Les méta-analyses sont de plus en plus utilisées en recherche clinique pour comparer des études isolées quand elles ne conduisent pas à des conclusions claires. Par exemple, en « poolant » plusieurs études, on augmente le pouvoir statistique pour détecter des différences potentielles entre les effets cliniques, comme la survenue d’accidents cardiovasculaires majeurs, quand des schémas thérapeutiques nutritionnels ou pharmacologiques sont comparés. Toutefois, la validité des informations recueillies nécessite une méthodologie précise englobant des critères clairs pour sélectionner les études individuelles, une évaluation appropriée de l’homogénéité statistique entre les études utilisant le Q de Cochran ou le test du I², et des mises en garde vis-à-vis d’interprétations erronées du « p » statistique afin d’éviter des conclusions faussement positives ou négatives, c’est-à-dire, respectivement, des erreurs de type I ou II. Par exemple, dans beaucoup de méta-analyses nutritionnelles, une valeur du « p »<0,005 serait plus appropriée que le classique « p »<0,05 avant de conclure qu’il existe une différence entre deux types d’interventions nutritionnelles. Pour mieux appréhender ce problème, deux exemples sont donnés. Le premier est une méta-analyse bien conduite qui a démontré l’absence d’association significative entre les supplémentations en acides gras oméga 3 et les accidents cardiovasculaires majeurs chez des sujets à haut risque cardiovasculaire. Une autre méta-analyse rapporte que les acides gras polyinsaturés, en particulier ceux qui appartiennent à la famille oméga 6, pourraient avoir une action préventive sur la survenue du diabète de type 2. Bien que cette méta-analyse ait porté sur une large population de sujets, il est douteux que la substitution d’acides gras polyinsaturés à des glucides ait été effective, car il est quasiment impossible de savoir si un faible pourcentage (5 %) de l’apport calorique sous forme de glucides a été remplacé par une quantité équivalente d’acides gras polyinsaturés sur la simple base d’enquêtes alimentaires peu fiables. De plus, dans cette méta-analyse, les investigateurs ne trouvèrent aucune signification statistique supérieure à un « p »=0,02. Ce seuil est probablement insuffisant dans ce type d’étude. Pour cette raison, il est permis de se poser la question sur la validité des résultats publiés et il n’y a aucune raison de recommander la consommation d’huile de tournesol ou d’autres sources d’acides gras oméga 6 pour prévenir le diabète. En guise de conclusion, les méta-analyses, comme la plupart des méthodes statistiques, peuvent conduire aux meilleures ou aux pires conclusions en fonction de la manière dont elles sont utilisées.

Meta-analyses are increasingly used in clinical research to offset the failures of single studies when they do not provide clear conclusions. For instance, pooling several studies increases the statistical power for detecting potential differences in clinical outcomes such as the incidence of major adverse cardiovascular events when various nutritional or pharmacological therapeutic strategies are compared. However, the relevance of the information provided by meta-analyses requires a careful methodology including: (i) clear criteria for eligibility of the individual studies, (ii) appropriate evaluation of homogeneity between trials using the Q of Cochran or the I² test, (iii) caveats against wrong interpretation of the “P” value in order to avoid false positive or negative conclusions, i.e. type I or II statistical errors, respectively. For instance, in many nutritional meta-analyses a “P” value<0.005 would be certainly more appropriate than the traditional P<0.05 before concluding that there exists a difference between two dietary interventions. To gain further insight into this issue, two examples are given. Firstly, a well-conducted meta-analysis demonstrated the lack of any significant association between omega 3 fatty acid supplementations and major cardiovascular events in people at high risk of disease and thus suggests that such supplementations are not useful. Another meta-analysis reports that polyunsaturated fats, especially those belonging to the omega 6 family, could exert a preventive effect on the development of type 2 diabetes. Even though this meta-analysis included a large population of participants, the substitution of polyunsaturated fatty acids for carbohydrates is highly suspected to be uncertain because it is almost impossible to know whether a small percentage (5%) intake from carbohydrates was really replaced by an equivalent amount of polyunsaturated fats on the simple basis of poorly relevant dietary questionnaires. Furthermore, in this meta-analysis, the “P” values were never better than 0.02, a threshold probably inadequate in this type of study. Consequently, such a result questions the appropriateness of consuming sunflower oil and/or other sources of omega 6 fatty acids to prevent diabetes. In conclusion, as most statistical procedures, meta-analyses can lead to the best and worst outcomes according to whether they are appropriately handled or not.