Impact, détection et correction du biais de publication dans la méta-analyse en réseau

La méta-analyse (MA) en réseau, en généralisant la MA conventionnelle, permet d'évaluer toutes les comparaisons deux à deux possibles entre interventions. Les biais de publication ont reçu peu d’attention dans ce contexte. Nous avons évalué l’impact des biais de publication en utilisant un réseau de 74 essais randomisés évaluant 12 antidépresseurs contre placebo enregistrés à la FDA et un réseau de 51 essais parmi les 74 dont les résultats étaient publiés. Nous avons montré comment les biais de publication biaisaient les quantités d'effet estimées et le classement des traitements. L'effet du biais de publication peut différer entre MA en réseau et MA conventionnelle en ce que les biais affectant un traitement peuvent affecter le classement de tous les traitements. Nous avons ensuite généralisé un test de détection des biais à la MA en réseau. Il est basé sur la comparaison entre les nombres attendu et observé d’essais avec résultats statistiquement significatifs sur l’ensemble du réseau. Nous avons montré par des études de simulation que le test proposé avait une puissance correcte après ajustement sur l’erreur de type I, excepté lorsque la variance inter-essais était élevée. Par ailleurs, le test indiquait un signal significatif de biais sur le réseau d’essais d’antidépresseurs publiés. Enfin, nous avons introduit deux modèles d’analyse de sensibilité des résultats d'une MA en réseau aux biais de publication: un modèle de méta-régression qui relie la quantité d’effet estimée à son erreur standard, et un modèle de sélection dans lequel on estime la propension d’un essai à être publié puis l’on redresse le poids des essais en fonction de cette propension. Nous les avons appliqués aux réseaux d’essais d’antidépresseurs. Ce test et ces modèles d'ajustement tirent leur force de tous les essais du réseau, sous l’hypothèse qu'un biais moyen commun opère sur toutes les branches du réseau.