
0
229
4 791
348
297
1
2
2 078
11 112
128 327
22 433
3 148
1
104
553
10 000*
6 439
1 131
*La recherche a été tronquée.
Agricola comprend : des articles de revues, des chapitres d’ouvrages, de courts rapports et des tirés à part.
46
PubMed
Paramètre
Escherichia coli
Escherichia coli O157
Escherichia coli O157:H7
E. coli
E. coli O157
E. coli O157:H7
Enterohaemorragic
Enterohaemorragic E.coli
Enterohemorragic
Escherichia coli
Verotoxigenic
Verotoxigenic E. coli
Verotoxigenic Escherichia
coli
Shiga-like toxin
Shiga-like toxin E. coli
Shiga-like toxin
Escherichia coli
EHEC
VTEC
STEC
Enteric
Coliform
Coliforms
Faecal shedding
Fecal shedding
Fecal prevalence
Fecal recovery
Fecal incidence
Fecal level
Fecal persistence
Fecal isolation
Fecal detection
Fecal inhibition
Fecal recovery
Fecal reduction
Fecal carriage
Fecal elimination
Agricola
217 670
3 008
2 050
181 725
2 828
1 890
246
2
7
10 000*
1 197
1 044
4 664
806
701
0
0
2
96
89
95
40
9
31
2 262
110
1 753
1 893
0
0
604
432
745
17 984
2 130
1 844
498
492
3 054
740
3 280
1 631
136
4 068
1 673
359
740
1058
120
636
84
66
886
1 829
1 795
841
7
98
1
15
0
3
1
1
1
0
15
0
3
11
Paramètre
Bacteria load
Loads of bacteria
Level of bacteria
Pathogen level
Pathogen concentration
Bacteria concentration
Bacteria level
CFU
CFU per gram
CFU per ml
Colony forming units
Colony forming units per
gram
Colony forming units per
ml
Bacteria logs
Bacteria fecal count
Bacteria log count
Bacteria log counts
Fecal
Feces
Manure
Rumen fluid
Gastrointestinal
Pre-harvest
Gastro-intestinal
Preharvest
PubMed
Agricola
7 260
7 260
45 099
2 323
1 870
65 045
45 099
17 591
339
0
1
22
11
7
13
15
3 072
24
2 585
118 672
262
18
686
32
5 186
7
487
568
0
0
1 283
739
0
0
22 832
59 322
1 880
1 289
163 423
107
4 950
153
3 894
5 996
10 000*
1 350
146
397
521
947
*La recherche a été tronquée.
Agricola comprend : des articles de revues, des chapitres d’ouvrages, de courts rapports et des tirés à part.
47
Tableau 2. Nombre de résumés obtenus dans PubMed en utilisant différentes
combinaisons de termes anglais de population
Termes de population
Bovine
Cattle
Beef
Dairy
Ruminant
Bovine or Cattle
Bovine of Beef
Bovine or Dairy
Bovine or Ruminant
Bovine or Cattle or Beef
Bovine or Cattle or Dairy
Bovine or Cattle or Ruminant
Bovine or Cattle or Beef or Ruminant
Bovine or Cattle or Beef or Dairy or Ruminant
Nombre d’articles
PubMed
271 270
232 165
11 088
19 752
312 695
277 357
274 205
278 770
359 928
280 126
284 620
365 324
368 047
374 517
48
Annexe 3
Tableau 1. Terminologie anglaise générale et spécifique utilisée dans différentes populations
agricoles et dans la salubrité des aliments
Porc
Bovin
Volaille
Terminologie
générale
Pig, pork,
porcine, herd,
farm
Ruminants,
cows, heifer,
herd, cattle, beef,
farm, buiatric
Avian, chicken,
bird, farm
Terminologie
spécifique
Suckling,
nursing, preweaned,
weanling,
weaned, nursery,
post-weaning,
early weaning,
growing-finisher,
growingfinishing,
finisher,
slaughter,
lactating sow,
dry sow, gilts,
hogs, barrow,
boar,
reproductive
boars, farrow-to
finish, farrow-towean, segregated
early weaning,
off-site nursery,
pot-bellied,
porcine industry,
swine industry.
Dairy cows, milk
cow, lactating
cow, dry cow,
dairy calves,
dairy herd, dairy
farm, dairy
cattle, cattle
herd, beef herd,
beef cattle, beef
farm, beef cows,
calf, calves, calf
herd, calf cattle,
neonatal calves,
pre-weaned
calves, postweaned calves.
Chicks, broilers,
domestic birds,
growing chicken,
growing chicks,
chicken flocks,
growing broilers,
hens, layer hens,
growing laying
hens, fowls,
domestic fowls,
pullet.
Salubrité des
aliments
Food chain, food
risk, food
products, foodborn disease,
food-borne
illness, foodborne infection.
Diet, meat, beef,
pork, poultry,
veal, milk, dairy,
egg, cheese
products, ground
beef, ground
meet, veal, seafood, seafood
toxins, food-borne
parasites
Food-borne, foodborne, food
animals, food
producing
animals, food
safety risk, waterborne, boiled or
cooked
vegetables, fresh
vegetables, food
related allergies,
travel related
foodborne
diseases,
communicable
diseases,
restaurant,
grocery store,
slaughterhouse,
fast food,
antibiotic
resistance.
49
Tableau 2. Terminologie anglaise générale et spécifique utilisée pour différentes
interventions en santé publique liée au secteur agroalimentaire
Prévention
Terminolog Control, surveillance,
ie générale strategy, programs,
prophylaxis, screening,
prevention, outbreak
investigation, reservoirs,
transmission patterns.
Terminolog Growth promoters,
ie
vaccination, biosecurity,
spécifique
alternative medicine, diet
supplements, diet, sanitizers,
food safety risk assessment,
screening of bacteria, quality
control.
Thérapeutique
Treatment, drug,
intervention,
therapy.
Facteurs de risque
Putative causal
factor, agent factors,
non-agent factors,
risk assessment,
risks.
Chemical agent,
antimicrobials,
irradiation, surgery,
alternative
medicine,
chemotherapy,
dietary supplements,
dietary change.
Host, population,
immunity, genetic,
environmental
factors,
environmental
pollution, on farm
factors, temperature
contamination,
biosecurity,
hygiene,
management and
diet changes, texture
of feed,
transportation, food
packaging, bacteria
loads, level of
toxins, parasites
loads, hazardous
substances,
chemical
contamination, food
handle, food
preparation,
preparation
methods, climate
change,
transmission
pattern.
50
Tableau 3. Terminologie anglaise générale et spécifique utilisée pour différents
paramètres dans les domaines de l’agriculture et de la salubrité des aliments.
Terminologie
générale
Terminologie
spécifique
Agriculture
Production, profit, animal health,
productivity, profitability,
improvement, performance,
development, economic impact,
wealth, significance, prevalence, risk,
incidence, rates, mortality, morbidity,
efficiency, bacteria load, pathogen
level, body condition, quality.
Weight gain, average daily gain,
average daily feed intake, feed
efficiency, feed gain ratio, growth
performance, breed efficiency,
reproductive efficiency, cost benefit,
price-cost, treatment cost, culling rate,
death rate, kilograms produced of
meat, length of productive time.
Swine:
Pigs weaned per sow per year, litter
per sow per year, pigs weaned per
litter, average weaning age, average
weaning weight, pigs born alive per
litter, pigs weaned per crate per year,
pigs weaned per lifetime female, nonproductive days, average lactation
length, farrowing rate, weaning-tobreed interval, days to market, feed
cost per animal, feed cost per unit of
gain, sow boar ratio.
Bovine:
Milk production, days in milk, daily
milk yield, calving interval, calf sold
per year, number of calves weaned.
Poultry:
Kilograms of broiler per square meter,
egg production rates, egg shell quality.
Salubrité des aliments
Food and water outbreak,
infection, intoxication,
disease, illness, public
health, significance,
prevalence, risk, incidence,
rates, bacteria load,
pathogen level, quality,
impact, economic impact.
51
Annexe 4
Nombre de résumés obtenus pour divers termes anglais de recherche de population par
espèce de bétail dans PubMed, Agricola et CABI
Swine
Pigs
Pork
Porcine
Suckling pig
Nursing pig
Nursing swine
Weanling pig
Weaner pig
Weaned pig
Nursery pig
Post-weaning
pigs
Early-weaning
pigs
Growingfinishing pigs
Growerfinisher pigs
Growing hog
Finishing pigs
Finisher pigs
Finishing hogs
Sows
Gilts
Hogs
Boars
Boar
Barrow
Slaughter pigs
Pig farm
Pig herd
Swine farm
Swine herd
Porciculture
Porcine
industry
Swine industry
Farrow-to
finish
Segregated
early weaning
Multi-site
PubMed
Agricola
125 184
243 695
2 428
130 069
1 199
280
246
571
99
1256
215
454
10 000+
10 000+
6 932
7 201
307
66
1
283
49
827
92
10
CABI
42 678
134 464
5 856
21 206
28
13
0
92
48
133
47
49
327
13
30
285
312
1 083
79
19
87
18
643
130
17
3 333
2 377
433
120 471
2 303
2 106
1 493
1 718
1 178
1 687
1 182
3
2 998
4
565
41
2
5 008
2 512
745
2 332
9 117
1 115
190
2 491
158
569
289
0
0
0
1 980
204
18
19 940
8 309
318
8 525
5 863
437
1 132
833
282
75
148
0
0
3 137
97
166
97
91
249
26
18
50
681
52
9
PubMed
Agricola
Bovine
Cattle
Beef
Cow
Cows
Steer
Steers
Heifer
Calf
Calves
Ruminants
Ruminant
265 289
228 782
10 851
221 838
220 890
2 099
2 827
1 182
29 581
15 474
308 712
308 755
10 000+
10 000+
10 000+
10 000+
10 000+
7 464
6 339
7 345
7 990
10 000+
5 998
10 000+
81 696
338 889
31 725
41 843
168 645
2 350
10 460
3 846
30 741
52 547
442 869
8 902
Rum*
29 894
10 000+
1 411
Rumin*
12 455
10 000+
162
625
522
708
Beef calf
Beef calves
Beef herd
Beef cattle
Beef farm
Beef cow
Beef cows
Feedlot cattle
Feedlot steers
Dairy cattle
Dairy herd
Dairy cow
Dairy cows
Dairy calf
Dairy claves
Milk cows
Calf herd
575
952
456
8 070
198
7 844
7 841
948
367
11 948
2 113
11 652
11 941
82
1 281
18 498
428
22
436
428
10 000+
58
2 789
2 525
565
243
9 075
3 888
10 000+
10 000+
82
527
209
70
52
768
261
11 360
73
407
2 497
665
287
20 397
3 266
2 902
23 555
99
985
2 611
70
Calf herds
Calf cattle
426
13 310
33
1
65
26
Beef steers
CABI
+La recherche a été tronquée.
Agricola comprend : des articles de revues, des chapitres d’ouvrages, de courts rapports.
