8 réflexes · 1 arbre de décision pour le jour J
Fiches réflexes pour l'examen
La fiche réflexe d'examen : une synthèse actionnable de Lecture critique d'article (LCA) — Méthodologie et notions clés, avec les questions à se poser vite, les pièges à éviter et les repères à mémoriser le jour J. En bonus, 30 questions réflexes à dérouler de tête sur n'importe quel article.
« Avance dans cet ordre : objectif, type d’étude, biais dominant, puis résultat principal et applicabilité. »
Une fiche unique · 8 réflexes
Le protocole LCA à dérouler sur n'importe quel article
Synthèse condensée de tout le polycopié, organisée en 8 réflexes à enchaîner dans l'ordre. Méthode, biais, biostatistiques, essais, cohortes, études diagnostiques, méta-analyses et niveau de preuve : tout est couvert.
- Méthode
- Biais
- Biostats
- Essais
- Cohortes
- Diagnostique
- Méta-analyses
- Niveau de preuve
Balayage initial d’un article : où regarder, et pour quoi faire
Quand tu ouvres un article en LCA, le mauvais réflexe est de le lire de manière linéaire en espérant que la conclusion te dira tout. En réalité, un article scientifique se lit comme une carte : chaque rubrique répond à une question méthodologique différente, et ton efficacité vient du fait d’aller chercher la bonne information au bon endroit. L’introduction dit pourquoi l’étude existe, les méthodes disent si son résultat mérite d’être cru, les résultats disent ce qui a été observé, puis la discussion montre comment les auteurs interprètent ces données. Cette logique change tout en examen, parce qu’elle évite de perdre du temps sur des détails secondaires tout en repérant très vite ce qui conditionne la validité de l’étude. Retiens aussi un point simple mais capital : tous les articles ne suivent pas parfaitement le plan standard, donc il ne faut pas répondre trop tôt ni se fier à une seule rubrique. Autrement dit, le premier balayage sert à orienter toute la suite de la lecture. C’est ce tronc commun qui restera valable ensuite, quel que soit le type d’étude.
Identifier la question posée et le bon type d’étude
Après le balayage initial, résiste à la tentation de commenter tout de suite la p-value ou la courbe finale. La première décision utile consiste à nommer la question de recherche et, avec elle, le plan d’étude réellement utilisé. En LCA, l’attention porte surtout sur les études comparatives, c’est-à-dire des travaux qui mettent en regard deux ou plusieurs groupes ; si tu rates ce point de départ, tu risques ensuite de discuter la mauvaise mesure d’effet ou le mauvais biais. Le premier tri est alors simple mais fondamental : soit l’équipe se contente d’observer ce qui se passe sans modifier la prise en charge, soit elle introduit une intervention ou contrôle le facteur étudié. Autrement dit, avant de savoir si un résultat est convaincant, il faut d’abord savoir si l’on regarde une scène naturelle ou une situation organisée par le protocole. Ce réflexe remet l’article sur ses rails dès les premières lignes.
Validité interne : nommer le biais juste, au bon endroit, avec le bon sens
Une fois le type d’étude repéré, la vraie question devient simple en apparence : peut-on croire que le résultat observé reflète l’effet réel, ou décrit-il surtout les défauts de l’étude ? La validité interne sert précisément à répondre à cette question. Imagine un thermomètre mal étalonné : si tu mesures cent fois, tu obtiendras peut-être quelque chose de très stable, mais stable autour d’une valeur fausse. C’est la logique d’un biais : une erreur systématique qui pousse l’estimation dans un sens donné, à la différence de l’erreur aléatoire liée aux fluctuations d’échantillonnage. En LCA, le bon raisonnement n’est donc pas de réciter des étiquettes, mais de relier un défaut concret de conception ou de conduite à sa conséquence probable sur le résultat. Plus une étude maîtrise ses biais potentiels, meilleure est sa validité interne ; et certains biais de sélection débordent même sur la validité externe lorsqu’ils fabriquent un échantillon peu représentatif de la population visée.
Réflexes devant un essai randomisé : comparateur, randomisation, aveugle, ITT
Après avoir appris à nommer les biais, il faut maintenant voir comment un bon essai essaye justement de les empêcher. Dans un essai thérapeutique, la vraie question n’est pas seulement de savoir si le résultat est positif, mais si la différence observée peut être attribuée au traitement lui-même. C’est pour cela que le schéma de référence est l’essai contrôlé, randomisé, en double aveugle quand cela est possible, avec analyse en intention de traiter. La randomisation crée la comparabilité initiale entre les groupes ; ensuite, l’aveugle et l’analyse en ITT servent à éviter que cette comparabilité se dégrade pendant le suivi et au moment de l’analyse. Quand tu lis l’article, garde donc le même fil du début à la fin : le comparateur est-il le bon, l’attribution des traitements est-elle protégée, puis la conclusion repose-t-elle bien sur le critère principal et la tolérance par groupe ? Si l’un de ces maillons cède, le résultat devient beaucoup plus difficile à interpréter, même si la p-value paraît impressionnante.
