Cochrane produit des revues systématiques parce qu'elles constituent le moyen le plus fiable de savoir si une intervention ou un test particulier est efficace.
Lors d'une revue systématique, nous examinons soigneusement toutes les recherches scientifiques afin de répondre à une question particulière - par exemple, « Le traitement X aide-t-il les personnes atteintes de la maladie Y ? » - et nous déterminons ensuite l'effet global. Nous utilisons des méthodes statistiques sophistiquées pour combiner et comparer plusieurs études, parfois des centaines, ce qui rend nos revues plus fiables que les études individuelles.
Regardez cette vidéo pour en savoir plus sur les revues systématiques, sur la manière dont elles sont préparées et sur leur importance pour toute personne qui doit prendre des décisions éclairées en matière de santé.
Vidéo : Que sont les revues systématiques ? (3 minutes 23 secondes)
Transcription de la vidéo
Que sont les revues systématiques ? Les revues systématiques permettent de donner un sens à de nombreux types de données. Elles permettent de revoir toutes les données et tous les résultats de la recherche sur une question particulière de manière standardisée et systématique. Une revue systématique permet de donner une vue d'ensemble objective et transparente de toutes les données probantes concernant une question particulière.
Le logo Cochrane représente visuellement la manière dont les résultats de certaines revues systématiques peuvent être expliqués. Voici comment fonctionne une revue systématique.
Il faut d'abord définir une question et convenir d'une méthode objective pour la poser. Imaginez qu'un cercle soit la zone définie par une question. Tout ce qui s'y trouve concerne la question. Tout ce qui est à l'extérieur ne l'est pas. Dans ce cercle, les données pertinentes seront incluses.
Une recherche de données pertinentes commence. Ces données peuvent provenir de nombreuses sources, notamment d'essais cliniques. Imaginez que les formes représentent des ensembles de données provenant de différentes recherches, par exemple, différents essais cliniques.
Si la recherche répond aux critères, des informations plus détaillées sur la recherche peuvent être collectées ou extraites.
Les informations extraites peuvent comprendre : la manière dont la recherche a été effectuée (souvent appelée méthode), les personnes qui ont participé à la recherche (y compris le nombre de personnes, la manière dont elle a été financée - par exemple, les sources de financement), ce qui s'est passé (les critères de jugement).
Ces informations sont comparées aux critères afin d'évaluer la qualité de la recherche. Une fois les informations extraites, elles peuvent être combinées à l'aide de méthodes statistiques complexes afin d'obtenir un résultat global à partir de l'ensemble des données.
Ce cercle est une façon de représenter visuellement ces données. C'est ce qu'on appelle un diagramme en forêt (forest plot).
Le domaine d'enquête défini par la question doit être divisé en une moitié « oui » et une moitié « non » : un côté positif et un côté négatif. Plus la ligne est courte, plus la confiance est forte dans ce que nous disent les données.
Une ligne plus longue correspond à des données moins ciblées et dispersées, tandis qu'une ligne plus courte correspond à des données plus ciblées et groupées. Imaginez la connaissance comme la lumière et l'ignorance comme l'obscurité : plus le foyer de la lumière est étendu, plus elle est faible et moins les choses sont claires. Si la lumière est concentrée et que les données sont regroupées plus clairement, nous pouvons avoir plus confiance dans ce que nous voyons.
Le losange représente les résultats combinés de toutes les données incluses. Parce que ce résultat combiné utilise des données provenant de plus de sources qu'un seul ensemble de données, il est considéré comme plus fiable et comme une meilleure donnée probante. Plus il y a de données, plus nous avons confiance.
