Synthèse des données probantes en RCE
Jusqu’à présent, ce chapitre s’est concentré en grande partie sur les principales approches de recherche en RCE, dans lesquelles une équipe de recherche identifie une question, sélectionne une population étudiée, des comparateurs et le plan de l’étude, mène l’étude et rend compte de ses résultats. En science médicale et clinique, cependant, une étude produit rarement des résultats suffisamment définitifs pour changer la pratique. Dans la plupart des cas, les connaissances se développent à travers une série d’expériences ou d’observations qui ont un impact cumulatif sur notre compréhension commune.
La recherche secondaire, ou synthèse de preuves, est un ensemble de méthodes qui ont émergé dans le cadre de la médecine fondée sur des preuves et vise à étendre les connaissances en agrégeant les résultats ou les données de plusieurs études individuelles. Il vise à déterminer ce qui est connu dans un domaine d’enquête à travers toutes les études de recherche primaires pertinentes disponibles et à estimer la variabilité ou la cohérence des données probantes. Ces outils permettent de résumer « ce que nous savons” (conclusions cohérentes) et « à quel point nous le savons” (c.-à-d. la confiance que les conclusions sont valides, précises et peu susceptibles de changer avec les recherches futures) pour informer de manière la plus appropriée les décideurs en matière de politiques et de pratiques de soins de santé ou déterminer les besoins de recherches futures.66 Au fur et à mesure que la méthodologie de synthèse des données probantes, y compris les revues systématiques et d’autres approches, s’est développée, la recherche « secondaire” a acquis un rôle important et influent dans la RCE, la politique de soins de santé et la pratique clinique dans le monde entier, en particulier en tant que base de connaissances pour les lignes directrices cliniques.
Il existe plusieurs approches sous l’égide de la synthèse de preuves. La plus connue d’entre elles, les revues systématiques, a été promue au début des années 1990 comme antidote à la citation sélective des résultats à l’appui de l’opinion d’un expert dans un domaine clinique donné.67,68 Les revues systématiques ont été acceptées par les décideurs comme une approche qui utilise des méthodes complètes, rigoureuses, explicites et ostensiblement reproductibles et qui comprend une évaluation critique de la conception et de la conduite de chaque étude. Selon la définition de l’OIM, les revues systématiques sont « essentielles pour les cliniciens qui s’efforcent d’intégrer les résultats de la recherche dans leurs pratiques quotidiennes” et constituent donc un élément essentiel des directives de pratique clinique fiables.69
La production de revues systématiques est actuellement soutenue par la Collaboration internationale Cochrane, les Centres de pratique fondés sur des données probantes AHRQ et bien d’autres. Les revues systématiques se distinguent des revues narratives et se caractérisent par des méthodes objectives et clairement spécifiées pour localiser, évaluer de manière critique, résumer et rendre compte de toutes les recherches pertinentes à une question particulière. En 2011, l’OIM a spécifié 21 normes avec 82 éléments de performance pour mener des examens systématiques de la RCE; ces normes visaient à garantir que les examens systématiques soient objectifs, transparents et scientifiquement valables.69 Le PCORI a adopté presque entièrement les normes de l’OIM dans ses Normes méthodologiques axées sur les normes de synthèse des preuves (voir Encadré).
Normes de synthèse des données probantes
Former une équipe possédant l’expertise et l’expérience appropriées pour mener l’examen systématique et assurer la contribution des utilisateurs et des parties prenantes à la conception et à la conduite de l’examen systématique, tout en gérant de manière appropriée les conflits d’intérêts chez tous les participants.
Formuler le sujet de l’examen systématique, élaborer et examiner par les pairs le protocole d’examen, et publier le protocole final avec des modifications opportunes, le cas échéant.
Effectuer et documenter une recherche exhaustive et systématique de données probantes, en veillant à s’attaquer aux sources potentielles de biais dans la communication des résultats de recherche.
Pour les études individuelles:
a.
Évaluer et documenter l’évaluation des études individuelles pour inclusion / exclusion selon le protocole; et
b.
Mener et documenter l’évaluation critique des études individuelles pour le biais, la pertinence et la fidélité des interventions en utilisant des critères prédéfinis.
Utiliser des approches standard et rigoureuses de collecte et de gestion des données.
