Comprendre les niveaux de preuve : ce que chaque type d'étude montre et ce qu'il ne montre pas

Ce que mesure un niveau de preuve : la confiance, pas la vérité

Un niveau de preuve dit quelque chose de l'état des connaissances, pas de la nature. Le système GRADE, adopté par de nombreuses organisations professionnelles dans le monde, distingue quatre degrés : certitude élevée, modérée, faible et très faible. Ces degrés répondent à une seule question : quelle est la probabilité que de nouvelles bonnes études déplacent encore le résultat d'aujourd'hui ? Un article de consensus rédigé par un groupe méthodologique international a fixé cette grille en 2008 dans le British Medical Journal, dans la forme qui reste en usage. Il sépare deux choses que l'on confondait régulièrement jusque-là : la certitude des données et la force de la recommandation qu'on en tire.

Le point le plus important, et le plus souvent négligé : la certitude s'attribue par critère de jugement, pas par étude et pas par article. Une revue Cochrane de 2023 sur la chirurgie des parathyroïdes réunit huit essais randomisés portant sur 447 adultes. Pour le critère « guérison », l'équipe d'auteurs qualifie la certitude de modérée ; pour la densité osseuse lombaire, dans le même travail, de très faible. Qui ne lit que le titre et la conclusion croit les deux également bien établis.

Pourquoi deux spécialistes classent-ils différemment la même étude ?

Parce que chaque déclassement suppose un jugement : quelle ampleur doit atteindre une imprécision pour qu'elle compte ? Une contradiction entre deux études est-elle réelle ou due au hasard ? GRADE rend ces jugements visibles et oblige à les motiver, mais il ne les fait à la place de personne. Deux équipes rigoureuses peuvent donc aboutir à des degrés différents à partir des mêmes données.

Les échelons, et ce que chacun permet d'écarter

La hiérarchie classique se dessine le plus souvent en pyramide : en bas les cas cliniques et les essais de laboratoire, au-dessus les études observationnelles, puis les essais randomisés, au sommet les revues systématiques. Cet ordre ne classe pas l'importance : il classe les protocoles selon l'explication alternative que chacun parvient à écarter. Un cas clinique n'écarte rien, il fait naître une hypothèse. Le tirage au sort est le seul procédé qui écarte aussi les facteurs de confusion inconnus, parce qu'il glisse le hasard entre les groupes.

L'échelon n'est donc pas un jugement de qualité sur les chercheurs. Une étude de cohorte soigneusement contrôlée peut être plus fiable qu'un essai randomisé mal conduit, et une méta-analyse bâtie sur dix travaux faibles reste faible. La pyramide classe des protocoles, pas des publications isolées.

La randomisation : ce qu'elle apporte et ce qu'elle ne répare pas

Le biais qu'engendre une randomisation négligée se mesure. Une analyse de 2'443 essais randomisés tirés de 228 méta-analyses de la bibliothèque Cochrane a comparé les travaux à faible risque de biais et ceux à risque incertain ou élevé. Les études sans tirage au sort traçable, sans secret de l'attribution ou sans insu affichaient en moyenne des effets de traitement plus grands d'environ huit à treize pour cent. L'écart n'est pas spectaculaire, mais il est systématique et va presque toujours dans le même sens : en faveur du traitement évalué.

En revanche, la randomisation ne répare pas cinq choses : un groupe trop petit, un critère de jugement qui n'intéresse personne, une durée d'observation trop courte, une population fortement sélectionnée et la publication sélective des résultats. Ce sont précisément ces cinq points qui permettent à GRADE de déclasser un essai randomisé jusqu'au degré de certitude d'une étude observationnelle.

En médecine vétérinaire, la déclaration de ces points n'est arrivée qu'en partie. Un examen des millésimes 2009 et 2019 d'une revue spécialisée en anesthésie vétérinaire montre que la description complète de la randomisation est passée de 13,6 à 85,7 pour cent, et la mention d'un calcul de la taille d'échantillon de zéro à 20 pour cent. L'insu est resté à environ la moitié des travaux et n'a pas bougé en dix ans. Aucun point n'a atteint le seuil que l'équipe d'auteurs s'était fixé.

