Bonjour à tous,

une méta-analyses est le rassemblement de plusieurs études conduites séparément sur un problème donné, et permet d'obtenir une conclusion sur le problème dotée d'une signification statistique plus grande que celles des études la constituant prises individuellement.
Cependant il peut exister un biais dans le rassemblement des études, du au fait qu'on peut soupçonner que les études non-significatives, n'allant pas dans le sens du résultat attendu, n'ont pas été publiée et sont restées dans les fonds de tiroir, problème connu sous le nom de "file-drawer effect".
Le "file-drawer effect" va donc entrainer une augmentation artificielle de la signification statistique d'une méta-analyse.
Il s'agit donc d'estimer le nombre d'études non-publiées qui si elles étaient incluses dans la méta-analyse rendraient non-significatives les conclusions de celle-ci.
Si le rapport (nombre estimé d'études non-publiées)/(nombre d'études publiées) devient trop grand, alors il devient difficilement concevable que la signification statistique de la méta-analyse soit due à un biais de publication.
Il existe plusieurs méthodes pour estimer le nombre d'études non-publiées rendant nulle la conclusion d'une méta-analyse.
Je viens cependant de lire un article dont les conclusions sont que la quasi-totalité des méthodes utilisées pour estimer le nombre d'études non-publiées sont inefficace, surestiment de beaucoup ce nombre. Par exemple la méthode de Rosenthal, très utilisée dans le domaine de la santé paraît-il, surestimerait de beaucoup le nombre d'études non-publiées.
J'aimerais beaucoup avoir votre avis sur ce fameux article, que voici : http://www.scientificexploration.org....1_scargle.pdf
Cordialement,

Florian