Can authorship bias be detected in meta-analysis?

RéSUMé: OBJECTIF: Des approches statistiques ont été élaborées pour détecter les biais dans les essais individuels, mais nous manquons d'orientations sur les méthodes à utiliser pour les détecter au niveau des méta-analyses. Dans cet article, nous étudions s'il est possible de détecter des biais liés à l'auteur dans un ensemble d'essais randomisés inclus dans une méta-analyse. MéTHODES: Nous avons utilisé les données sur la mortalité tirées de 35 essais (10 880 patients) inclus dans notre méta-analyse publiée antérieurement. Nous avons tout d'abord lié chaque auteur à son étude (ou à ses études). Nous avons ensuite calculé des rapports de cotes (odds ratios) spécifiques utilisant des méthodes de tableaux unifactoriels croisés. Enfin, nous avons testé l'effet « auteur ¼ en comparant les rapports de cotes estimés de chaque auteur avec le rapport de cotes groupé de tous les autres auteurs au moyen d'une métarégression. RéSULTATS: Le nombre médian d'investigateurs cité comme auteurs dans les publications principales des essais était de six (plage interquartile : 5 à 8, limites : 2 à 32). Les résultats ont montré que la pente de l'effet « auteur ¼ pour la mortalité allait de -1,35 à 0,71. Nous n'avons identifié qu'une seule équipe d'auteurs ayant un effet peu à la limite de la significativité (-0,39; intervalle de confiance à 95 % : -0,78 à 0,00). Cette équipe a un historique de rétractions de publications en raison de manipulations des données et de violations de l'éthique. CONCLUSION: Lorsqu'ils combinent les données des essais pour produire une estimation groupée de l'effet, les investigateurs doivent envisager les sources de biais potentiels. Nos résultats suggèrent que des erreurs systématiques peuvent être détectées en utilisant une métarégression bien qu'il soit nécessaire de poursuivre les recherches pour évaluer la sensibilité de ce modèle. Les réviseurs systématiques tireront parti de la disponibilité de méthodes les protégeant de la dissémination de résultats susceptibles de fausser des prises de décision potentielles.