Les études observationnelles ne sont pas automatiquement plus faibles

La pyramide laisse entendre que les données observationnelles sont par principe moins fiables. Une revue méthodologique Cochrane de 2014 examine exactement cela : quatorze revues de méthode, réunissant les données de 1'583 méta-analyses portant sur 228 tableaux cliniques, ont comparé les estimations d'effet des essais randomisés et des études observationnelles sur une même question. En moyenne, elles ne différaient pas de façon notable, et onze des quatorze revues ne trouvaient aucune différence. L'équipe d'auteurs n'en a pas conclu que le protocole est indifférent, mais que les écarts s'expliquent par d'autres facteurs que l'étiquette.

Pour certaines questions, l'étude observationnelle est de toute façon le seul protocole possible : effets indésirables rares, périodes longues, situations où un tirage au sort ne serait pas défendable. Un article de synthèse de 2025 propose donc, pour les questions de sécurité du médicament après l'autorisation, de remplacer la pyramide par un amphithéâtre : toutes les sources de données se placent en cercle autour de la question, aucune ne se trouve automatiquement au-dessus.

Cela veut-il dire que je peux lire des données observationnelles comme des données randomisées ?

Non. Le constat vaut pour la moyenne sur de nombreuses questions, pas pour l'étude que vous avez sous les yeux. Dans une étude observationnelle, ce qui reste décisif est de savoir si les groupes comparés différaient déjà avant le traitement et si cette différence a été corrigée. En l'absence de toute indication là-dessus, le résultat n'est pas interprétable.

Qui mesure pèse dans la décision : le problème des critères mous

Plus le critère de jugement est mou, plus l'attente de la personne qui mesure pèse. Une synthèse de dix expériences animales totalisant 2'450 animaux a comparé l'évaluation en aveugle et l'évaluation sans insu des mêmes expériences. L'évaluation sans insu exagérait l'effet du traitement de 59 pour cent en moyenne. Dans la plupart de ces expériences, les critères étaient subjectifs : des observations, pas des mesures. Cette moyenne repose toutefois sur trois expériences à très fort écart ; sans elles, il subsiste dans les sept autres une exagération d'environ un cinquième, qui n'est plus assurée sur le plan statistique.

En médecine des animaux de compagnie, ce mécanisme a été mesuré directement. Dans le groupe placebo d'une étude d'enregistrement menée chez 58 chiens boiteux du fait d'une arthrose, les propriétaires ont vu une amélioration dans 39,7 pour cent des cas, et les vétérinaires examinateurs dans 44,8 pour cent lors de l'évaluation de la boiterie. Sur la même période, la plateforme de force n'a montré aucun changement chez 46 des 58 chiens. Chez des chats souffrant de douleurs articulaires, cinq études portant sur 96 animaux retrouvent le même schéma : 54 à 74 pour cent des animaux sous placebo étaient jugés en succès par les propriétaires, contre 10 à 63 pour cent seulement selon l'activité mesurée objectivement.

Pourquoi un placebo agit-il chez un animal qui n'en sait rien ?

Parce que ce n'est pas l'animal qui fournit le critère de jugement, mais l'être humain qui l'évalue. S'y ajoute la régression vers la moyenne : on traite le plus souvent au moment où les troubles sont les plus marqués, et une phase meilleure suit fréquemment de toute façon. Les deux réunis produisent une amélioration visible sans le moindre principe actif.

GRADE en détail : cinq raisons de déclasser, trois de reclasser

GRADE place d'abord les essais randomisés en certitude élevée et les études observationnelles en certitude faible, puis les déplace. Cinq raisons font descendre :

• Risque de biais : pas de secret de l'attribution, pas d'insu, beaucoup d'abandons sans explication.
• Incohérence : les études pointent dans des directions différentes sans que cela s'explique.
• Caractère indirect : autre population, autre comparateur, ou un critère de substitution à la place de ce qui compte.
• Imprécision : trop peu d'événements, le résultat reste compatible à la fois avec un bénéfice et avec un dommage.
• Soupçon de lacunes de publication : beaucoup de petites études positives, presque aucune petite étude négative.

