Qu'est-ce qu'un graphique en forêt (Forest Plot) ? Guide pratique de méta-analyse
Tout ce qu'il faut savoir pour lire et construire des forest plots de méta-analyse prêts pour publication en modèles à effet fixe et à effets aléatoires de DerSimonian-Laird.
Forest plots de méta-analyse à effet fixe/aléatoire (DL), poids, I², τ² et Q.
Décoder carrés, moustaches et poids
Chaque ligne d'un forest plot synthétise une étude indépendante. Le carré se place sur l'estimation ponctuelle (par exemple un Odds Ratio ou une différence de moyennes) et sa surface est proportionnelle au poids par variance inverse : les études plus vastes et plus précises ont de plus grands carrés et des moustaches de 95 % CI plus étroites.
La ligne d'absence d'effet et le losange combiné
Une ligne verticale en pointillés marque l'absence de différence entre traitements : 1,0 pour les mesures de rapport (OR, RR, HR) sur axe logarithmique, ou 0,0 pour les différences de moyennes continues. Le losange en bas indique l'estimation méta-analytique combinée et ses pointes horizontales marquent le 95 % CI global. Lorsque le losange reste entièrement d'un côté de la ligne nulle, l'effet global est statistiquement significatif.
Rapporter I², τ² et le choix effet fixe vs effets aléatoires
Le test Q de Cochran évalue si les effets des études varient davantage que par le seul hasard, tandis que I² exprime le pourcentage de variance totale attribuable à une véritable hétérogénéité inter-études (environ 25 % faible, 50 % modérée, 75 % élevée). Lorsqu'une diversité clinique est attendue, présentez le modèle à effets aléatoires de DerSimonian-Laird accompagné de τ².