# Combinez vos études et tracez le forest plot

> Importez un tableau avec une ligne par étude. Yila calcule les tailles d’effet, ajuste un modèle à effets aléatoires, trace le forest plot avec les statistiques d’hétérogénéité et teste un modérateur, avec le script R pour tout reproduire.

URL: https://yila.ai/fr/playbooks/forest-plot

## Ce que vous obtenez

- **Le forest plot** (PNG + SVG): Chaque étude avec ses effectifs, son poids et son estimation sur un axe logarithmique, le losange de l’estimation combinée, l’intervalle de prédiction et la ligne d’hétérogénéité.
- **Le graphique à bulles** (PNG + SVG): La méta-régression sur votre modérateur : chaque étude est un point, avec la droite ajustée et sa bande de confiance à 95 %.
- **Le tableau de résultats** (CSV): Estimations, intervalles de confiance et poids par étude, l’estimation combinée avec son intervalle de prédiction, et les coefficients de la méta-régression.
- **Le script** (Script R): L’analyse complète en R avec metafor, pour qu’un relecteur puisse recalculer chaque chiffre à partir de votre tableau.

## Les étapes

1. **Importez le tableau des études et indiquez la mesure**: Donnez à Yila une ligne par étude : nombre d’événements et effectif total par bras, ou taille d’effet avec son erreur type. Indiquez la mesure à combiner et la caractéristique des études qui pourrait expliquer les différences.
2. **Yila vérifie le tableau et prépare le modèle**: Il lit les colonnes, calcule les tailles d’effet et ajuste le modèle à effets aléatoires. Précisez comment chaque bras est codé, cas et non-cas ou cas et total, pour que les effectifs des groupes soient justes ; les études sans événement sont signalées, et non ajustées en silence.
3. **Récupérez les figures, le tableau et le script**: Le forest plot et le graphique à bulles sont générés, vérifiés pour éviter les chevauchements, puis enregistrés avec le tableau de résultats et le script. Demandez des sous-groupes, un funnel plot ou un autre estimateur dans la même conversation.

## Utile pour

- **Une revue systématique**: Le forest plot principal et les statistiques d’hétérogénéité que rapporte une revue PRISMA, prêts pour la section Résultats.
- **Un chapitre de thèse**: Une analyse combinée dont le jury peut vérifier le script et les résultats ligne par ligne.
- **Vérifier une méta-analyse publiée**: Recalculez une estimation combinée à partir des effectifs des essais figurant dans ses tableaux avant de la citer.

## Questions fréquentes

### Sous quelle forme doivent être mes données ?

Une ligne par étude. Pour un critère de jugement binaire, le nombre d’événements et le nombre de participants (ou de non-événements) dans chaque bras ; pour un critère continu, les moyennes, les écarts types et les effectifs ; ou une taille d’effet avec son erreur type, si vous disposez déjà de ces valeurs. Indiquez dans la demande comment les colonnes sont codées.

### Effets fixes ou effets aléatoires ?

Effets aléatoires par défaut, estimés par REML, car les études diffèrent généralement par leur population et leur schéma. Si vous avez une raison d’utiliser un modèle à effet commun, demandez-le : Yila rapporte alors les deux.

### Que m’indiquent Q, I² et τ² ?

Q teste si les études divergent plus que ne le permet le hasard, I² est la part de la variation due à de réelles différences entre études, et τ² mesure l’ampleur de cette variance inter-études sur l’échelle de l’effet. L’intervalle de prédiction traduit τ² en plage de valeurs attendue pour une nouvelle étude.

### Yila peut-il expliquer l’hétérogénéité ?

Oui, par une méta-régression sur une variable au niveau des études, comme la latitude, la dose ou l’année, présentée sous forme de graphique à bulles. Avec peu d’études, Yila rappelle qu’une méta-régression ne peut pas démontrer grand-chose.

### Risque relatif, odds ratio ou différence de moyennes ?

Toute mesure prise en charge par metafor : RR, OR et différence de risques pour les critères binaires, différence de moyennes et SMD pour les critères continus, et d’autres comme les hazard ratios à partir d’estimations publiées. Précisez-la dans la demande.

### Puis-je ajouter des sous-groupes ou un funnel plot ?

Oui, dans la même conversation. Les estimations par sous-groupe, un funnel plot avec test d’Egger ou une analyse leave-one-out sont ajoutés au même script.

### D’où viennent les données de l’exemple ?

Des 13 essais du vaccin BCG rassemblés par Colditz et al. (1994) et distribués avec le package open source metafor sous le nom dat.bcg. Yila n’utilise jamais les données de ses utilisateurs comme exemples.

---

- [Combinez vos études et tracez le forest plot](https://yila.ai/fr/playbooks/forest-plot)
- [llms.txt](https://yila.ai/fr/llms.txt)