À l'inverse, trois raisons permettent de reclasser des données observationnelles : un effet très important, une relation dose-effet nette, et des facteurs de confusion qui auraient plutôt réduit qu'augmenté l'effet observé. Une étude observationnelle peut ainsi monter en certitude modérée, un essai randomisé tomber en certitude très faible. Dans GRADE, la pyramide n'est donc pas une étagère fixe, mais une position de départ.

La certitude des données et la force d'une recommandation sont deux axes distincts, et ils divergent souvent. Un examen systématique de 133 guides de pratique comportant 433 recommandations sur l'acupuncture a repéré 303 recommandations évaluées selon GRADE. Parmi elles, 131 étaient formulées de façon forte, et 104 de ces recommandations fortes reposaient sur une certitude faible ou très faible. Une formulation tranchée n'est donc pas la preuve de données tranchées.

Là où la pyramide cède : revues, frontières d'espèces et données rares

Dans le dessin classique, la revue systématique occupe le sommet. Une proposition très citée de 2016 la sort de la pyramide et en fait la lentille à travers laquelle on regarde les échelons inférieurs. La raison est simple : une revue ne produit aucune donnée nouvelle. Elle ne peut qu'ordonner et pondérer ce qui existe déjà.

Un état des lieux publié la même année montre à quel point cette correction est nécessaire. Entre 1991 et 2014, le nombre de revues systématiques publiées chaque année a augmenté de 2'728 pour cent, alors que l'ensemble des travaux indexés progressait de 153 pour cent. Sur les antidépresseurs dans la dépression, 185 méta-analyses ont paru entre 2007 et 2014 à elles seules. L'auteur en conclut que la grande majorité des revues produites sont superflues, trompeuses ou marquées par des intérêts.

En médecine équine, c'est le problème inverse qui domine : trop peu au lieu de trop. Une revue systématique de 2024 sur les substances actives contre l'herpèsvirus équin de type 1 a passé au crible 7'009 publications et en a retenu neuf ; le risque de biais allait de moyen à élevé et les groupes étaient petits. Une revue consacrée aux électrothérapies chez le cheval, le chien et le chat a passé au crible 5'385 publications, en a inclus 41 et est arrivée à 3,7 travaux en moyenne par procédé, dont 20 présentaient un risque de biais élevé. Les conclusions sont à l'avenant : l'équipe des électrothérapies ne juge les données suffisantes pour aucune application chez le cheval, le chien ou le chat, et l'équipe de l'herpèsvirus n'a vu, pour toutes les substances évaluées, qu'un bénéfice au mieux minime ou limité.

La deuxième rupture est le changement d'espèce. Une revue systématique a comparé six traitements pour lesquels le résultat chez l'être humain était sans ambiguïté avec les expériences animales correspondantes. Pour les corticostéroïdes après un traumatisme crânien, les modèles animaux montraient un bénéfice, les essais cliniques aucun. Le tirilazad réduisait de 29 pour cent la zone infarcie dans le modèle animal et améliorait les scores neurologiques de 48 pour cent, alors que les personnes victimes d'un AVC allaient plus mal sous cette même substance que sans elle.

Une partie de cette discordance tient à la méthode, pas à la biologie. Une synthèse de 31 revues systématiques d'études animales a constaté que 29 pour cent des études individuelles mentionnaient une randomisation, 15 pour cent un secret de l'attribution et 35 pour cent une évaluation des critères en aveugle. Une analyse suisse de 1'277 demandes d'autorisation d'expérimentation animale n'a trouvé les sept mesures usuelles contre les biais décrites, même sommairement, que dans 2,4 à 19 pour cent des demandes.

Situer une annonce d'étude en cinq minutes

Les sept questions qui suivent s'appliquent à presque toute annonce, souvent dès le résumé. Elles ne remplacent pas une évaluation formelle, mais elles séparent de façon fiable les annonces qui montrent quelque chose de celles qui affirment quelque chose.

1. Quelle espèce a été étudiée : être humain, cheval, autre animal, culture cellulaire ? Si ce n'est pas indiqué, c'est déjà une information.
2. Quel protocole : tirage au sort, observation, essai de laboratoire, revue ?
3. Combien de participants ? Vingt animaux et deux mille personnes ne portent pas la même charge.
4. Quel critère de jugement : une valeur de laboratoire, ou quelque chose que l'animal ou la personne ressent ?
5. Qui a évalué : un appareil, une personne en aveugle, ou quelqu'un qui connaissait le traitement ?
6. Sur quelle durée ? Six semaines ne disent rien de deux ans.
7. Y avait-il un groupe de comparaison ? Sans comparaison, toute amélioration est ambiguë.