Synthétiser l’ensemble des preuves qualitativement et, si cela est justifié, quantitativement, en utilisant des méthodes prédéfinies.
Évaluer l’ensemble des données probantes sur la qualité globale liée aux caractéristiques et la confiance dans les estimations de l’effet sur les résultats pré-spécifiés.
Rapportez les résultats en utilisant un format structuré, examinez le projet de rapport par les pairs (y compris la période de commentaires du public) et publiez le rapport final pour permettre un accès gratuit au public.
Ces normes reflètent le consensus scientifique actuel et sont susceptibles d’être complétées ou révisées périodiquement à mesure que les principaux producteurs d’examens systématiques, tels que Cochrane, AHRQ, International Health Technology Assessment (HTA), et d’autres, continueront de travailler avec les décideurs et de mener des études empiriques supplémentaires sur l’impact de ces normes sur la production d’examens systématiques pertinents et impartiaux. De nouvelles normes seront également élaborées et les normes actuelles révisées par le développement de méthodes empiriques supplémentaires pour des approches analytiques, y compris des comparaisons de traitements mixtes, une méta-analyse de réseau et une méta-analyse des données individuelles des patients (voir chapitre 22).
Comme pour les études primaires, les revues systématiques étaient initialement axées principalement sur des questions d’efficacité plutôt que sur une efficacité comparative. Cependant, les principes et les méthodes de la revue systématique s’appliquent tout aussi bien pour la synthèse des résultats des études de la RCE. Il faut veiller à assurer l’équivalence des comparaisons synthétisées entre les études. Lorsque les mêmes contrastes traitement-comparaison (ou raisonnablement similaires) sont disponibles dans une série d’études, les techniques métaanalytiques traditionnelles peuvent être appropriées pour combiner les résultats.
Les ATE ont été les premiers exemples de l’application des méthodes d’examen systématique pour comparer les avantages et les inconvénients des nouvelles technologies avec les solutions de rechange existantes. La recherche sur l’ETS vise à fournir des preuves pour la prise de décision sur l’incorporation de nouvelles technologies de la santé et utilise une approche interdisciplinaire pour évaluer l’impact de ces technologies dans la pratique clinique.70 Les ” technologies » évaluées comprennent les produits pharmaceutiques ainsi que les dispositifs, procédures et autres interventions. De 1972 à 1995, les États-Unis avaient un Bureau d’évaluation de la technologie qui fournissait au Congrès des informations non partisanes sur un large éventail de questions scientifiques et technologiques, y compris les soins de santé. Bien que les États-Unis n’aient plus cette agence nationale, HTA reste une entreprise robuste à l’échelle internationale.71 Aux États-Unis, l’ETS se poursuit dans certaines initiatives d’État, telles que le Drug Effectiveness Review Project en Oregon, qui synthétise des preuves cliniques et était initialement destiné aux décisions de classe de médicaments dans le cadre de Medicaid.72 HTA a également reçu le soutien des payeurs et des décideurs du système de santé par l’intermédiaire d’entités telles que le Centre d’évaluation de la technologie Blue Cross – Blue Shield.73 L’AHRQ finance également une partie de l’ETS par l’intermédiaire de ses centres de pratique fondés sur des données probantes, et ceux-ci sont souvent utilisés par l’Assurance-maladie dans le cadre de leurs décisions de couverture nationale.
Au fur et à mesure que l’examen systématique a pris de l’ampleur, de nombreuses innovations ou adaptations se sont développées pour répondre aux besoins de preuves résumées plus opportunes ou plus robustes qui s’appliquent et peuvent éclairer de manière compréhensible la prise de décision dans un éventail de contextes. Dans de nombreux cas, il n’y a pas plusieurs études de RCE comportant des comparaisons directes de deux traitements ou plus. Les comparaisons indirectes représentent des inférences sur le traitement A par rapport au traitement B en synthétisant les résultats d’études qui ne comparent pas directement les deux, par exemple en comparant les résultats des études de A par rapport à l’absence de traitement et de B par rapport à l’absence de traitement. Un certain nombre de mises en garde s’appliquent lors des comparaisons indirectes, mais des méthodes quantitatives connues sous le nom de comparaisons de traitements mixtes ont été développées pour relever les défis liés à la réalisation de synthèses statistiquement valides basées sur des comparaisons indirectes. L’une des méthodes les plus connues, la méta-analyse de réseau, est de plus en plus appliquée dans les protocoles et les rapports des revues de la Régie.La méta-analyse du réseau 74-76 s’appuie à la fois sur les preuves directes et indirectes disponibles pour les comparaisons de deux interventions ou plus; cette méthodologie conserve autant de preuves que possible lors d’une revue systématique d’essais avec un comparateur commun.77 Il faut garder à l’esprit plusieurs mises en garde, y compris la nature observationnelle des comparaisons indirectes.78 Néanmoins, cette méthode est prometteuse, en particulier lorsque des preuves idéales ne sont pas disponibles pour répondre aux besoins urgents de prise de décision.
