Discussion:Méta-analyse

très bien, super,

Salut,

J'ai lu le texte pour m'aider pour mon propre rapport. Il m'a été de grande utilité.

Meilleures salutations

remarques sur l'article -- Sandra 24 février 2011 à 11:27 (CET)

Hello,

Après lecture de ton article, j'ai plusieurs remarques :

• concernant les critères d'inclusion (point 2) : tu dis "Il est également possible de regrouper les études inclues et d'analyser ensuite si l'inclusion de l'un ou l'autre groupe influe sur la taille des effets"

je ne comprends pas bien cette phrase, car les critères d'inclusion servent uniquement à décider si oui ou non l'étude X pourra faire partie de ton analyse. Les critères sont fixes et tu ne peux pas y déroger.

• Homogénéité des effets (point 4) : L'assomption d'indépendances des études est un critère central pour l'approche de méta-analyse. Il se traduit par l'effet d'homogénéité. Il est important car c'est lui qui détermine si l'effet global est valide (et donc il y a une homogénéité des résultats), ou s'il faut faire des analyses complémentaires (subgroups analysis) à cause du manque d'homogénéité dans les résultats.

Malheureusement, Hoeffler et Leutner (2007) ne tiennent pas compte de ceci, c'est en autre, ce qui nous a poussé à répliquer leurs analyses, et à faire notre propre analyse avec, cette fois, une procédure statistique en bonne et due forme. Il n'est jamais aisé de prendre en compte cette homogénéité/hétérogénéité, car si justement dans ton analyse, tu as beaucoup d'études aux résultats fort divers, il est à parier qu'il existe soit un problème avec les critères d'inclusion (trop permissifs), soit avec la variable de construit que tu cherches à analyser (multiples variables dépendantes, et donc violation de l'assomption d'indépendance des études)

La variabilité de l'effet global (overall effect) doit être testé par une analyse d'homogénéité (statistiques Q, qui a une distribution en Chi carré (Cooper, 1989; Hedges & Olkin, 1985). Un Q significatif détermine des explorations supplémentaires (analyses en groupes, analyse des modérateurs, etc.) Par ailleurs, pour montrer/calculer des différences parmi les multiples variables dépendantes ou parmis les analyses en sous-groupes ou les analyses des modérateurs, il faut utiliser une procédure analogue à l'analyse de variance (analogs of analysis of variance), et qui fournit des valeurs Z globales et de sous-groupes. Le Z global teste l'effet de la procédure de groupement, c'est-à-dire l'impact du modérateur. Le Z de sous-groupes (modérateur) quand à lui indique l'effet de l'effect size (c'est-à-dire la différence entre animé et statique, quand les études ont été groupées selon ce modérateur ou cette variables dépendantes)(Borenstein, Hedges, & Rothstein, 2009)

• calcul des effets : pour moi, avant le calcul des effets, il y a tout le travail sur le codage des variables dépendantes, qui n'est vraiment pas une mince affaire, et qui devrait figurer dans ton article. Car parfois, et c'est le cas dans l'article de Hoeffler & Leutner, ils ont considéré des variables comme indépendantes alors qu'ils auraient du les considérer comme variable dépendante multiple (et donc utiliser une autre procédure ou du moins adapter la procédure stat).

• le choix de la méthode : pour compléter le paragraphe sur la méthode aléatoire : Le modèle des effets aléatoires assume que chaque étude est associée avec un paramètre différent mais relié à la variable analysée.