Ce qui reste au bout d'une revue systématique

Tableau original

Limites et incertitudes

• Les moyennes citées proviennent de la recherche méthodologique et valent pour de nombreuses questions prises ensemble. Elles ne prédisent pas l'ampleur du biais d'une étude particulière.
• GRADE et la pyramide des preuves sont des conventions d'une communauté professionnelle, non des résultats expérimentaux. Leur application demande des jugements qui varient d'un évaluateur à l'autre.
• La comparaison entre essais randomisés et études observationnelles repose sur des revues de méthode de qualité très inégale ; seule une minorité d'entre elles était classée à faible risque quant à la publication sélective. Les méthodes d'analyse causale modernes n'y figuraient pas du tout.
• Les chiffres sur l'effet placebo du soignant proviennent de chiens et de chats. Pour le cheval, cette recherche n'a trouvé aucune quantification comparable.
• Plusieurs travaux méthodologiques centraux datent des années 2007 à 2016 et n'ont pas été remplacés à ce jour par des synthèses plus récentes. Savoir si leurs chiffres reflètent encore la pratique actuelle reste ouvert.
• La littérature méthodologique vétérinaire est mince : une partie des éléments utilisés ici vient de l'anesthésie et de la médecine des animaux de compagnie, non de la médecine équine.

Questions ouvertes

• Quelle est l'ampleur de l'effet placebo du soignant chez le cheval, où la boiterie est le plus souvent notée à l'œil ?
• Les systèmes objectifs de mesure du mouvement réduisent-ils réellement cet effet dans les essais cliniques, ou ne font-ils que le déplacer ?
• GRADE a-t-il besoin d'une adaptation pour les questions vétérinaires lorsqu'il n'existe dans le monde que trois ou quatre études sur un procédé ?
• Les synthèses de preuves automatisées réduisent-elles la redondance des revues, ou l'augmentent-elles ?

Questions fréquentes

Un essai randomisé est-il toujours meilleur qu'une étude observationnelle ?

Non, mais il répond à une autre question. Le tirage au sort est le seul procédé qui compense aussi les différences inconnues entre les groupes, et donc la meilleure protection contre les raisonnements faux sur les causes. Il ne protège en revanche ni des groupes trop petits, ni des durées d'observation courtes, ni des critères de jugement inadaptés. Dans une analyse de 1'583 méta-analyses, les résultats randomisés et observationnels portant sur une même question ne différaient pas de façon notable en moyenne. Pour les dommages rares et les périodes longues, l'étude observationnelle reste le seul protocole praticable.

Que signifie concrètement « certitude très faible des données » ?

Cela signifie que l'effet réel se situe très probablement nettement ailleurs que le résultat rapporté, dans une direction inconnue. L'énoncé n'est donc pas une base de décision, mais une description de l'état de la recherche. Important : une certitude très faible ne veut pas dire que le traitement n'agit pas. Elle veut dire que nous ne le savons pas. Dans une revue de 2019 sur les compléments alimentaires dans l'infertilité inexpliquée, la certitude se situait à ce degré pour tous les critères de jugement, alors même que 59 essais randomisés étaient inclus.

Pourquoi une étude isolée n'occupe-t-elle jamais le sommet, même bien faite ?

Parce qu'une étude isolée ne peut pas vérifier son propre résultat. Le hasard, les particularités locales de la population et les décisions prises lors de l'analyse pèsent dans chaque travail, et seule la répétition par des équipes indépendantes sépare le signal du bruit. Une étude isolée bien faite peut malgré tout être ce qui existe de mieux sur une question. Elle reste alors la meilleure base disponible, mais avec une certitude faible, pas élevée.

Une étude menée chez le cheval vaut-elle preuve chez l'être humain ?