CABI : CAB direct international
52
PubMed
Poultry
Avian
Chicken
Bird
Chicks
Broilers
Domestic bird
Domestic birds
Growing chicken
Growing chicks
Chicken flocks
Growing broilers
Hen
Hens
Layer hens
Growing laying
hens
Fowls
Fowl
Domestic fowl
Domestic fowls
Pullet
Agricola
97 231
138 714
92 102
127 541
10 738
2 778
4 915
5 042
1 446
464
1 153
195
7 556
5 737
390
67
10 000+
10 000+
10 000+
4 369
9 188
7 755
8
96
30
250
88
77
3 170
8 227
48
2
1 456
4 955
92 425
92 190
185
3 925
550
1 336
114
204
CABI
123 042
29 477
22 814
9 821
20 342
16 655
20
304
44
318
293
154
8 626
18 282
158
0
24 632
89 063
2 031
529
488
+
La recherche a été tronquée.
Agricola comprend : des articles de revues, des chapitres d’ouvrages, de courts rapports.
CABI : CAB direct international
53
Annexe 5
Stratégie de termes anglais de recherche utilisée dans différentes bases de données pour
le projet Effect of using probiotics on the reduction of E. coli O157 in the faeces of postweaned ruminants.
Aperçu général des termes anglais de recherche classés par élément :
Population : Ruminant(s), bovine, cattle, cow, steer, cow, calf, calves, beef, farm, herd,
sheep, goat, deer, lamb(s)
Intervention: Probiotic*, lactobac*, bifidobac*, propionibac*, saccharomyces, fermentation,
yeast, bacteriocin, competitive exclusion, strain mixture, dietary supplementation, lactic acid
Paramètre : Escherichia coli, O157, O157:H7, bacteria load, bacterial load, bacteria counts,
bacterial counts, bacteria log, bacterial log, bacteria level, bacterial level, feces, faeces, fecal,
faecal, gastrointestinal, manure, coliform, enteric, ehec, shiga-like toxin
Bases de données et termes de recherche
A. Silverplatter:
Webspirs (Medline, Current Contents, CAB Health, FSTA Retrospective, FSTA (19902005 U of Guelph), Pubmed
(ruminant* or bovine or cattle or cow* or steer or calf or calves or beef or farm or herd or
sheep or goat* or deer or lamb*[use lamb or lambs instead of lamb* in PubMed])
AND
(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or fermentation or
yeast or bacteriocin or "competitive exclusion" or "strain mixture" or "dietary
supplementation" or "lactic acid")
AND
("escherichia coli" or o157 or "o 157" or "bacteria load" or "bacterial load" or "bacteria
counts" or "bacterial counts" or "bacteria log" or "bacterial log" or "bacteria level" or
"bacterial level" or feces or faeces or fecal or faecal or gastrointestinal or manure or coliform
or enteric or ehec or "shiga-like toxin")
NOT
(milk or cheese or yogurt or yogourt or yoghurt or yoghourt)
B. CSA:
Sciences biologiques (revues, conférences, sites Web, manuels, rapports, thèses,
brevets)
54
Sans guillemets : les suites de mots sont automatiquement traitées comme une phrase;
utilisez tous les mots pour le pluriel ou le symbole ? à la place d’une lettre à la fin ou au
milieu d’un mot.
ruminant? or bovine or cattle or cow? or steer or calf or calves or beef or farm or herd or
sheep or goat? or deer or lamb?
AND
probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or fermentation or
yeast or bacteriocin or competitive exclusion or strain mixture or dietary supplementation or
lactic acid
AND
escherichia coli or o157 or o 157 or bacteria load or bacterial load or bacteria counts or
bacterial counts or bacteria log or bacterial log or bacteria level or bacterial level or feces or
faeces or fecal or faecal or gastrointestinal or manure or coliform or enteric or ehec or shigalike toxin
NOT
milk or cheese or yogurt or yogourt or yoghurt or yoghourt
C. CAB Direct (U of G)
Sans guillemets : les suites de mots sont automatiquement considérées comme des phrases.
Utilisez le symbole + à la fin d’un mot pour inclure les variables du mot ou le symbole ? à la
fin ou au milieu d’un mot.
ruminant? or bovine or cattle or cow? or steer or calf or calves or beef or farm or herd or
sheep or goat? or lamb?
AND
probiotic? or lactobac? or bifidobac? or propionibac? or saccharomyces or fermentation or
yeast or bacteriocin or competitive exclusion or strain mixture or dietary supplementation or
lactic acid
AND
escherichia coli or o157 or o 157 or bacterial load or bacterial counts or bacterial log or
bacterial level or feces or faeces or fecal or faecal or gastrointestinal or manure or coliform
or enteric or ehec or shiga-like toxin
NOT
55
milk or cheese or yogurt or yogourt or yoghurt or yoghourt
D. EMBASE
bovids or cattle or beef cattle or dairy cattle or cow or sheep or goat or lamb or farm or herd
AND
probiotic or probiotic agent or lactobacillus of bifidobacterium or propionibacterium or
saccharomyces or anaerobic fermentation or bacteriocin or lactic acid bacterium or strain
mixture
AND
escherichia coli or escherichia coli O157 or verotoxin or feces or faeces or fecal or faecal or
gastrointestinal or manure of coliform or enteric or bacteria count or bacteria load or bacteria
log or bacteria level
E. UMI Proquest Dissertations (University of Guelph)
(ruminant or bovine or cattle or cow or steer or calf or calves or beef or farm or herd or
sheep or goat or deer or lamb
AND
(probiotic or lactobacillus or bifidobacterium or propionibacterium or saccharomyces or
fermentation or yeast or bacteriocin or "competitive exclusion" or "strain mixture" or
"dietary supplementation" or "lactic acid")
AND
("escherichia coli" or o157 or "o 157" or "bacterial load" or "bacterial counts" or "bacterial
log" or "bacterial level" or feces or faeces or fecal or faecal or gastrointestinal or manure or
coliform or enteric or ehec or "shiga-like toxin")
NOT
(milk or cheese or yogurt or yogourt or yoghurt or yoghourt)
F. Agricola
56
N.-B. – D’après la structure de la base Agricola quant aux termes de recherche, voici le
format requis des termes anglais de recherche. Agricola ne permet toutefois pas d’entrer
autant de termes de recherche simultanément. Par conséquent, pour cet exemple, il a été
nécessaire d’entrer les termes de recherche en séries de plus petites combinaisons
(identifiées de 1 à 31 ci-dessous).
((ab=(ruminant or ruminants or ruminant* or bovine or cattle or cow or cows or steer or
calves or calf or beef or farm* or herd* or sheep or goat or goats or deer or lamb or lambs))
or (ti=(ruminant or ruminants or ruminant* or bovine or cattle or cow or cows or steer or
calves or calf or beef or farm* or herd* or sheep or goat or goats or deer or lamb or lambs))
or (ke=(ruminant or ruminants or ruminant* or bovine or cattle or cow or cows or steer or
calves or calf or beef or farm* or herd* or sheep or goat or goats or deer or lamb or lambs)))
and ((ab=(probiotic* or probiotics or lactobac* or bifidobac* or propionibac* or
saccharomyces or fermentation or yeast or bacteriocin or “competitive exclusion” or “strain
mixture” or “dietary supplementation” or “lactic acid”)) or (ti=(probiotic or probiotics or
lactobac* or bifidobac* or propionibac* or saccharomyces or fermentation or yeast or
bacteriocin or “competitive exclusion” or “strain mixture” or “dietary supplementation” or
“lactic acid”)) or (ke=(probiotic or probiotics or lactobac* or bifidobac* or propionibac* or
saccharomyces or fermentation or yeast or bacteriocin or “competitive exclusion” or “strain
mixture” or “dietary supplementation” or “lactic acid”))) and ((ab=(feces or faeces or fecal
or faecal or manure or gastrointestinal or coliform or enteric or ehec or o157 or “o 157" or
“shiga-like toxin” or “escherichia coli” or “bacteria load” or “bacterial load” or “bacteria
counts”or “bacterial counts” or “bacteria log” or “bacterial log” or “bacteria level” or
“bacterial level”) or (ti=(feces or faeces or fecal or faecal or manure or gastrointestinal or
coliform or enteric or ehec or o157 or “o 157" or “shiga-like toxin” or “escherichia coli” or
“bacteria load” or “bacterial load” or “bacteria counts”or “bacterial counts” or “bacteria log”
or “bacterial log” or “bacteria level” or “bacterial level”) or (ke=(feces or faeces or fecal or
faecal or manure or gastrointestinal or coliform or enteric or ehec or o157 or “o 157" or
“shiga-like toxin” or “escherichia coli” or “bacteria load” or “bacterial load” or “bacteria
counts”or “bacterial counts” or “bacteria log” or “bacterial log” or “bacteria level” or
“bacterial level”))) not ((ab=(milk or cheese or yogurt or yogourt or yoghurt or yoghourt)) or
(ti= (milk or cheese or yogurt or yogourt or yoghurt or yoghourt)) or (ke=(milk or cheese or
yogurt or yogourt or yoghurt or yoghourt)))
Combinaisons de termes anglais de recherche dans Agricola
1.
((ab=(ruminant* or farm or herd)) or (ti=(ruminant* or farm or herd)) or (ke=(ruminant* or
farm or herd))) and ((ab=(probiotic* or lactobac* or bifidobac* or propionibac* or
saccharomyces or fermentation or yeast or bacteriocin)) or (ti=(probiotic* or lactobac* or
bifidobac* or propionibac* or saccharomyces or fermentation or yeast or bacteriocin)) or
(ke=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or
fermentation or yeast or bacteriocin))) and ((ab=(feces or faeces or fecal or faecal or
manure)) or (ti=(feces or faeces or fecal or faecal or manure)) or (ke=(feces or faeces or
fecal or faecal or manure)))
57
2.
((ab=(ruminant* or farm or herd)) or (ti=(ruminant* or farm or herd)) or (ke=(ruminant* or
farm or herd))) and ((ab=(probiotic* or lactobac* or bifidobac* or propionibac* or
saccharomyces or fermentation or yeast or bacteriocin)) or (ti=(probiotic* or lactobac* or
bifidobac* or propionibac* or saccharomyces or fermentation or yeast or bacteriocin)) or
(ke=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or
fermentation or yeast or bacteriocin))) and ((ab=(gastrointestinal or enteric)) or
(ti=(gastrointestinal or enteric)) or (ke=(gastrointestinal or enteric)))
3.
((ab=(ruminant* or farm or herd)) or (ti=(ruminant* or farm or herd)) or (ke=(ruminant* or
farm or herd))) and ((ab=(probiotic* or lactobac* or bifidobac* or propionibac* or
saccharomyces or fermentation or yeast or bacteriocin)) or (ti=(probiotic* or lactobac* or
bifidobac* or propionibac* or saccharomyces or fermentation or yeast or bacteriocin)) or
(ke=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or
fermentation or yeast or bacteriocin))) and ((ab=(coliform or ehec or o157)) or (ti=(coliform
or ehec or o157)) or (ke=(coliform or ehec or o157)))
4.
