Les analyses bayésiennes, une alternative à l’analyse classique ou fréquentiste, semblent émerger dans les essais contrôlés randomisés (ECR) de phase III. L’objectif de l’étude était d’analyser la qualité de la description des analyses statistiques bayésiennes dans les ECR de phase III utilisant une méthode bayésienne pour le critère de jugement principal.

Une revue systématique portant sur les ECR de phase III utilisant une méthodologie Bayésienne sur le critère de jugement principal a été réalisée (PROSPERO CRD42017054929). La recherche a été effectuée à partir des bases de données Cochrane, Medline et Embase depuis leurs créations jusqu’au 3 avril 2018. Nous avons inclus tous les ECR de phase III utilisant des méthodes bayésiennes sur leur critère de jugement principal. L’évaluation a été faite par deux évaluateurs en suivant les recommandations PRISMA. Les études utilisant des méthodes bayésiennes uniquement sur des critères secondaires ou dans le cadre d’analyses de sensibilité ont été exclues. Nous avons évalué la présentation des caractéristiques générales et des principales composantes méthodologiques de l’analyse bayésienne à l’aide des checklists « BayesWatch » et « ROBUST ». « BayesWatch » est une échelle en 10 points permettant la vérification de la reproductibilité de l’analyse bayésienne. « ROBUST » est une échelle en 7 points dont le but est de permettre la normalisation de la description des analyses bayésiennes.

Nous avons examiné 5404 articles et inclus 49 ECR. Les spécialités les plus représentées étaient la cardiologie (n=8, 16 %), la neurochirurgie (n=6,12 %) et la neurologie (n=5, 10 %). Ces essais ont été publiés dans des revues dont le facteur d’impact médian était de 4,88 (IQR [2,5 ; 17,7]). Les interventions évaluées étaient des pratiques (27/49), des médicaments (13/49) et des dispositifs (9/49). Le nombre médian d’items [IQR] de « BayesWatch » cités dans les articles était de 7 [6 ; 8] ; il était de 4 [3 ; 5] pour les items de « ROBUST ». La proportion de description correcte variait considérablement entre les items. Les éléments les plus souvent signalés étaient les quatre éléments non spécifiques de « BayesWatch » : les objectifs, le design et la synthèse des résultats (100 % des éléments signalés) et la présentation des distributions a posteriori (92 %). Le paramétrage de l’algorithme McMC était l’élément le moins décrit (20 % des cas). Une analyse de sensibilité a été indiquée dans 57 % des cas. La loi a priori était mentionnée dans 33 (67 %) études et justifiée dans 11 (22 %) études.

Malgré une émergence dans la dernière décennie, le nombre d’ECR de phase III utilisant une méthodologie bayésienne reste très faible. La description des composantes méthodologiques essentielles des analyses bayésiennes menées dans les ECR de phase III fait souvent défaut même lorsque ces ECR sont publiées dans des revues à fort impact. La description et la justification des lois a priori, qui demeurent un élément essentiel de l’interprétation de l’analyse bayésienne, sont trop souvent manquantes.