Non, et l'inverse pas davantage. Une revue systématique a comparé six traitements au résultat sans ambiguïté chez l'être humain avec les expériences animales correspondantes et a trouvé plusieurs contradictions nettes : une substance réduisait de 29 pour cent la zone infarcie dans le modèle animal, alors que les personnes victimes d'un AVC allaient plus mal sous cette même substance. Un résultat animal fonde une hypothèse pour l'autre espèce, rien de plus. L'évaluation doit avoir lieu dans l'espèce cible et dans la population cible.

À quoi reconnaît-on une annonce d'étude faible dans les médias ?

À ce qui manque. Si le texte ne nomme ni l'espèce étudiée, ni le nombre de participants, ni un groupe de comparaison, ni la durée d'observation, la base manque pour toute mise en perspective. Un deuxième signal d'alerte est la confusion entre association et cause : des formulations comme « abaisse le risque » supposent un protocole capable d'examiner des causes. Un troisième est le critère de substitution : une valeur de laboratoire améliorée n'est pas la même chose qu'un état amélioré.

Pourquoi cite-t-on ici des travaux méthodologiques de 2007 ou 2014 ?

Parce que, sur leur question, ils n'ont pas été remplacés à ce jour. La revue méthodologique Cochrane comparant résultats randomisés et observationnels n'existe toujours que dans sa version de 2014 ; la compilation sur la concordance entre expérience animale et essai clinique date de 2007. En recherche méthodologique, un travail vieillit plus lentement qu'en recherche clinique, parce qu'il porte sur des procédures, non sur des substances actives. Là où des chiffres plus récents existent, ils ont été préférés ici.