((ab=(ruminant* or farm or herd)) or (ti=(ruminant* or farm or herd)) or (ke=(ruminant* or
farm or herd))) and ((ab=(probiotic* or lactobac* or bifidobac* or propionibac* or
saccharomyces or fermentation or yeast or bacteriocin)) or (ti=(probiotic* or lactobac* or
bifidobac* or propionibac* or saccharomyces or fermentation or yeast or bacteriocin)) or
(ke=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or
fermentation or yeast or bacteriocin))) and ((ab=(shiga-like pre/1 toxin or escherichia pre/1
coli or o pre/1 157)) or (ti=(shiga-like pre/1 toxin or escherichia pre/1 coli or o pre/1 157)) or
(ke=(shiga-like pre/1 toxin or escherichia pre/1 coli or o pre/1 157)))
6.
(ab=(ruminant* or farm or herd) or ti=(ruminant* or farm or herd) or ke=(ruminant* or farm
or herd)) and (ab=(competitive pre/1 exclusion or strain pre/1 mixture or dietary pre/1
supplementation or lactic pre/1 acid) or ti=(competitive pre/1 exclusion or strain pre/1
mixture or dietary pre/1 supplementation or lactic pre/1 acid) or ke=(competitive pre/1
exclusion or strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid)) and
(ab=(feces or faeces or fecal or faecal or manure) or ti=(feces or faeces or fecal or faecal or
manure) or ke=(feces or faeces or fecal or faecal or manure))
7.
(ab=(ruminant* or farm or herd) or ti=(ruminant* or farm or herd) or ke=(ruminant* or farm
or herd)) and (ab=(competitive pre/1 exclusion or strain pre/1 mixture or dietary pre/1
supplementation or lactic pre/1 acid) or ti=(competitive pre/1 exclusion or strain pre/1
mixture or dietary pre/1 supplementation or lactic pre/1 acid) or ke=(competitive pre/1
exclusion or strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid)) and
(ab=(gastrointestinal or enteric) or ti=(gastrointestinal or enteric) or ke=(gastrointestinal or
enteric))
58
8.
(ab=(ruminant* or farm or herd) or ti=(ruminant* or farm or herd) or ke=(ruminant* or farm
or herd)) and (ab=(competitive pre/1 exclusion or strain pre/1 mixture or dietary pre/1
supplementation or lactic pre/1 acid) or ti=(competitive pre/1 exclusion or strain pre/1
mixture or dietary pre/1 supplementation or lactic pre/1 acid) or ke=(competitive pre/1
exclusion or strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid)) and
(ab=(coliform or ehec or o157) or ti=(coliform or ehec or o157) or ke=(coliform or ehec or
o157))
9.
(ab=(ruminant* or farm or herd) or ti=(ruminant* or farm or herd) or ke=(ruminant* or farm
or herd)) and (ab=(competitive pre/1 exclusion or strain pre/1 mixture or dietary pre/1
supplementation or lactic pre/1 acid) or ti=(competitive pre/1 exclusion or strain pre/1
mixture or dietary pre/1 supplementation or lactic pre/1 acid) or ke=(competitive pre/1
exclusion or strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid)) and
(ab=(shiga-like pre/1 toxin or escherichia pre/1 coli or o pre/1 157) or ti=(shiga-like pre/1
toxin or escherichia pre/1 coli or o pre/1 157) or ke=(shiga-like pre/1 toxin or escherichia
pre/1 coli or o pre/1 157))
11.
(ab=(bovine or cattle or cow* or steer or calf or calves or beef) or ti=(bovine or cattle or
cow* or steer or calf or calves or beef) or ke=(bovine or cattle or cow* or steer or calf or
calves or beef)) and (ab=(probiotic* or lactobac* or bifidobac* or propionibac* or
saccharomyces or fermentation or yeast or bacteriocin) or ti=(probiotic* or lactobac* or
bifidobac* or propionibac* or saccharomyces or fermentation or yeast or bacteriocin) or
ke=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or fermentation
or yeast or bacteriocin)) and (ab=(feces or faeces or fecal or faecal or manure) or ti=(feces or
faeces or fecal or faecal or manure) or ke=(feces or faeces or fecal or faecal or manure))
12.
(ab=(bovine or cattle or cow* or steer or calf or calves or beef) or ti=(bovine or cattle or
cow* or steer or calf or calves or beef) or ke=(bovine or cattle or cow* or steer or calf or
calves or beef)) and (ab=(probiotic* or lactobac* or bifidobac* or propionibac* or
saccharomyces or fermentation or yeast or bacteriocin) or ti=(probiotic* or lactobac* or
bifidobac* or propionibac* or saccharomyces or fermentation or yeast or bacteriocin) or
ke=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or fermentation
or yeast or bacteriocin)) and (ab=(gastrointestinal or enteric) or ti=(gastrointestinal or
enteric) or ke=(gastrointestinal or enteric))
13.
(ab=(bovine or cattle or cow* or steer or calf or calves or beef) or ti=(bovine or cattle or
cow* or steer or calf or calves or beef) or ke=(bovine or cattle or cow* or steer or calf or
calves or beef)) and (ab=(probiotic* or lactobac* or bifidobac* or propionibac* or
59
saccharomyces or fermentation or yeast or bacteriocin) or ti=(probiotic* or lactobac* or
bifidobac* or propionibac* or saccharomyces or fermentation or yeast or bacteriocin) or
ke=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or fermentation
or yeast or bacteriocin)) and (ab=(coliform or ehec or o157) or ti=(coliform or ehec or o157)
or ke=(coliform or ehec or o157))
14.
(ab=(bovine or cattle or cow* or steer or calf or calves or beef) or ti=(bovine or cattle or
cow* or steer or calf or calves or beef) or ke=(bovine or cattle or cow* or steer or calf or
calves or beef)) and (ab=(probiotic* or lactobac* or bifidobac* or propionibac* or
saccharomyces or fermentation or yeast or bacteriocin) or ti=(probiotic* or lactobac* or
bifidobac* or propionibac* or saccharomyces or fermentation or yeast or bacteriocin) or
ke=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or fermentation
or yeast or bacteriocin)) and (ab=(shiga-like pre/1 toxin or escherichia pre/1 coli or o pre/1
157) or ti=(shiga-like pre/1 toxin or escherichia pre/1 coli or o pre/1 157) or ke=(shiga-like
pre/1 toxin or escherichia pre/1 coli or o pre/1 157))
16.
(ab=(bovine or cattle or cow* or steer or calf or calves or beef) or ti=(bovine or cattle or
cow* or steer or calf or calves or beef) or ke=(bovine or cattle or cow* or steer or calf or
calves or beef)) and (ab=(competitive pre/1 exclusion or strain pre/1 mixture or dietary pre/1
supplementation or lactic pre/1 acid) or ti=(competitive pre/1 exclusion or strain pre/1
mixture or dietary pre/1 supplementation or lactic pre/1 acid) or ke=(competitive pre/1
exclusion or strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid)) and
(ab=(feces or faeces or fecal or faecal or manure) or ti=(feces or faeces or fecal or faecal or
manure) or ke=(feces or faeces or fecal or faecal or manure))
17.
(ab=(bovine or cattle or cow* or steer or calf or calves or beef) or ti=(bovine or cattle or
cow* or steer or calf or calves or beef) or ke=(bovine or cattle or cow* or steer or calf or
calves or beef)) and (ab=(competitive pre/1 exclusion or strain pre/1 mixture or dietary pre/1
supplementation or lactic pre/1 acid) or ti=(competitive pre/1 exclusion or strain pre/1
mixture or dietary pre/1 supplementation or lactic pre/1 acid) or ke=(competitive pre/1
exclusion or strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid)) and
(ab=(gastrointestinal or enteric) or ti=(gastrointestinal or enteric) or ke=(gastrointestinal or
enteric))
18.
(ab=(bovine or cattle or cow* or steer or calf or calves or beef) or ti=(bovine or cattle or
cow* or steer or calf or calves or beef) or ke=(bovine or cattle or cow* or steer or calf or
calves or beef)) and (ab=(competitive pre/1 exclusion or strain pre/1 mixture or dietary pre/1
supplementation or lactic pre/1 acid) or ti=(competitive pre/1 exclusion or strain pre/1
mixture or dietary pre/1 supplementation or lactic pre/1 acid) or ke=(competitive pre/1
exclusion or strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid)) and
60
(ab=(coliform or ehec or o157) or ti=(coliform or ehec or o157) or ke=(coliform or ehec or
o157))
19.
(ab=(bovine or cattle or cow* or steer or calf or calves or beef) or ti=(bovine or cattle or
cow* or steer or calf or calves or beef) or ke=(bovine or cattle or cow* or steer or calf or
calves or beef)) and (ab=(competitive pre/1 exclusion or strain pre/1 mixture or dietary pre/1
supplementation or lactic pre/1 acid) or ti=(competitive pre/1 exclusion or strain pre/1
mixture or dietary pre/1 supplementation or lactic pre/1 acid) or ke=(competitive pre/1
exclusion or strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid)) and
(ab=(shiga-like pre/1 toxin or escherichia pre/1 coli or o pre/1 157) or ti=(shiga-like pre/1
toxin or escherichia pre/1 coli or o pre/1 157) or ke=(shiga-like pre/1 toxin or escherichia
pre/1 coli or o pre/1 157))
21.
(ab=(sheep or goat* or deer or lamb*) or ti=(sheep or goat* or deer or lamb*) or ke=(sheep
or goat* or deer or lamb*)) and (ab=(probiotic* or lactobac* or bifidobac* or propionibac*
or saccharomyces or fermentation or yeast or bacteriocin) or ti=(probiotic* or lactobac* or
bifidobac* or propionibac* or saccharomyces or fermentation or yeast or bacteriocin) or
ke=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or fermentation
or yeast or bacteriocin)) and (ab=(feces or faeces or fecal or faecal or manure) or ti=(feces or
faeces or fecal or faecal or manure) or ke=(feces or faeces or fecal or faecal or manure))
22.
(ab=(sheep or goat* or deer or lamb*) or ti=(sheep or goat* or deer or lamb*) or ke=(sheep
or goat* or deer or lamb*)) and (ab=(probiotic* or lactobac* or bifidobac* or propionibac*
or saccharomyces or fermentation or yeast or bacteriocin) or ti=(probiotic* or lactobac* or
bifidobac* or propionibac* or saccharomyces or fermentation or yeast or bacteriocin) or
ke=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or fermentation
or yeast or bacteriocin)) and (ab=(gastrointestinal or enteric) or ti=(gastrointestinal or
enteric) or ke=(gastrointestinal or enteric))
23.
