Key points are not available for this paper at this time.
La croissance de la recherche sur l'efficacité comparative et de la médecine fondée sur des preuves a accru l'attention portée aux revues systématiques et aux méta-analyses. La méta-analyse synthétise et compare les preuves provenant de plusieurs études indépendantes pour améliorer l'efficacité statistique et réduire le biais. Évaluer l'hétérogénéité est crucial pour effectuer une méta-analyse et interpréter les résultats. En tant que mesure d'hétérogénéité largement utilisée, la statistique I 2 quantifie la proportion de la variation totale entre les études causée par de réelles différences dans la taille de l'effet. La présence d'études extrêmes peut sérieusement exagérer la statistique I 2. Deux mesures d'hétérogénéité alternatives, le JOURNAL/epide/04.03/00001648-201811000-00010/inline-graphic1/v/2023-09-08T093746Z/r/image-tiff et le JOURNAL/epide/04.03/00001648-201811000-00010/inline-graphic2/v/2023-09-08T093746Z/r/image-tiff, ont été récemment proposées pour réduire l'impact des études extrêmes. Pour évaluer empiriquement la performance de ces mesures, nous les avons appliquées à 20 599 méta-analyses dans la bibliothèque Cochrane. Nous avons trouvé que le JOURNAL/epide/04.03/00001648-201811000-00010/inline-graphic3/v/2023-09-08T093746Z/r/image-tiff et le JOURNAL/epide/04.03/00001648-201811000-00010/inline-graphic4/v/2023-09-08T093746Z/r/image-tiff ont un fort accord avec le I 2, tout en étant plus robustes que le I 2 en cas d'apparition d'études extrêmes.
Ma et al. (Thu,) ont étudié cette question.