Sources

1. Guyatt GH, Oxman AD, Vist GE, Kunz R, Falck-Ytter Y, Alonso-Coello P, Schünemann HJ. GRADE: an emerging consensus on rating quality of evidence and strength of recommendations. BMJ, 2008 (Autre | Indépendant de l'espèce)DOI 10.1136/bmj.39489.470347.AD
   Présente la grille GRADE et justifie la séparation stricte entre la certitude des données (quatre degrés) et la force d'une recommandation.
2. Murad MH, Asi N, Alsawas M, Alahdab F. New evidence pyramid. Evidence-Based Medicine, 2016 (Autre | Indépendant de l'espèce)DOI 10.1136/ebmed-2016-110401
   Soutient que les revues systématiques et les méta-analyses ne constituent pas le sommet de la pyramide, mais l'outil avec lequel on lit les échelons inférieurs.
3. Anglemyer A, Horvath HT, Bero L. Healthcare outcomes assessed with observational study designs compared with those assessed in randomized trials. Cochrane Database of Systematic Reviews, 2014 (Revue systématique | Humain)DOI 10.1002/14651858.MR000034.pub2
   Sur 14 revues de méthode réunissant les données de 1'583 méta-analyses portant sur 228 tableaux cliniques, les estimations d'effet des essais randomisés et des études observationnelles ne différaient pas de façon notable en moyenne ; 11 des 14 revues ne trouvaient aucune différence.
4. Savović J, Turner RM, Mawdsley D, Jones HE, Beynon R, Higgins JPT, Sterne JAC. Association Between Risk-of-Bias Assessments and Results of Randomized Trials in Cochrane Reviews: The ROBES Meta-Epidemiologic Study. American Journal of Epidemiology, 2018 (Méta-analyse | Humain)DOI 10.1093/aje/kwx344
   Dans 2'443 essais randomisés issus de 228 méta-analyses, les effets de traitement étaient en moyenne exagérés d'environ 8 à 13 pour cent lorsque le risque de biais était incertain ou élevé pour le tirage au sort, le secret de l'attribution et l'insu.
5. Perel P, Roberts I, Sena E, Wheble P, Briscoe C, Sandercock P, Macleod M, Mignini LE, Jayaram P, Khan KS. Comparison of treatment effects between animal experiments and clinical trials: systematic review. BMJ, 2007 (Revue systématique | Plusieurs espèces)DOI 10.1136/bmj.39048.407928.BE
   Pour six traitements au résultat clinique sans ambiguïté, expérience animale et essai clinique divergeaient à plusieurs reprises : le tirilazad réduisait de 29 pour cent la zone infarcie dans le modèle animal, alors que les patients victimes d'un AVC allaient plus mal sous ce traitement.
6. Hirst JA, Howick J, Aronson JK, Roberts N, Perera R, Koshiaris C, Heneghan C. The need for randomization in animal trials: an overview of systematic reviews. PLoS ONE, 2014 (Revue systématique | Plusieurs espèces)DOI 10.1371/journal.pone.0098856
   Dans 31 revues systématiques d'études animales, 29 pour cent des études individuelles rapportaient une randomisation, 15 pour cent un secret de l'attribution et 35 pour cent une évaluation des critères en aveugle ; l'absence de randomisation augmentait les estimations d'effet.
7. Bello S, Krogsbøll LT, Gruber J, Zhao ZJ, Fischer D, Hróbjartsson A. Lack of blinding of outcome assessors in animal model experiments implies risk of observer bias. Journal of Clinical Epidemiology, 2014 (Méta-analyse | Plusieurs espèces)DOI 10.1016/j.jclinepi.2014.04.008
   Dans dix expériences animales portant sur 2'450 animaux, évaluées à la fois en aveugle et sans insu, l'évaluation sans insu exagérait l'effet de 59 pour cent en moyenne ; les critères de jugement étaient le plus souvent subjectifs. Cette valeur repose sur trois expériences sur des pesticides à très fort écart : dans les sept autres, l'exagération atteignait environ 18 pour cent et n'était pas assurée sur le plan statistique.
8. Conzemius MG, Evans RB. Caregiver placebo effect for dogs with lameness from osteoarthritis. Journal of the American Veterinary Medical Association, 2012 (Essai randomisé | Plusieurs espèces)DOI 10.2460/javma.241.10.1314
   Dans le groupe placebo (58 chiens), les propriétaires ont vu une amélioration dans 39,7 pour cent des cas et les vétérinaires dans 44,8 pour cent, tandis que la plateforme de force ne montrait aucun changement chez 46 des 58 chiens.
9. Gruen ME, Dorman DC, Lascelles BDX. Caregiver placebo effect in analgesic clinical trials for cats with naturally occurring degenerative joint disease-associated pain. Veterinary Record, 2017 (Autre | Plusieurs espèces)DOI 10.1136/vr.104168
   Analyse secondaire des groupes placebo : une revue de la littérature a trouvé six études contrôlées contre placebo, dont cinq avec des données exploitables sur 96 chats ; 54 à 74 pour cent étaient jugés en succès par les propriétaires, contre 10 à 63 pour cent seulement selon l'activité mesurée objectivement.
10. Munro BA, Bergen P, Pang DSJ. Randomization, blinding, data handling and sample size estimation in papers published in Veterinary Anaesthesia and Analgesia in 2009 and 2019. Veterinary Anaesthesia and Analgesia, 2022 (Étude transversale | Plusieurs espèces)DOI 10.1016/j.vaa.2021.09.004