(ab=(sheep or goat* or deer or lamb*) or ti=(sheep or goat* or deer or lamb*) or ke=(sheep
or goat* or deer or lamb*)) and (ab=(probiotic* or lactobac* or bifidobac* or propionibac*
or saccharomyces or fermentation or yeast or bacteriocin) or ti=(probiotic* or lactobac* or
bifidobac* or propionibac* or saccharomyces or fermentation or yeast or bacteriocin) or
ke=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or fermentation
or yeast or bacteriocin)) and (ab=(coliform or ehec or o157) or ti=(coliform or ehec or o157)
or ke=(coliform or ehec or o157))
24.
(ab=(sheep or goat* or deer or lamb*) or ti=(sheep or goat* or deer or lamb*) or ke=(sheep
or goat* or deer or lamb*)) and (ab=(probiotic* or lactobac* or bifidobac* or propionibac*
or saccharomyces or fermentation or yeast or bacteriocin) or ti=(probiotic* or lactobac* or
61
bifidobac* or propionibac* or saccharomyces or fermentation or yeast or bacteriocin) or
ke=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or fermentation
or yeast or bacteriocin)) and (ab=(shiga-like pre/1 toxin or escherichia pre/1 coli or o pre/1
157) or ti=(shiga-like pre/1 toxin or escherichia pre/1 coli or o pre/1 157) or ke=(shiga-like
pre/1 toxin or escherichia pre/1 coli or o pre/1 157))
26.
(ab=(sheep or goat* or deer or lamb*) or ti=(sheep or goat* or deer or lamb*) or ke=(sheep
or goat* or deer or lamb*)) and (ab=(competitive pre/1 exclusion or strain pre/1 mixture or
dietary pre/1 supplementation or lactic pre/1 acid) or ti=(competitive pre/1 exclusion or
strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid) or ke=(competitive
pre/1 exclusion or strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid))
and (ab=(feces or faeces or fecal or faecal or manure) or ti=(feces or faeces or fecal or faecal
or manure) or ke=(feces or faeces or fecal or faecal or manure))
27.
(ab=(sheep or goat* or deer or lamb*) or ti=(sheep or goat* or deer or lamb*) or ke=(sheep
or goat* or deer or lamb*)) and (ab=(competitive pre/1 exclusion or strain pre/1 mixture or
dietary pre/1 supplementation or lactic pre/1 acid) or ti=(competitive pre/1 exclusion or
strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid) or ke=(competitive
pre/1 exclusion or strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid))
and (ab=(gastrointestinal or enteric) or ti=(gastrointestinal or enteric) or ke=(gastrointestinal
or enteric))
28.
(ab=(sheep or goat* or deer or lamb*) or ti=(sheep or goat* or deer or lamb*) or ke=(sheep
or goat* or deer or lamb*)) and (ab=(competitive pre/1 exclusion or strain pre/1 mixture or
dietary pre/1 supplementation or lactic pre/1 acid) or ti=(competitive pre/1 exclusion or
strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid) or ke=(competitive
pre/1 exclusion or strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid))
and (ab=(coliform or ehec or o157) or ti=(coliform or ehec or o157) or ke=(coliform or ehec
or o157))
29.
(ab=(sheep or goat* or deer or lamb*) or ti=(sheep or goat* or deer or lamb*) or ke=(sheep
or goat* or deer or lamb*)) and (ab=(competitive pre/1 exclusion or strain pre/1 mixture or
dietary pre/1 supplementation or lactic pre/1 acid) or ti=(competitive pre/1 exclusion or
strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid) or ke=(competitive
pre/1 exclusion or strain pre/1 mixture or dietary pre/1 supplementation or lactic pre/1 acid))
and (ab=(shiga-like pre/1 toxin or escherichia pre/1 coli or o pre/1 157) or ti=(shiga-like
pre/1 toxin or escherichia pre/1 coli or o pre/1 157) or ke=(shiga-like pre/1 toxin or
escherichia pre/1 coli or o pre/1 157))
30.
(ab=(competitive pre/1 exclusion or strain pre/1 mixture or dietary pre/1 supplementation or
lactic pre/1 acid) or ti=(competitive pre/1 exclusion or strain pre/1 mixture or dietary pre/1
62
supplementation or lactic pre/1 acid) or ke=(competitive pre/1 exclusion or strain pre/1
mixture or dietary pre/1 supplementation or lactic pre/1 acid)) and (ab=(bacteria pre/1 load
or bacterial pre/1 load or bacteria pre/1 counts or bacterial pre/1 counts or bacteria pre/1 log
or bacterial pre/1 log or bacteria pre/1 level or bacterial pre/1 level) or ti=(bacteria pre/1 load
or bacterial pre/1 load or bacteria pre/1 counts or bacterial pre/1 counts or bacteria pre/1 log
or bacterial pre/1 log or bacteria pre/1 level or bacterial pre/1 level) or ke=(bacteria pre/1
load or bacterial pre/1 load or bacteria pre/1 counts or bacterial pre/1 counts or bacteria pre/1
log or bacterial pre/1 log or bacteria pre/1 level or bacterial pre/1 level))
31.
(ab=(probiotic* or lactobac* or bifidobac* or propionibac* or saccharomyces or
fermentation or yeast or bacteriocin) or ti=(probiotic* or lactobac* or bifidobac* or
propionibac* or saccharomyces or fermentation or yeast or bacteriocin) or ke=(probiotic* or
lactobac* or bifidobac* or propionibac* or saccharomyces or fermentation or yeast or
bacteriocin)) and (ab=(bacteria pre/1 load or bacterial pre/1 load or bacteria pre/1 counts or
bacterial pre/1 counts or bacteria pre/1 log or bacterial pre/1 log or bacteria pre/1 level or
bacterial pre/1 level) or ti=(bacteria pre/1 load or bacterial pre/1 load or bacteria pre/1 counts
or bacterial pre/1 counts or bacteria pre/1 log or bacterial pre/1 log or bacteria pre/1 level or
bacterial pre/1 level) or ke=(bacteria pre/1 load or bacterial pre/1 load or bacteria pre/1
counts or bacterial pre/1 counts or bacteria pre/1 log or bacterial pre/1 log or bacteria pre/1
level or bacterial pre/1 level))
TOTAL : 4 957
Nombre total de duplicatas : 2 963 (un grand nombre provient de la stratégie Agricola)
Nombre total sans les duplicatas (ESR) = 1 994 résumés
63
Annexe 6
Modèle de lettre demandant des informations supplémentaires aux auteurs
d’une étude.
Docteur,
Notre groupe de recherche a récemment entrepris d’effectuer une analyse systématique de
{OBJECTIF DE L’ANALYSE}.
La validité des analyses systématiques repose sur le repérage de toutes les articles pertinents,
publiés et non publiés, qui traitent de la question étudiée. Après avoir effectué d’importantes
recherches sur ce sujet, nous essayons à présent de savoir si des données sur cette question
ont été omises ou s’il existe des projets de recherche en cours. Notre intention est d’inclure
les informations les plus récentes dans notre analyse systématique.
Au cours de notre travail sur ce projet, nous avons consulté {NOM DE LA CONFÉRENCE
OU DE LA BASE DE DONNÉES ACTUELLE} dans laquelle vous faisiez partie des
auteurs de l’article {RÉSUMÉ / PROJET DE RECHERCHE } intitulé : «{INCLURE LE
TITRE} ». Nous n’avons pas été en mesure de localiser une version évaluée par des pairs de
ce rapport. Nous aimerions savoir si ce travail a été publié et s’il serait possible d’obtenir un
rapport de résultats. Les détails requis pour l’inclusion des résultats de recherche dans
l’analyse systématique sont : une description du plan d’étude, des méthodes de collecte de
données et de laboratoire, une description de l’analyse statistique et les résultats. Ces
informations seraient équivalentes à la section matériel/méthodes et résultats d’une
publication ou d’un rapport. Les résultats de l’analyse seront publiés sous forme regroupée,
et il nous est possible de protéger la source des travaux non publiés et de propriété exclusive.
Notre équipe de recherche aimerait connaître votre opinion et vous remercie à l’avance de
votre concours. N’hésitez pas à me contacter si vous avez des questions.
Veuillez agréer, Docteur, mes salutations distinguées.
64
Annexe 7
Domaines et éléments pour les essais contrôlés et randomisés
Domaine
Question de l’étude
Population étudiée
Randomisation
Procédure d’insu
Interventions
Paramètres
Analyse statistique
Résultats
Discussion
Financement ou
parrainage
Éléments*
• Question clairement ciblée et pertinente
• Description de la population étudiée
• Critères d’inclusion et d’exclusion spécifiques
• Justification de la taille de l’échantillon
• Démarche satisfaisante de la génération de séquences
• Choix d’une méthode de dissimulation appropriée
• Similarité des groupes au départ
• Double insu (insu des examinateurs, du personnel
soignant, des sujets, des évaluateurs et du personnel
participant à l’étude, le cas échéant) pour l’assignation
au traitement
• Intervention(s) clairement détaillée(s) pour tous les
groupes de l’étude (p. ex., dose, voie d’administration,
heures d’administration des médicaments et détails
suffisants pour l’évaluation et la reproductibilité des
autres types d’intervention)
• Conformité avec l’intervention
• Égalité de traitement des groupes sauf pour l’intervention
• Définition des paramètres primaires et secondaires
• Méthode d’évaluation standard, valide et fiable
• Techniques analytiques appropriées traitant des
abandons de l’étude, des pertes de vue lors du suivi, des
données manquantes et de l’analyse selon l’intention de
traiter.
• Analyse de puissance
• Facteurs confusionnels
• Évaluation de l’hétérogénéité, le cas échéant
• Mesure des paramètres et mesure de précision
appropriée
• Proportion de sujets admissibles recrutés dans l’étude et
suivis à chaque évaluation
• Conclusions étayées par les résultats en tenant compte
d’éventuels biais et limitations
• Type et source du financement de l’étude
*Les éléments en italique sont de nature empirique. Les éléments en gras sont considérés comme essentiels
à l’attribution d’une cote de « Oui » pour le domaine concerné et donc pour passer avec succès l’étape
d’évaluation de la qualité.
Tiré de l’AHRQ (2002).
