Méthodes de recherche médicale · Forest plots
Lire un forest plot : effets, intervalles de confiance à 95% et synthèse
Transformer un forest plot en interprétation étayée des résultats Livrables demandés / objectif de livraison: Un tableau de vérification des mesures d'effet, une ébauche d'interprétation et une liste de questions ouvertes.
Identifiez chaque ligne, puis la mesure, la valeur nulle, le sens du critère et l’intervalle, avant la synthèse et l’hétérogénéité. Le graphique montre estimations et incertitude, mais ne prouve seul ni causalité, ni qualité, ni importance clinique.
Ce guide traite surtout les forest plots classiques de méta-analyse dans les revues systématiques. Modèles de cohortes et sous-groupes utilisent aussi cette forme, sans que chaque ligne soit une étude indépendante ni qu’un effet combiné existe. Ne généralisez pas une règle à tous les graphiques.
Lisez ensemble méthodes, résultats et légende. Le guide de sélection traite l’inclusion ; cette page interprète les résultats publiés. Elle n’est ni un tutoriel de calcul, ni une autorisation de combiner critères, temps ou études dupliquées.
Une tâche concrète avec RigorMed
Transformer un forest plot en interprétation étayée des résultats
Ce sont des entrées suggérées et des livrables à demander, non une nouvelle exécution, un résultat client ou une garantie d'achèvement.
Documents à fournir: Un article accessible légalement, le tableau de résultats du graphique sous forme de texte lisible, la mesure d'effet et la légende.
Livrables demandés / objectif de livraison: Un tableau de vérification des mesures d'effet, une ébauche d'interprétation et une liste de questions ouvertes.
Exemple de demande
À partir du seul tableau de résultats en texte lisible et de la légende fournis, expliquez pour chaque ligne le sens de l'effet, l'intervalle de confiance à 95% et la valeur nulle. Listez séparément les plans d'étude ou méthodes de synthèse indéterminés et rédigez une interprétation pour une réunion de recherche. Ne déduisez pas de l'image des chiffres que je n'ai pas fournis.
Ce qui reste à vérifier
Vérifiez la valeur nulle 1 pour les rapports et 0 pour les différences. Le franchissement ou non de cette valeur ne démontre automatiquement ni intérêt clinique, ni causalité, ni absence d'effet.
Cinq étapes, au-delà du losange
Identifier question et unité des lignes
Vérifiez population, comparaison, critère et temps. Distinguez études, modèles et sous-groupes. Vérifiez rapports multiples d’une étude, populations communes et types d’analyse dans le texte ; nombre de lignes ne signifie pas nombre d’études indépendantes.
Confirmer mesure, valeur nulle et échelle
RR et OR ont généralement pour valeur nulle 1 ; différence moyenne MD et différence standardisée SMD, 0. Les rapports utilisent souvent une échelle logarithmique : lisez les graduations, pas des distances visuelles égales. Changer une étiquette ne rend pas des mesures combinables.
Vérifier le sens avant la taille
Déterminez si le critère est favorable ou nuisible, l’ordre de comparaison et le sens de l’échelle. Un RR inférieur à 1 n’est pas toujours un bénéfice ; le signe de MD dépend des unités et de l’ordre des groupes. Vérifiez les mentions gauche/droite dans les définitions.
Lire estimation, intervalle et poids ensemble
Dans une méta-analyse classique, le carré marque l’estimation, la ligne représente souvent l’intervalle de confiance à 95%, et sa surface le poids sous le modèle, pas la qualité. Vérifiez le niveau réel ; ne comptez pas les lignes franchissant la référence comme votes et n’associez pas grands carrés à faible risque de biais.
Vérifier modèle et portée
Le centre du losange inférieur représente habituellement l’estimation combinée, sa largeur l’intervalle de confiance ; suivez la légende. Vérifiez effets fixes ou aléatoires, comparabilité et biais. Le résumé aléatoire décrit un effet moyen, pas une direction identique garantie dans toutes les études ou populations.