    La description complète de la randomisation est passée de 13,6 à 85,7 pour cent entre 2009 et 2019, et le calcul de la taille d'échantillon de 0 à 20 pour cent ; l'insu est resté à environ 50 pour cent et aucun point n'a atteint le seuil fixé.
11. Vogt L, Reichlin TS, Nathues C, Würbel H. Authorization of Animal Experiments Is Based on Confidence Rather than Evidence of Scientific Rigor. PLoS Biology, 2016 (Étude transversale | Plusieurs espèces)DOI 10.1371/journal.pbio.2000598
    Dans 1'277 demandes suisses d'autorisation d'expérimentation animale, sept mesures standard contre les biais n'étaient décrites que dans 2,4 à 19 pour cent des demandes, et dans 0 à 34 pour cent des publications qui en sont issues.
12. Tang X, Shi X, Zhao H, Lu L, Chen Z, Feng Y, Liu L, Duan R, Zhang P, Xu Y, Cui S, Gong F, Fei J, Xu NG, Jing X, Guyatt G, Zhang YQ. Characteristics and quality of clinical practice guidelines addressing acupuncture interventions: a systematic survey of 133 guidelines and 433 acupuncture recommendations. BMJ Open, 2022 (Étude transversale | Humain)DOI 10.1136/bmjopen-2021-058834
    Sur 303 recommandations évaluées selon GRADE, 131 étaient formulées de façon forte ; 104 d'entre elles reposaient sur une certitude des données faible ou très faible.
13. Pappachan JM, Lahart IM, Viswanath AK, Borumandi F, Sodi R, Metzendorf MI, Bongaerts B. Parathyroidectomy for adults with primary hyperparathyroidism. Cochrane Database of Systematic Reviews, 2023 (Revue systématique | Humain)DOI 10.1002/14651858.CD013035.pub2
    Au sein d'une seule et même revue (8 essais randomisés, 447 adultes), la certitude a été jugée modérée pour le critère guérison et très faible pour la densité osseuse lombaire.
14. Goehring L, Dorman DC, Osterrieder K, Burgess BA, Dougherty K, Gross P, Neinast C, Pusterla N, Soboll-Hussey G, Lunn DP. Pharmacologic interventions for the treatment of equine herpesvirus-1 in domesticated horses: A systematic review. Journal of Veterinary Internal Medicine, 2024 (Revue systématique | Cheval)DOI 10.1111/jvim.17016
    Sur 7'009 publications examinées, neuf remplissaient les critères ; le risque de biais allait de moyen à élevé et les groupes étaient petits, et l'équipe d'auteurs n'a vu, pour toutes les substances évaluées, qu'un bénéfice minime ou limité, en prévention comme après contamination.
15. Hyytiäinen HK, Boström A, Asplund K, Bergh A. A Systematic Review of Complementary and Alternative Veterinary Medicine in Sport and Companion Animals: Electrotherapy. Animals, 2022 (Revue systématique | Plusieurs espèces)DOI 10.3390/ani13010064
    Sur 5'385 publications examinées, 41 ont été incluses, soit 3,7 en moyenne par procédé ; 20 d'entre elles présentaient un risque de biais élevé et les données ne suffisaient pour aucune application clinique chez le cheval, le chien ou le chat.
16. Lai NM, Chang SMW, Ng SS, Tan SL, Chaiyakunapruk N, Stanaway F. Animal-assisted therapy for dementia. Cochrane Database of Systematic Reviews, 2019 (Revue systématique | Humain)DOI 10.1002/14651858.CD013243.pub2
    Neuf essais randomisés portant sur 305 participants (dont un avec des chevaux) donnent une certitude faible pour une légère diminution des symptômes dépressifs et aucun effet net sur la qualité de vie ; toutes les études présentaient un risque élevé de biais de réalisation.
17. Omar MI, Pal RP, Kelly BD, Bruins HM, Yuan Y, Diemer T, Krausz C, Tournaye H, Kopa Z, Jungwirth A, Minhas S. Benefits of Empiric Nutritional and Medical Therapy for Semen Parameters and Pregnancy and Live Birth Rates in Couples with Idiopathic Infertility: A Systematic Review and Meta-analysis. European Urology, 2019 (Méta-analyse | Humain)DOI 10.1016/j.eururo.2018.12.022
    Sur 5'663 résultats examinés, 61 études ont été incluses, dont 59 randomisées ; selon GRADE, la certitude des données est restée très faible pour tous les critères de jugement.
18. Ioannidis JPA. The Mass Production of Redundant, Misleading, and Conflicted Systematic Reviews and Meta-analyses. The Milbank Quarterly, 2016 (Autre | Indépendant de l'espèce)DOI 10.1111/1468-0009.12210
    Entre 1991 et 2014, le nombre de revues systématiques publiées chaque année a augmenté de 2'728 pour cent, contre 153 pour cent pour l'ensemble des travaux indexés ; rien que sur les antidépresseurs, 185 méta-analyses ont paru entre 2007 et 2014, et l'auteur tient la majorité de cette production pour superflue ou trompeuse.
19. Shakir S, Lane S. From a pyramid to an amphitheatre (triangle to circle): embracing the totality of evidence for the postmarketing evaluation of the safety of therapeutic interventions. BMJ Open, 2025 (Autre | Humain)DOI 10.1136/bmjopen-2025-103538
    Soutient que la pyramide rigide des preuves ne convient pas aux questions de sécurité après l'autorisation, et propose un modèle sans hiérarchie où données randomisées et données de soins en vie réelle se complètent.