65
Domaines et éléments des études observationnelles
Domaines
Question de
l’étude
Population
étudiée
Comparabilité
des sujets+
Exposition ou
intervention
Paramètre
Analyse
statistique
Résultats
Discussion
Financement ou
parrainage
Éléments
• Question clairement ciblée et pertinente
• Description des populations étudiées
• Justification de la taille de l’échantillon
Pour toutes les études observationnelles
• Critères d’inclusion/exclusion spécifiques pour tous les groupes
• Critères appliqués de manière égale à tous les groupes
• Comparabilité des groupes au départ relativement à l’état de la
maladie et aux facteurs pronostiques
• Groupes de l’étude comparables aux non-participants en ce qui
concerne les facteurs confusionnels
• Recours à des témoins concomitants
• Comparabilité du suivi entre les groupes à chaque évaluation
Critères supplémentaires pour les études cas-témoins
• Définition explicite des cas
• Détermination des cas non influencée par le statut d’exposition
• Témoins similaires aux cas, mais sans la pathologie d’intérêt et avec
des probabilités égales d’exposition
• Définition claire de l’exposition
• Méthode de mesure standard, valide et fiable
• Exposition mesurée de la même façon dans tous les groupes de
l’étude
• Paramètres primaires/secondaires clairement définis
• Paramètres évalués en insu du statut d’exposition ou d’intervention
• Méthode d’évaluation des paramètres standard valide et fiable
• Durée du suivi appropriée pour la question de l’analyse
• Tests statistiques appropriés
• Prise en considération de comparaisons multiples
• Techniques de modélisation et multivariables, le cas échéant
• Analyse de puissance fournie
• Évaluation des facteurs confusionnels
• Évaluation du rapport dose-efficacité, le cas échéant
• Mesure des paramètres et mesure de précision appropriée
• Suivi approprié pour chaque groupe de l’étude
• Conclusions étayées par les résultats en tenant compte
d’éventuels biais et limitations
• Type et sources du financement de l’étude
*Les éléments en italique sont de nature empirique. Les éléments en gras sont considérés comme essentiels à l’attribution d’une cote
de « Oui » pour le domaine concerné.
+Domaine pour lequel une cote de « Oui » a nécessité la prise en considération d’une majorité des éléments.
Tiré d’un rapport du Research Triangle Institute-University of North Carolina Evidence-based Practice Center to the Agency for
Health Research and Quality.
66
ANNEXE 8
Références pour l’analyse critique des publications
1.
Dohoo, IR, Waltner-Toews, D: Interpreting clinical research. Part I. General
considerations. Compend Contin Educ Pract Vet 1985;7:S473-S478.
2.
Dohoo, IR, Waltner-Toews, D: Interpreting clinical research. Part II. Descriptive and
experimental studies. Compend Contin Educ Pract Vet 1985;7:S513-S519.
3.
Dohoo, IR, Waltner-Toews, D: Interpreting clinical research. Part III. Observational
studies and interpretation of results. Compend Contin Educ Pract Vet 1985;7:S605S613.
4.
Martin, SW, Bonnett BN: Clinical epidemiology. Can Vet J 1987;28:318-325.
5.
Evidence-Based Medicine Working Group: Evidence-based medicine: A new
approach to teaching the practice of medicine. J Am Med Assoc 1992;268:2420-2425.
6.
Guyatt, GH, Sackett, MD, Cook, DJ (for the Evidence-Based Medicine Working
Group): Users’ Guides to the Medical Literature. II. How to use an article about
therapy or prevention. A. Are the results of the study valid? J Am Med Assoc
1993;270:2598-2601.
7.
Guyatt, GH, Sackett, MD, Cook, DJ (for the Evidence-Based Medicine Working
Group): Users’ Guides to the Medical Literature. II. How to use an article about
therapy or prevention. B. What were the results and will they help me in caring for
my patient? J Am Med Assoc 1994;271:59-63.
8.
Jaeschke, R, Guyatt, GH, Sackett, MD (for the Evidence-Based Medicine Working
Group): Users’ Guides to the Medical Literature. III. How to use an article about a
diagnostic test. A. Are the results of the study valid? J Am Med Assoc 1994;271:389391.
9.
Jaeschke, R, Guyatt, GH, Sackett, MD (for the Evidence-Based Medicine Working
Group): Users’ Guides to the Medical Literature. III. How to use an article about a
diagnostic test. B. What are the results and will they help me in caring for my
patients? J Am Med Assoc 1994;271:703-707.
10.
Levine, M, Walter, S, Lee H, et al (for the Evidence-Based Medicine Working
Group): Users’ Guides to the Medical Literature. IV. How to use an article about
harm. J Am Med Assoc 1994;271:1615-1619.
67
11.
Laupacis, A, Wells, G, Richardson, S, et al (for the Evidence-Based Medicine
Working Group): Users’ Guides to the Medical Literature. V. How to use an article
about prognosis. J Am Med Assoc 1994;272:234-237.
12.
Oxman, AD, Cook, DJ, Guyatt, GH (for the Evidence-Based Medicine Working
Group): Users’ Guides to the Medical Literature. VI. How to use an overview. J Am
Med Assoc 1994;272:1367-1371.
13.
Rennie, D, Flanagin, A: Publication bias: The triumph of hope over experience. J Am
Med Assoc 1992;267:411-412.
14.
Cochrane, AL: 1931-1971: A critical review, with particular reference to the medical
profession. In: Medicine for the Year 2000. London, Office of Health Economics, p
2-12. 1979.
15.
Curtis, CR, Salman, MD and Shott, SP. Values. JAVMA 1er août 1990;197(3):318320.
16.
Curtis, CR Salman, MD and Shott, S. Power and Sample Size. JAVMA 1er oct.
1990;197(1):838-840.
17.
Salman, MD, Curtis, CR and Shott, S. Comparing Means. JAVMA 1er janv.
1991;198(1):62-65.
18.
Salman, MD, Curtis, CR and Shott, S. Data Description. JAVMA 1er juil.
1990;197(1):36-38.
19.
Shott, S. Association. JAVMA 1er fév. 1991;198(3): 404-407.
20.
Shott, S. Comparing Proportions. JAVMA 1er déc. 1990;197(11):1460-1462.
21.
Shott, S. Confidence Intervals. JAVMA 1er sept. 1990;197(5):576-578.
22.
Shott, S. Logistic Regression and Discriminant Analysis. JAVMA 1er juin
1991;198(11):1902-1904.
23.
Shott, S. Nonparametric Statistics. JAVMA 1er av. 1991;1988(7):1126-1128.
24.
Shott, S. Regression. JAVMA 1er mars 1991;198(5):798-801.
25.
Shott, S. Study Design. JAVMA 1er nov. 1990;197(9):1142-1144.
26.
Shott, S. Survival Analysis. JAVMA 1er mai 1991;198(9):1513-1515.
68
FORMULAIRE 1
OUTIL DE SÉLECTION DES RÉSUMÉS FONDÉE
SUR LA PERTINENCE, GÉNÉRIQUE
(modification des documents du REDSP http://www.phred-redsp.on.ca/])
No de réf._______________
Examinateur :____________
Critères de pertinence
1) Le résumé décrit-il une étude de recherche primaire (par opposition à un article de
synthèse)?
O
N
2) Le résumé décrit-il l’intervention abordée dans l’analyse
systématique chez les espèces d’intérêt ?
O
N
3) Le résumé évalue-t-il l’intervention en relation avec les
paramètres d’intérêt pour la question de l’analyse systématique
O
N
La réponse doit être « Oui » à toutes les questions pour que la référence soit soumise à
l’étape suivante de l’évaluation de la qualité.
69
FORMULAIRE 2
OUTIL DE SÉLECTION DES RÉSUMÉS FONDÉE
SUR LA PERTINENCE
Probiotics for the reduction of E. coli O157 in the feces of beef and dairy cattle
(« Recours aux probiotiques pour la réduction d’E. coli O157 dans les fèces de
bovins de boucherie et de bovins laitiers »)
No de réf._______________
Examinateur :____________
Critères de pertinence
1) Ce résumé décrit-il une étude de recherche primaire (par opposition à un article de
synthèse)?
O
N
2) Le résumé décrit-il le recours aux probiotiques chez les ruminants domestiques
vivants en post-sevrage?
O
N
3) Le résumé décrit-il l’effet des probiotiques sur la présence ou le niveau d’E. coli
O157 dans les fèces?
O
N
70
FORMULAIRE 3
OUTIL DE SÉLECTION DES RÉSUMÉS FONDÉE
SUR LA PERTINENCE
Questions multiples dans une analyse (exemple : maladie de Johne/maladie de Crohn)
1) Ce résumé décrit-il une étude de recherche primaire (par opposition à un article de
synthèse)?
O
N
2) Ce résumé examine-t-il (cochez toutes les cases correspondantes)…
Une association possible entre la maladie de Crohn chez l’humain et
Mycobacterium avium sous-espèces paratuberculosis (MAP) isolées chez
l’humain?
Une association possible entre la maladie de Johne (MAP ou paratuberculose)
chez les ruminants et la maladie de Crohn chez les humains?
Des produits laitiers ou des aliments humains comme source potentielle de MAP?
\
71
FORMULAIRE 4
A. LISTE DE VÉRIFICATION POUR L’ÉVALUATION DE LA QUALITÉ DES
ESSAIS CLINIQUES RANDOMISÉS
Élément de qualité
Code
Explication
Objectifs et population étudiée
Les objectifs se rapportent-ils à la
question de l’analyse systématique?
Oui
Non
Oui : Les objectifs sont clairement définis.
Non : Revenir à l’étape de sélection fondée sur la
pertinence et réévaluer.
La taille de l’échantillon était-elle
justifiée?
Oui
En partie
Non
Les animaux ont-ils été logés ou
groupés dans des conditions
semblables aux conditions sur le
terrain?
Oui
En partie
Non
Oui : Emploi de formules de calcul de la taille des
échantillons, basées sur la puissance ou la précision
voulue, et estimation de la variabilité anticipée pour
détecter les différences.
En partie : Estimations informelles de la taille des
échantillons.
Non : Pas de détails dans le texte.
Oui : Animaux logés dans des enclos, dans des étables et
en densités représentatifs des conditions sur le terrain.
En partie : Animaux logés ou groupés en faible densité,
dans des conditions différentes des conditions sur le
terrain.
Non : Animaux logés ou groupés individuellement.
Oui
Non
Étude portant sur une seule ferme.
La proportion des exploitations de bétail
ayant refusé de participer à l’étude et les
motifs de ce refus ont-ils été décrits?
Oui
Non
Ferme
unique
Intervention (assignation au traitement, insu)
Oui
Les unités d’échantillonnage ont-elles
En partie
été assignées aléatoirement aux
Non
groupes de traitement?
Avant l’intervention, les unités
d’échantillonnage ont-elles passé des
tests de dépistage de la maladie évaluée?
Les protocoles d’intervention ont-ils
été correctement décrits?
La voie d’administration, le schéma
d’administration et le niveau de
groupement des animaux étaient-ils
réalisables dans un cadre commercial?
A-t-on utilisé un groupe témoin
approprié?
Oui
Non
Oui : tableau aléatoire ou informatisé de nombres,
assignation a priori des nombres marqués, alternance ou
affectation systématique, échantillons aléatoires
stratifiés, randomisation de groupement.
En partie : « randomisées » ou aléatoirement assignées
sans explication, assignation quotidienne.
Non : Échantillons prélevés sans processus formel de
sélection aléatoire : jugement, aspect pratique,
intentionnel.
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
Non
L’insu de l’évaluateur des paramètres a-t- Oui
il été adéquatement réalisé quant à l’état
Non
d’intervention des unités de traitement?
Ne sait
pas
Oui
Non
Oui
Non
Ne sait pas
72
Élément de qualité
Code
Explication
Paramètre
Les tests de laboratoire utilisés pour
évaluer le paramètre étaient-ils décrits et
appropriés?