La plupart des métaanalyses et des revues systématiques sont basées sur des données agrégées, c’est-à-dire les résultats de plusieurs études. Ces données sont facilement accessibles à partir de la littérature médicale publiée avec des mises en garde pour se protéger contre les biais de publication favorisant la surreprésentation des résultats positifs dans les résultats publiés.79 Malgré leur accessibilité relative, les données agrégées ne sont pas aussi robustes que les données individuelles participantes pour synthétiser les résultats de la recherche. La méta-analyse des données individuelles des participants (IPD) a été appelée l’étalon-or car elle permet de caractériser les résultats en fonction des caractéristiques individuelles des participants (telles que l’âge, le sexe, le risque de maladie ou la comorbidité), qui ne peuvent pas être étudiées de manière adéquate à l’aide de résultats d’études agrégés. La méta-analyse IPD est une technique particulièrement puissante pour traiter les effets de traitement hétérogènes et pour cibler les traitements les plus susceptibles d’en bénéficier (ou les moins susceptibles d’être lésés). La méta-analyse IPD n’a pas été appliquée aussi souvent qu’on pourrait s’y attendre pour une technique de recherche « étalon-or”, en grande partie en raison des défis considérables liés à l’accès aux données d’essai originales. Cependant, l’application de cette méthode se développe et devrait encore s’accélérer à mesure que l’éthique du partage des données et de la science ouverte prend de l’ampleur.79-81
La synthèse des preuves existantes est toujours limitée par la portée et la rigueur des preuves existantes, et les limites sont les plus sévères pour les traitements émergents, souvent coûteux. Il peut y avoir peu ou pas de données probantes sur les comparaisons avec des solutions de rechange existantes et moins coûteuses, en partie en raison d’un manque d’exigences ou d’incitations pour ce type de recherche avant l’approbation. Dans de tels cas, les méthodes traditionnelles de synthèse des données probantes ne seront pas en mesure de répondre rapidement aux besoins des décideurs, bien que des tentatives de synthèse puissent être utiles pour identifier les lacunes pertinentes dans la littérature de la RCE.82
Il y a de plus en plus de plaidoyer et d’appréciation pour un plus large éventail d’approches qui peuvent être considérées comme faisant partie de la famille des méthodes de synthèse de preuves. L’une de ces approches est la modélisation décisionnelle. En l’absence de preuves empiriques sur d’importantes questions d’efficacité comparative, les décideurs peuvent déterminer que les modèles mathématiques incorporant des estimations à partir des preuves empiriques disponibles et des hypothèses raisonnables pour les paramètres manquants constituent un substitut valable. De tels modèles peuvent estimer les résultats probables de la recherche comparative sur l’efficacité dont les décideurs ont besoin. Dans certains cas, ces modèles s’étendent pour intégrer des analyses coût-efficacité, afin d’évaluer plus facilement la valeur relative de diverses solutions de rechange. Les modèles de rentabilité intègrent généralement des mesures de résultats qui peuvent faciliter l’estimation de la valeur relative entre les maladies ou les affections. Il s’agit notamment des années de vie sauvées, des années de vie corrigées de la qualité ou de l’invalidité et d’autres. Bien que les avantages et les inconvénients de telles approches dépassent le présent chapitre, il est important de reconnaître qu’il s’agit de domaines actifs et importants que ceux qui s’intéressent à la RCE pertinente pour les politiques peuvent être appelés à comprendre et à aborder.