Inverser le groupe de référence et l’intervalle ensemble
Écrivez la comparaison initiale «A par rapport à B» ou «A−B» avant de regarder le côté de la ligne. Les deux lignes sont des exemples pédagogiques synthétiques indépendants, sans résultat publié, exécution du produit ni nouvelle analyse. CI désigne ici un intervalle de confiance à 95%.
| Comparaison et valeurs initiales | Après inversion du seul ordre A/B | Raison du contrôle |
|---|---|---|
| A par rapport à B : OR 2.00 ; CI [1.25, 3.20] | B par rapport à A : OR 0.50 ; CI [0.3125, 0.80] | Prendre l’inverse du rapport positif : [L, U] devient [1/U, 1/L] ; inverser aussi les bornes. |
| A−B : MD −2.0 ; CI [−3.5, −0.5] | B−A : MD +2.0 ; CI [0.5, 3.5] | Changer le signe de la différence : [L, U] devient [−U, −L] ; garder les unités. |
Vérifiez les conditions : définition du critère, temps, échantillon, mesure et modèle (variables d’ajustement comprises) inchangés ; seul l’ordre de comparaison est inversé. Pour l’OR, 2.00×0.50=1. L’ancienne borne haute 3.20 donne la nouvelle borne basse 0.3125, et l’ancienne basse 1.25 la nouvelle haute 0.80. Modifier le point sans l’intervalle ou les mentions gauche/droite crée une contradiction.
Permuter les groupes n’est pas remplacer «événement» par «non-événement». Avec des risques de 0.20 et 0.10, RR=2.00 ; pour le non-événement, RR=0.80/0.90≈0.889, et non 0.50. C’est aussi un calcul pédagogique distinct. Ne lisez pas un OR comme un RR et n’échangez pas OR, RR, HR, MD et SMD par simple changement de nom.
Les unités font partie de la quantité estimée : notez si l’exposition continue est exprimée par 1 unité, 10 unités ou 1 écart-type, les unités de MD et le sens d’un score élevé. Ne multipliez pas un rapport par unité par 10 pour obtenir un rapport par 10 unités ; des lignes d’unités ou d’ajustements différents ne sont pas un même résultat. Cette section ne réajuste aucun modèle ni ne convertit les incréments d’exposition.
Créez un tableau avec une estimation par ligne : page/table/ligne source ; critère et temps ; mesure ; groupes comparé/de référence ; incrément ou unité ; estimation et CI ; modèle/ajustement ; transformation et questions ouvertes. Conservez valeurs initiales et justification. Indiquez «non rapporté» si nécessaire, sans deviner les chiffres de l’image.
Ajoutez à la demande proposée : «Organisez mon tableau textuel utilisable légalement selon ces champs. Signalez seulement les discordances de sens ou d’unités, conservez les nombres initiaux et fournissez des explications de transformation sous conditions et des questions à vérifier. N’inventez pas de résultats et ne lancez pas de nouvelle synthèse». Vérifiez chaque point dans la source avant réunion ou manuscrit. Harmoniser les sens ne démontre ni possibilité de combinaison, ni causalité, ni importance clinique.
Quatre éléments courants
Ces sens concernent des méta-analyses classiques clairement annotées. Les autres graphiques demandent leur propre légende et méthode.
| Élément | Sens habituel | Ne prouve pas |
|---|---|---|
| Ligne verticale | Valeur nulle, souvent 1 ou 0 | Toute mesure utilise 1 ou la gauche est toujours favorable |
| Carré et surface | Estimation et poids de l’étude dans la synthèse | Une grande surface signifie meilleure qualité ou causalité |
| Ligne horizontale | Intervalle annoncé, souvent 95% | Inclure la valeur nulle prouve l’égalité |
| Losange inférieur | Estimation combinée et intervalle | Prédiction pour une nouvelle étude ou efficacité universelle |
Si mesure, unités, niveau ou modèle manquent, gardez la lacune et vérifiez la source. L’IA ne doit pas les inventer à partir de l’apparence.