Oui
Non
Oui : *
Non
*Des spécialistes de l’analyse doivent élaborer des normes
minimales pour chaque analyse systématique.
Oui : L’étude prévoit suffisamment de temps pour observer
le paramètre d’intérêt après l’administration de
l’intervention.
Non
*À définir pour chaque analyse systématique.
La durée séparant l’administration de
l’intervention et la mesure des
paramètres était-elle suffisante pour
obtenir le paramètre évalué?
Retraits et perte de vue lors du suivi
La mortalité, les retraits et/ou les pertes
de vue ont-ils été pris en compte?
La proportion de pertes de vue était-elle
acceptable?
Analyse des données
L’analyse statistique était-elle
satisfaisante?
Les estimations et les mesures de
variabilité utilisées pour répondre à la
question étudiée ont-elles été
présentées de manière satisfaisante?
Les facteurs confusionnels ont-ils été
correctement pris en considération?
Conclusions
Les conclusions étaient-elles étayées par
les résultats?
Oui
Non
Oui
En
partie
Non
Oui
Non
Oui : Nombres indiqués ou déductibles des tableaux, et
raisons indiquées pour chaque groupe, ou pas de pertes de
vue.
En partie : nombres, mais pas de raisons (ou inversement).
Non
Oui : Pourcentages de sujets perdus de vue < 10 %.
Oui
Non
Oui : analyse conforme au plan d’étude, analyse appropriée
des données globales le cas échéant.
Non
Oui : estimations de paramètres + mesure de variabilité ou
valeur p fournies ou données suffisantes fournies pour les
statistiques post hoc corrigées.
Non
Oui
Non
Non : > 10 % ou non décrit.
Oui
Non
Oui : facteurs comprenant l’exclusion, l’appariement
ou le contrôle analytique.
En partie : certains facteurs confusionnels ont été
contrôlés, mais ils n’étaient pas tous importants.
Non
*Les facteurs confusionnels importants sont définis
pour chaque analyse systématique.
Oui
Non
Oui
Non
Adapté des manuels de CRD et AHRQ.
Remarque : Les éléments en gras sont considérés comme essentiels à
l’attribution d’une cote de « Oui » pour le domaine concerné.
En cas de cote « Non » à une seule question en gras, les résumés seront exclus
de l’analyse.
73
B. LISTE DE VÉRIFICATION POUR L’ÉVALUATION DE LA QUALITÉ DES ÉTUDES
DE PROVOCATION
Élément de qualité
Code
Explication
Objectifs et population étudiée
Les objectifs se rapportent-ils à la
question de l’analyse systématique?
Oui
Non
Oui : Objectifs clairement définis.
Non : Revenir à l’étape de sélection fondée sur la
pertinence et réévaluer.
Oui
En
partie
Non
Oui : Emploi de formules de calcul de la taille des
échantillons, basées sur la puissance ou la précision
voulue, et estimation de la variabilité anticipée pour
détecter les différences.
En partie : Estimations informelles de la taille des
échantillons.
Non : Pas de détails dans le texte.
La taille de l’échantillon était-elle
justifiée?
Intervention (administration de la provocation, assignation du traitement, insu)
Oui : tableau aléatoire ou informatisé de nombres,
Oui
Les unités d’échantillonnage ont-elles
assignation a priori des nombres marqués, alternance ou
En
été assignées aléatoirement aux
affectation systématique, échantillons aléatoires stratifiés,
partie
groupes de traitement?
randomisation de groupement.
Non
En partie : « randomisées » ou aléatoirement assignées
Avant l’intervention, les unités
d’échantillonnage ont-elles passé des
tests de dépistage de la maladie évaluée?
Les protocoles d’intervention ont-ils
été correctement décrits?
La voie d’administration, le schéma
d’administration et le niveau de
groupement des animaux étaient-ils
réalisables dans un cadre commercial?
A-t-on utilisé un groupe témoin
approprié?
Oui
Non
sans explication, assignation quotidienne.
Non : Échantillons prélevés sans processus formel de
sélection aléatoire : jugement, aspect pratique, intentionnel.
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui
Non
L’insu de l’évaluateur des paramètres at-il été adéquatement réalisé quant à
l’état d’intervention des unités de
traitement?
Évaluation des paramètres
Les tests de laboratoire utilisés pour
déterminer le paramètre ont-ils été
décrits et étaient-ils appropriés?
Oui
Non
Ne sait
pas
Oui
Non
Ne sait pas
Oui
Non
La durée séparant l’administration de
l’intervention et la mesure des
paramètres était-elle suffisante pour
obtenir le paramètre d’intérêt?
Oui
Non
Oui : *
Non
*Des spécialistes de l’analyse doivent élaborer des normes
minimales pour chaque analyse systématique.
Oui : L’étude prévoit suffisamment de temps pour observer
le paramètre d’intérêt après l’administration de
l’intervention.
Non
*À définir pour chaque analyse systématique.
Oui
Non
74
Élément de qualité
Retraits et perte de vue lors du suivi
La mortalité, les retraits et/ou les pertes
de vue ont-ils été pris en compte?
Code
Explication
Oui
En partie
Non
Oui : Nombres indiqués ou déductibles des tableaux, et
raisons indiquées pour chaque groupe, ou pas de pertes
de vue.
En partie : nombres, mais pas de raisons (ou
inversement).
Non
Oui : Pourcentages de sujets perdus de vue < 10 %.
La proportion de pertes de vue était-elle
acceptable?
Analyse des données
L’analyse statistique était-elle
satisfaisante?
Oui
Non
Les estimations et les mesures de
variabilité utilisées pour répondre à la
question étudiée ont-elles été
présentées de manière satisfaisante?
Les facteurs confusionnels ont-ils été
correctement pris en considération?
Oui
Non
Conclusions
Les conclusions étaient-elles étayées par
les résultats?
Oui
Non
Non : > 10 % ou non décrit.
Oui : analyse conforme au plan d’étude, analyse
appropriée des données globales le cas échéant.
Non
Oui : estimations de paramètres + mesure de variabilité
ou valeur p fournies ou données suffisantes fournies
pour les statistiques post hoc corrigées.
Non
Oui
Non
Oui : facteurs comprenant l’exclusion,
l’appariement ou le contrôle analytique.
En partie : certains facteurs confusionnels ont été
contrôlés, mais ils n’étaient pas tous importants.
Non
*Les facteurs confusionnels importants sont
définis pour chaque analyse systématique.
Oui
Non
Oui :
Non :
Adapté des manuels de CRD et AHRQ.
Remarque : Les éléments en gras sont considérés comme essentiels à
l’attribution d’une cote de « Oui » pour le domaine concerné.
En cas de cote « Non » à une seule question en gras, les résumés seront exclus
de l’analyse.
75
C. LISTE DE VÉRIFICATION POUR L’ÉVALUATION DE LA QUALITÉ DES ÉTUDES
DE COHORTE
Élément de qualité
Code
Objectifs et population étudiée
Les objectifs se rapportent-ils à la
question de l’analyse systématique?
Oui
Non
Oui : Les objectifs sont clairement définis.
Non : Revenir à l’étape de sélection fondée sur la
pertinence et réévaluer.
La taille de l’échantillon était-elle
justifiée?
Oui
En partie
Non
Les animaux ont-ils été logés ou
groupés dans des conditions
semblables aux conditions sur le
terrain?
Oui
En partie
Non
Oui : Emploi de formules de calcul de la taille des
échantillons, basées sur la puissance ou la précision
voulue, et estimation de la variabilité anticipée pour
détecter les différences.
En partie : Estimations informelles de la taille des
échantillons.
Non : Pas de détails dans le texte.
Oui : Animaux logés dans des enclos, dans des étables et
en densités représentatifs des conditions sur le terrain.
En partie : Animaux logés ou groupés en faible densité,
dans des conditions différentes des conditions sur le
terrain.
Non : Animaux logés ou groupés individuellement.
Oui
Non
Étude portant sur une seule ferme.
La proportion des exploitations de bétail
ayant refusé de participer à l’étude et les
motifs de ce refus ont-ils été décrits?
Oui
Non
Ferme
unique
Intervention (assignation au traitement, insu)
À l’intérieur de l’exploitation agricole, la Oui
sélection des animaux ou des enclos
Non
était-elle décrite et justifiée?
La voie d’administration, le schéma
Oui
d’administration et le niveau de
Non
groupement des animaux étaient-ils
réalisables dans un cadre commercial?
Oui
A-t-on utilisé un groupe témoin
Non
approprié?
L’insu de l’évaluateur des paramètres aOui
t-il été adéquatement réalisé quant à
Non
l’état d’intervention des unités de
Ne sait
traitement?
pas
Évaluation des paramètres
Les tests de laboratoire utilisés pour
Oui
déterminer le paramètre ont-ils été
Non
décrits et étaient-ils appropriés?
La durée séparant l’administration de
l’intervention et la mesure des
paramètres était-elle suffisante pour
obtenir le paramètre d’intérêt?
Oui
Non
Explication
Oui
Non
Oui :
Non
Oui
Non
Oui :
Non
Ne sait pas
Oui : *
Non
*Des spécialistes de l’analyse doivent élaborer des normes
minimales pour chaque analyse systématique.
Oui : L’étude prévoit suffisamment de temps pour observer
le paramètre d’intérêt après l’administration de
l’intervention.
Non
*À définir pour chaque analyse systématique.
76
Élément de qualité
Retraits et perte de vue lors du suivi
La mortalité, les retraits et/ou les pertes
de vue ont-ils été pris en compte?
La proportion de pertes de vue étaitelle acceptable?
Analyse des données
L’analyse statistique était-elle
satisfaisante?
Les estimations et les mesures de
variabilité utilisées pour répondre à
la question étudiée ont-elles été
présentées de manière satisfaisante?
Les facteurs confusionnels ont-ils été
correctement pris en considération?
Conclusions
Les conclusions étaient-elles étayées
par les résultats?
Code
Explication
Oui
En
partie
Non
Oui
Non
Oui : Nombres indiqués ou déductibles des tableaux, et
raisons indiquées pour chaque groupe, ou pas de pertes de
vue.
En partie : nombres, mais pas de raisons (ou inversement).
Non
Oui : Pourcentages de sujets perdus de vue < 10 %.
Oui
Non
Oui : analyse conforme au plan d’étude, analyse
appropriée des données globales le cas échéant.
Non
Oui : estimations de paramètres + mesure de variabilité ou
valeur p fournies ou données suffisantes fournies pour les
statistiques post hoc corrigées.
Non
Oui
Non
Non : > 10 % ou non décrit.
Oui
Non
Oui : facteurs comprenant l’exclusion, l’appariement
ou le contrôle analytique.
En partie : certains facteurs confusionnels ont été
contrôlés, mais ils n’étaient pas tous importants.
Non
*Les facteurs confusionnels importants sont définis
pour chaque analyse systématique.
Oui
Non
Oui :
Non :
Adapté des manuels de CRD et AHRQ.