Études observationnelles et analyses : où se trouve le vrai résultat
Après l’essai randomisé, le regard change : dans une étude observationnelle, tu ne peux plus t’appuyer sur le tirage au sort, donc tu dois d’abord juger la logique du suivi. La cohorte est forte parce qu’elle respecte l’ordre exposition → maladie, ce qui permet de suivre des sujets dans le temps sans perdre la temporalité de la question clinique. C’est précisément pour cela qu’elle permet une estimation directe de l’incidence et du risque relatif, deux informations très parlantes quand on lit un article. Elle est particulièrement utile si l’exposition étudiée est rare, ou si une même exposition peut conduire à plusieurs maladies différentes. Mais cette force méthodologique a un coût : il faut du temps, souvent de grands effectifs, et surtout un suivi suffisamment rigoureux pour éviter les pertes de vue. Dès que l’attrition augmente, ou que l’exposition et l’événement sont mal classés, la confiance dans le résultat diminue nettement.
Études diagnostiques : raisonner en 2x2, puis remonter au patient
Après avoir appris à traquer le vrai résultat dans une analyse, il faut changer de réflexe : dans une étude diagnostique, on ne cherche pas d’abord à savoir si un traitement fonctionne, mais si un test classe correctement les patients. Le point d’ancrage est toujours une référence diagnostique, le gold standard, considérée comme le diagnostic incontestable. À partir de là, toute la lecture devient plus claire, parce que chaque sujet est situé à la fois du côté malade ou non malade, et du côté test positif ou négatif. Autrement dit, l’étude diagnostique se lit comme une mécanique de tri : combien de bonnes classifications, combien d’erreurs, et de quel type. Si tu gardes ce cadre en tête, les formules cessent d’être un catalogue abstrait, parce qu’elles ne font que décrire la qualité de ce tri. Le premier réflexe pratique est donc de repérer la référence utilisée, puis de reconstruire mentalement le tableau 2x2 avant même d’interpréter les indicateurs.
Méta-analyse : forte synthèse, mais pas immunité contre les mauvais biais
Après les études diagnostiques lues au niveau d’un patient, tu changes ici d’échelle : tu lis un ensemble d’études. Devant une méta-analyse, la tentation est de penser que l’addition des effectifs fabrique automatiquement une preuve incontestable. C’est seulement à moitié vrai, parce que la synthèse augmente surtout la quantité d’information et la précision statistique. En revanche, elle n’efface ni un mauvais recrutement, ni un biais de mesure, ni une confusion mal contrôlée dans les études de départ. C’est pour cela qu’on décrit la méta-analyse comme une étude observationnelle des études : elle observe, rassemble et pèse des résultats déjà produits, sans corriger magiquement leurs défauts. Retiens donc ce message central : une estimation combinée peut être impressionnante par sa précision, et pourtant rester fausse si les briques initiales sont fragiles.
Significativité, puissance, validité externe et niveau de preuve
Après avoir jugé le design et les biais, il reste la question qui décide de l’utilité réelle de l’article : que vaut ce résultat, et peut-on lui faire confiance ? Le réflexe trop court consiste à ranger l’étude dans la case positive si elle est significative et dans la case négative sinon. Or ce raccourci est faux, parce qu’un résultat statistiquement significatif peut correspondre à un effet réel, mais aussi au jeu du risque alpha, à une fluctuation d’échantillonnage ou à un biais qui a survécu à l’analyse. À l’inverse, un résultat non significatif ne démontre pas l’absence de différence : il peut simplement traduire un manque de puissance pour mettre en évidence l’effet recherché. En pratique, la bonne lecture consiste donc à dissocier trois questions : y a-t-il un signal, avec quelle précision est-il estimé, et l’étude avait-elle les moyens de détecter ce qu’elle cherchait ? Retenir seulement le verdict significatif/non significatif, c’est lire la conclusion sans lire la solidité de ce qui la porte.
Aperçu de l'arbre de décision
Je lis un article d’examen : que vérifier d’abord ?
L'ordre exact à suivre devant n'importe quel article. Voici les grandes étapes — chacune se déroule ensuite en sous-questions ciblées.
- Lire tout + cadrer l’objectifLe plan peut être non standard ; vérifier que l’objectif principal est formulé complètement avec les éléments PICO/PECO.
- Quel type d’étude ?Le design guide les contrôles méthodologiques à faire ensuite.
- Quel biais menace le plus ?Nommer le bon biais aide à savoir où l’étude a pu se dérégler.
- Comment conclure utilement ?La fin de lecture ne se résume jamais à “p < 0,05”.
30 questions réflexes
Bonus — 30 questions réflexes à dérouler de tête sur n'importe quel article : 10 réflexes, 3 questions chacun. Si tu les enchaînes sans hésiter face à un article inconnu, tu as les automatismes d'un D4 prêt pour la LCA.
- 1
Balayer l'article
- Quelle est la question PECO/PICO ?
- Quel est le critère de jugement principal ?
- Quel est le type d'étude et quelle est l'analyse statistique prévue ?
- 2
Identifier le type d'étude
- Y a-t-il une intervention sur la prise en charge ?
- L'étude est-elle transversale ou longitudinale ?
- Le recueil est-il prospectif ou rétrospectif ?
- 3
Population et transposabilité
- Qui a été inclus, et à partir de quelle population source ?
- Comment les patients ont-ils été recrutés ?
- Les perdus de vue sont-ils nombreux ou différents entre groupes ?
7 réflexes encore à débloquer
Accède aux 30 questions réflexes complètes, prêtes à imprimer, avec tout le reste de la fiche Premium.