Valeurs pédagogiques synthétiques : regarder l’étendue
Supposons RR 0.80, 95% CI 0.60–1.06. L’intervalle inclut la valeur nulle 1 et reste compatible avec des rapports inférieurs ou légèrement supérieurs à 1. Il ne prouve ni absence d’effet ni bénéfice automatique ; vérifiez critère et comparaison. Ces valeurs sont pédagogiques, sans étude réelle ni recalcul.
Un autre exemple indépendant est MD −2.0, 95% CI −3.5–−0.5, sans 0. Unités, ordre des groupes, seuil de différence importante et biais restent nécessaires pour discuter la portée pratique. Il n’est pas directement comparable ou combinable avec le RR précédent ; ne pas croiser ne prouve pas la causalité.
Hétérogénéité et prédiction ne sont pas accessoires
Interprétez la variation avec populations, interventions ou expositions, critères, méthodes et directions. I² et τ² sont incertains avec peu d’études : un seuil ne choisit automatiquement ni modèle, ni droit de combiner, ni qualité. Un test sans signal d’hétérogénéité ne prouve pas des effets identiques.
L’intervalle du résumé aléatoire décrit l’incertitude sur l’effet moyen, pas toute la dispersion des effets. Lisez séparément un intervalle de prédiction, ses méthodes et hypothèses : il exprime des effets sous-jacents possibles dans des études similaires. Peu d’études ou une distribution inadéquate imposent prudence ; aucun résultat individuel ou futur n’est promis.
Cinq vérifications avant de rédiger
Reliez l’interprétation au texte et aux sorties formelles :
- Unités, identités, critère, comparaison et temps sont-ils explicites ?
- Mesure, valeur nulle, axe, unités et sens concordent-ils ?
- Estimations, niveaux, poids et modèles sont-ils sourcés ?
- Hétérogénéité, biais et applicabilité sont-ils expliqués au-delà de la significativité ?
- Texte, tableaux et légende concordent-ils, avec exemples signalés ?
Avec seulement un résumé, une image floue ou une légende partielle, précisez ce qui est non vérifié. Une lecture partielle n’est ni une évaluation intégrale ni un conseil clinique.
Questions fréquentes
Croiser la référence signifie-t-il aucun effet ?
Cela ne prouve pas une absence. L’intervalle est compatible avec la valeur nulle et d’autres valeurs ; interprétez estimation, précision, importance et limites sans seule dichotomie significatif/non significatif.
Un sous-groupe croise et l’autre non : sont-ils différents ?
Cela ne suffit pas. Comparez avec un test de différence ou d’interaction adapté à la question prévue ; une différence de significativité intragroupe n’est pas une différence d’effet intergroupe.
Un forest plot ou losange indique-t-il une revue de qualité ?
Non. Vérifiez recherche, sélection, extraction, biais, comparabilité et synthèse. La clarté de la figure ne prouve pas la justesse de ces étapes.
Sources vérifiées
Les sources officielles ont été vérifiées le 2026-10-09 / RigorMed: 2026-10-13 / 2026-10-22; les conditions et dates sont revérifiées avant publication.
- Manuel Cochrane, chapitre 10 : analyses et méta-analyses
Éléments, poids, hétérogénéité, sous-groupes et prédiction dans les revues d’interventions.
- Manuel Cochrane, chapitre 15 : interprétation
Effets, intervalles, importance statistique et pratique.
- Manuel Cochrane, chapitre 6 : choix des mesures et calcul des estimations
Sections 6.1.2, 6.4.1 et 6.5.1 : ordre, rapports/différences, événements et sens des échelles. Les conversions numériques sont des exemples synthétiques dérivés des définitions, pas des résultats d’études du chapitre.
Commencez par une tâche précise
Transformer un forest plot en interprétation étayée des résultats
Transmettez à l'espace de travail des documents utilisables légalement et l'exemple de demande de cette page. Vérifiez les indications préalables sur les documents et les crédits avant de confirmer, puis examinez les livrables obtenus.