Remarque : Les éléments en gras sont considérés comme essentiels à
l’attribution d’une cote de « Oui » pour le domaine concerné.
En cas de cote « Non » à une seule question en gras, les résumés seront exclus
de l’analyse.
77
D. LISTE DE VÉRIFICATION POUR L’ÉVALUATION DE LA QUALITÉ DES ÉTUDES
CAS-TÉMOINS ET DES ÉTUDES TRANSVERSALES
Élément de qualité
Code
Explication
Objectifs et population étudiée
Les objectifs se rapportent-ils à la
question de l’analyse systématique?
Oui
Non
Oui : Objectifs clairement définis.
Non : Revenir à l’étape de sélection fondée sur la
pertinence et réévaluer.
La taille de l’échantillon était-elle
justifiée?
Oui
En
partie
Non
Les animaux ont-ils été logés ou
groupés dans des conditions
semblables aux conditions sur le
terrain?
Oui
En
partie
Non
Oui : Emploi de formules de calcul de la taille des
échantillons, basées sur la puissance ou la précision
voulue, et estimation de la variabilité anticipée pour
détecter les différences.
En partie : Estimations informelles de la taille des
échantillons.
Non : Pas de détails dans le texte.
Oui : Animaux logés dans des enclos, dans des étables et
en densités représentatifs des conditions sur le terrain.
En partie : Animaux logés ou groupés en faible densité,
dans des conditions différentes des conditions sur le
terrain.
Non : Animaux logés ou groupés individuellement.
Oui
Non
Étude portant sur une seule ferme.
La proportion des exploitations de
Oui
bétail ayant refusé de participer à
Non
l’étude et les motifs de ce refus ont-ils
Ferme
été décrits?
unique
Oui
Les cas et les témoins étaient-ils
Non
similaires, pas quant à la maladie
d’intérêt, mais aux probabilités
d’être d’exposition?
(Études cas-témoins uniquement)
Intervention (assignation au traitement, insu)
À l’intérieur de l’exploitation agricole, Oui
la sélection des animaux ou des enclos Non
était-elle décrite et justifiée?
Les protocoles d’intervention ont-ils Oui
Non
été correctement décrits?
Oui
A-t-on utilisé un groupe de
Non
comparaison acceptable pour la
variable d’intervention ou
d’exposition?
La variable d’intervention ou
Oui
d’exposition a-t-elle été évaluée de la
Non
même manière pour les cas et les
témoins?
Évaluation des paramètres
Les tests de laboratoire utilisés pour
Oui
déterminer le paramètre ont-ils été
Non
décrits et étaient-ils appropriés?
La durée séparant l’administration
de l’intervention et la mesure des
Oui
Non
Oui : témoins sélectionnés dans la même population de
base de l’étude et n’ayant pas présenté le paramètre
pendant la période de l’étude.
Non
Sans objet : pour les études transversales
Oui
Non
Oui
Non
Oui
Non
Oui
Non
Oui : *
Non
*Des spécialistes de l’analyse doivent élaborer des normes
minimales pour chaque analyse systématique.
Oui : L’étude prévoit suffisamment de temps pour observer
le paramètre d’intérêt après l’administration de
l’intervention
78
l’intervention.
Non
*À définir pour chaque analyse systématique.
paramètres était-elle suffisante pour
obtenir le paramètre d’intérêt?
Élément de qualité
Retraits et perte de vue lors du suivi
La mortalité, les retraits et/ou les pertes
de vue ont-ils été pris en compte?
La proportion de pertes de vue étaitelle acceptable?
Analyse des données
L’analyse statistique était-elle
satisfaisante?
Les estimations et les mesures de
variabilité utilisées pour répondre à
la question étudiée ont-elles été
présentées de manière satisfaisante?
Les facteurs confusionnels ont-ils été
correctement pris en considération?
Conclusions
Les conclusions étaient-elles étayées
par les résultats?
Code
Explication
Oui
En
partie
Non
Oui
Non
Oui : Nombres indiqués ou déductibles des tableaux, et
raisons indiquées pour chaque groupe, ou pas de pertes de
vue.
En partie : nombres, mais pas de raisons (ou inversement).
Non
Oui : Pourcentages de sujets perdus de vue < 10 %.
Oui
Non
Oui : analyse conforme au plan d’étude, analyse
appropriée des données globales le cas échéant.
Non
Oui : estimations de paramètres + mesure de variabilité ou
valeur p fournies ou données suffisantes fournies pour les
statistiques post hoc corrigées.
Non
Oui
Non
Non : > 10 % ou non décrit.
Oui
Non
Oui : facteurs comprenant l’exclusion, l’appariement
ou le contrôle analytique.
En partie : certains facteurs confusionnels ont été
contrôlés, mais ils n’étaient pas tous importants.
Non
*Les facteurs confusionnels importants sont définis
pour chaque analyse systématique.
Oui
Non
Oui
Non
Adapté des manuels de CRD et AHRQ.
Remarque : Les éléments en gras sont considérés comme essentiels à
l’attribution d’une cote de « Oui » pour le domaine concerné.
En cas de cote « Non » à une seule question en gras, les résumés seront exclus
de l’analyse.
79
FORMULAIRE 5
FORMULAIRE D’EXTRACTION DES DONNÉES POUR L’ANALYSE FOURNIE À
TITRE D’EXEMPLE SUR L’EMPLOI DES PROBIOTIQUES VISANT À RÉDUIRE
E. COLI O157 CHEZ LES RUMINANTS
Formulaire d’extraction des données
Informations générales
No I.D. de la référence
Auteur(s)
Titre, volume et pages de l’article
Source
Date de l’extraction des données
Logiciel ESR
Inclus dans ESR
Inclus dans ESR
Inclus dans ESR
Incluse dans ESR
Incluse dans ESR
Explication
Revue, comptes rendus, etc.
Zone texte (aaaa/mm/jj)
Si des révisions sont
nécessaires.
Nom de la personne ayant
effectué l’extraction des données
Langue de la publication
Inclus dans ESR
Subvention de l’étude
Zone texte (nom de l’établissement)
Inconnu
a. Essai randomisé et contrôlé
b. Étude de provocation
c. Étude cas-témoins
d. Étude transversale
2. Étude de cohorte
f. Étude de prévalence
Plan d’étude, cocher une
réponse :
Anglais
Zone texte pour autre langue
Le fait d’inclure des articles
dans d’autres langues diminue
le biais.
Cette question indique le niveau
des données fournies par
l’étude.
Population
Pays où se trouvaient les sujets
de l’étude
Lieu du déroulement de l’étude?
Quel type d’échantillonnage a été
utilisé pour sélectionner la (les)
ferme(s)? (Études
observationnelles)
États-Unis
Canada
Zone texte – Europe
Zone texte – Amérique du Sud
Zone texte – Autre
a. Une seule ferme – Commerciale
b. Zone texte – Une seule ferme –
Station expérimentale ou Université
c. Zone texte – Plus d’une ferme
(nombre de fermes)
d. Non décrit
e. Autre (Zone texte)
a. Zone texte – Commodité
b. Zone texte – Intentionnel
c. Zone texte – Aléatoire
d. Non décrit
e. Ne s’applique pas (essai
randomisé et contrôlé, essais de
provocation)
Entrez tout ce qui s’applique
par ordre alphabétique
Pertinence externe,
hétérogénéité
Zone texte (nom de la station
universitaire ou de l’université,
nombre de fermes)
Validité externe
Zone texte – Expliquer la
commodité ou le type
d’échantillon aléatoire
Validité externe et interne
80
Quels étaient les critères
d’inclusion/exclusion des unités
expérimentales? (Études
observationnelles)
a. Zone texte – Expliquer
b. Non décrit
c. Sans objet
Attributs des animaux
a. Bétail commercial ou
l’équivalent
b. Privés de colostrum
c. Gnotobiotique
d. Intentionnellement
immunodéprimés
e. Non décrit
f. Autre
a. Vaches laitières
b. Bœufs (logés dans des enclos)
c. Bœufs (pâture)
d. Moutons
e. Chèvres
f. Zone texte – Autre
a. Adulte
b. Jeunes en sevrage
c. Pré-sevrage
d. Nouveau-nés
e. Groupes mélangés
f. Zone texte – Autre
g. Non décrit
a. Animaux laitiers
b. British X
c. Continental X
d. Brahman X
e. Mélangée
f. Suffolk
g. Zone texte – Autre
h. Non décrit
a. Femelles
b. Mâles
c. Les deux
d. Non décrit
Exemple de zone texte pour
vaches de réforme, vaches
laitières, vaches taries et
vaches dans des loges pour
animaux malades pour
représenter la répartition des
vaches au sein d’un troupeau
en termes de parité et de
classification.
Validité externe et interne
Quel type d’animaux a été utilisé
dans l’expérience?
Cochez tout ce qui s’applique.
Quel était l’âge des unités
expérimentales?
Quelle était la race des animaux
de l’étude?
Cochez tout ce qui s’applique.
Quel était le sexe des animaux de
l’étude?
Validité externe
Validité externe
Validité externe
Validité externe
Validité externe
Intervention
Quel était le niveau d’unité
expérimentale auquel le
traitement a été assigné?
a. Ferme
b. Enclos
c. Animal individuel logeant seul
d. Animal individuel dans des
enclos (tous les animaux sont
expérimentaux)
Validité externe et
méthodologie de l’étude
81
Quel type d’assignation aux
groupes de traitement a été
utilisé?
(Essais randomisés et de
provocation)
Les tests de dépistage d’E. coli
O157 étaient-ils négatifs avant le
début de l’expérience?
e. Animal individuel dans des
enclos (contenant aussi des animaux
non expérimentaux)
f. Non décrit
a. Zone texte – Randomisation
simple
b. Zone texte – Randomisation
stratifiée
c. Zone texte – Randomisation
bloquée
d. Zone texte – Assignation
systématique
e. Non décrit
f. Sans objet
Oui
Non
Non testé
Sans objet
Zone texte (décrire la méthode
pour b, c et d)
Validité externe et interne
Seulement pour les essais
randomisés et contrôlés, les
essais de provocation et de
cohorte.
Visées descriptives
Les animaux ont-ils été exposés à
E. coli avant, pendant ou après
l’administration des probiotiques?
Avant
Pendant
Après
Non décrit
Sans objet
Seulement pour les essais
randomisés et contrôlés, les
essais de provocation et de
cohorte.
Quel était le niveau de
provocation à E. coli?
Zone texte
Inclure le nombre, le taux et les
unités; ex. : 5*10^8 UFC/g
Quel type de souche de
probiotique a été administré à
chaque groupe de traitement,
quelle était la dose et quelles
étaient les unités?
a. Zone texte – Saccharomyces
cervisiae
b. Zone texte Streptococcus
thermophilus
c. Zone texte – Enterococcus faecium
d. Zone texte – Lactobacillus
acidophilus
e. Zone texte – Lactobacillus casei
f. Zone texte – Lactobacillus
fermentum
g. Zone texte – Propionibacterium
freudenreichii
h. Zone texte – Probiotiques E. coli
i. Seulement les produits microbiens
d’exclusion compétitive ou les
probiotiques
a. Zone texte – Saccharomyces
cervisiae
b. Zone texte Streptococcus
thermophilus
e. Zone texte – Enterococcus faecium
f. Zone texte – Lactobacillus
Visées descriptives
Visées descriptives
Groupe A
Veuillez remplir les
renseignements appropriés
Groupe B
Veuillez remplir les
renseignements appropriés
Zone texte (souche, dose, unité)
ex. : NP45, 5*10^6 UFC/ml
Visées descriptives
Idem
82
acidophilus
g. Zone texte – Lactobacillus casei
h. Zone texte – Lactobacillus
fermentum
i. Zone texte – Lactobacillus plantrum
j. Zone texte – Propionibacterium
freudenreichii
k. Zone texte – Clostridium butyricum
h. Zone texte – Probiotiques E. coli
i. Produits microbiens d’exclusion
compétitive ou les probiotiques
Groupe C
Idem
Idem
Quel type de groupe(e) témoin(s)
non probiotique(s) a été utilisé?
a. Non infecté, non probiotique
b. Infecté, non probiotique
c. Non infecté, non probiotique
mais placebo
d. Infecté, non probiotique mais
placebo
e. Non décrit
f. Sans objet
Zone texte
Visées descriptives
Validité interne
Quelle était la durée
d’administration des
probiotiques?
Zone texte (la durée totale de
l’administration des
probiotiques permet de
déterminer le nombre et l’unité
de temps, p. ex., 3 semaines)
Visées descriptives
Quelle était la fréquence
d’administration des
probiotiques?
Comment les probiotiques ont-ils
été administrés?
Zone texte
a. Zone texte – Par voie orale par
l’alimentation
b. Zone texte – Par voie orale par
l’eau
c. Zone texte – Par voie orale par le
lait
d. Zone texte – Canule dans le
rumen
e. Zone texte – Autre
e. Non décrit
Zone texte (déterminer le
nombre et l’unité de temps;
p. ex., 2x/jour ou 1x au début)
Visées descriptives
Visées descriptives
83
Paramètre
Quelle était la technique
employée pour mesurer de la
présence d’E. coli O157?
Cochez tout ce qui s’applique et
expliquez.
a. Zone texte – Planification directe
b. Zone texte – Culture avec milieu
d’enrichissement
c. Zone texte – Culture avec milieu
de sélection
d. Séparation immunomagnétique
e. Réaction d’agglutination
f. Zone texte – Test sérologique
g. Zone texte – Test biochimique
h. Zone texte – Technique
moléculaire
i. Zone texte – Dilutions pour la
numération bactérienne
j. Zone texte – Autre
Ensemencement direct sur
gélose (McConckey)
Enrichissement (préciser le
milieu d’enrichissement utilisé)
Sélection (préciser le milieu
sélectif utilisé)
Test biochimique (système
API)
Technique moléculaire (PCR)
Dilution pour la numération
(dilution de 10 fois dans du
PBS et ensemencement direct
sur plaque pour la numération)
Visées descriptives
Les témoins +/– ou un échantillon
systématique de colonies ont-ils
été utilisés pour les tests précités?
a. Zone texte – Planification directe
b. Zone texte – Culture avec milieu
d’enrichissement
c. Zone texte – Culture avec milieu
Cochez tout ce qui s’applique et
de sélection
expliquez.
d. Séparation immunomagnétique
e. Zone texte – Test sérologique
f. Zone texte – Test biochimique
g. Zone texte – Technique
moléculaire
h. Zone texte – Dilutions pour la
numération bactérienne
i. Zone texte – Autre
j. Zone texte – Aucun témoin décrit
Quels paramètres secondaires ont a. Gain moyen quotidien (GQM)
été utilisés pour déterminer l’effet b. Consommation journalière
des probiotiques?
moyenne (CJM)
c. Rapport aliments/gain (A/G)
d. Scores de diarrhée
Cochez tout ce qui s’applique.
e. Évaluation des carcasses
f. Zone texte – Autre
g. Aucun
A-t-il été fait état de l’insu des
Zone texte – Oui
personnes administrant
Non
l’intervention et de celles
Non décrit
évaluant les paramètres
Sans objet
secondaires?
Zone texte pour expliquer quel
type de témoin positif et négatif
a été utilisé ou le nombre
d’aliquots utilisés pour les
dilutions.
Validité et méthodologie des
tests de laboratoire utilisés
Visées descriptives – Effets
bénéfiques et nuisibles de
l’intervention
Zone texte pour préciser les cas
où les scores de diarrhée sont
évalués (si nous souhaitons
inclure cette information)
Validité interne
84
Analyse statistique
Combien de fermes, d’enclos et
d’animaux ont été incus dans
l’expérience?
Cochez tout ce qui s’applique.
Combien de fermes, d’enclos et
d’animaux ont été incus dans
chaque groupe de traitement?
Cochez tout ce qui s’applique.
L’analyse statistique a-t-elle été
effectuée au niveau de la ferme?
L’analyse statistique a-t-elle été
effectuée au niveau de l’enclos?
Si l’analyse statistique a été
effectuée au niveau de l’enclos, le
niveau de la ferme a-t-il été
contrôlé?
L’analyse statistique a-t-elle été
effectuée à un niveau individuel?
Si l’analyse statistique a été
effectuée à un niveau individuel,
le niveau de la ferme a-t-il été
contrôlé?
Si l’analyse statistique a été
effectuée à un niveau individuel,
le niveau de l’enclos a-t-il été
contrôlé?
Le paramètre d’intérêt a-t-il été
mesuré plus d’une fois?
Si le paramètre d’intérêt a été
mesuré plus d’une fois, la durée
a-t-elle été contrôlée dans
l’analyse?
Des données brutes d’intérêt sur
le paramètre ont-elles été
présentées?
Zone texte – Ferme
Zone texte – Blocs
Zone texte – Enclos
Zone texte – Animaux
Non décrit
Zone texte – Ferme
Zone texte – Blocs
Zone texte – Enclos
Zone texte – Animaux
Non décrit
Oui
Non
Non décrit
Sans objet
Oui
Non
Non décrit
Sans objet
Oui
Non
Non décrit
Sans objet
Oui
Non
Non décrit
Sans objet
Oui
Non
Non décrit
Sans objet
Oui
Non
Non décrit
Sans objet
Zone texte – Oui
Non
Non décrit
Zone texte – Oui
Non
Non décrit
Sans objet
Oui
Non
COCHEZ TOUT CE QUI
S’APPLIQUE ET INDIQUEZ
LE NOMBRE.
Comment l’analyse des données
a-t-elle été effectuée.
Contrôle des données
regroupées
Contrôle des données
regroupées
Contrôle des données
regroupées
Contrôle des données
regroupées
Contrôle des données
regroupées
Contrôle des données
regroupées
Zone texte (pour expliquer la
fréquence; p. ex., 2x/15 de
l’essai, chaque jour)
Mesures répétées
Zone texte (pour indiquer
l’estimation, l’IC et/ou la valeur
de p de l’effet du temps)
Mesures répétées
Le cas échéant, nous devons
revoir l’article et analyser les
données.
85
Les facteurs de confusion comme
l’âge, le sexe et le poids ont-ils
été contrôlés par le blocage, la
stratification, l’appariement ou
ont-ils été contrôlés au sein de
l’analyse?
Cochez tout ce qui s’applique et
expliquez de quelle façon ils ont
été contrôlés.
Quand les échantillons ont-ils été
prélevés?
Cochez tout ce qui s’applique.
Un effet des saisons a-t-il été
signalé?
Dans l’affirmative, veuillez
expliquer.
Résultats
Tableau des résultats – Données
continues
Veuillez remplir les
renseignements manquants
Groupe A
Groupe B
Groupe C
Groupe D
Témoin
Tableau des résultats – Données
dichotomiques
Veuillez remplir les
renseignements manquants
Groupe A
Groupe B
Groupe C
Groupe D
Témoin
Zone texte – Âge
Zone texte – Sexe
Zone texte – Poids
Zone texte – Autre
Zone texte – Pas décrit
Printemps
Été
Automne
Hiver
Zone texte – Oui
Non
Non rapporté
Sans objet
Confusion
Davantage lors des études
observationnelles
Zone texte (expliquer l’effet des
saisons rapporté)
– GLOBAL, MOYENNES DES
MOINDRES CARRÉS OU DES
CONTRASTES
– Différences moyennes log. par
rapport au témoin
– Unité des résultats
– IC à 95 % inférieur/supérieur
– Écart-type
– Valeur de p
Sous forme de tableau dans
ESR
– Nombre d’unités
expérimentales/groupe +
– Proportion d’unités
expérimentales/groupe +
– Nombre total d’unités
expérimentales/groupe
– Rapport de cotes
– Risque relatif
– IC à 95 % inférieur/supérieur
– Valeur de p
Sous forme de tableau dans
ESR
Façon dont les résultats
continus sont rapportés
Façon dont les résultats
continus sont rapportés
Tableaux des paramètres
secondaires
Veuillez remplir les
renseignements manquants
86
Gain moyen quotidien (GMQ)
Groupe A
Groupe B
Groupe C
Groupe D
Témoin
Quantité moyenne d’aliments
ingérés (QMAI)
Groupe A
Groupe B
Groupe C
Groupe D
Témoin
Aliments:gain (A:G)
Groupe A
Groupe B
Groupe C
Groupe D
Témoin
Scores de diarrhée
Groupe A
Groupe B
Groupe C
Groupe D
Témoin
– Global, moyennes des moindres
carrés ou des contrastes
– Différences moyennes par
rapport au témoin
– Unité des résultats
– IC à 95 % inférieur/supérieur
– Écart-type
– Valeur de p
Sous forme de tableau dans
ESR
– Global, moyennes des moindres
carrés ou des contrastes
– Différences moyennes par
rapport au témoin
– Unité des résultats
– IC à 95 % inférieur/supérieur
– Écart-type
– Valeur de p
– Global, moyennes des moindres
carrés ou des contrastes
– Différences moyennes par
rapport au témoin
– Unité des résultats
– IC à 95 % inférieur/supérieur
– Écart-type
– Valeur de p
Sous forme de tableau dans
ESR
– Global, moyennes des moindres
carrés ou des contrastes
– Différences moyennes par
rapport au témoin
– Unité des résultats
– IC à 95 % inférieur/supérieur
– Écart-type
– Valeur de p
Sous forme de tableau dans
ESR
T-box
Zone texte (indique tout
problème et/ou tout
renseignement supplémentaire
pouvant être important pour
faire un sommaire des données)
Ne s’applique pas à toutes les
études
Ne s’applique pas à toutes les
études
Sous forme de tableau dans
ESR
Ne s’applique pas à toutes les
études
Ne s’applique pas à toutes les
études
Commentaires finaux
Commentaires/Inquiétudes
87