Un traitement semble prometteur d'après une revue récente. Avant de le recommander, il est essentiel de vérifier si les participants étaient comparables à votre patient, si le bénéfice observé était significatif et si des effets indésirables importants ont été négligés. Une recherche limitée au résumé ne permet pas de répondre à ces questions.
La recherche de données probantes cliniques permet de relier une question clinique aux recherches susceptibles d'éclairer une décision. Une démarche pratique consiste à définir la décision, à sélectionner les données probantes pertinentes, à effectuer une recherche efficace, à évaluer les résultats, à vérifier tout résumé généré par intelligence artificielle (IA) et à appliquer les résultats au patient et à son contexte. Cette approche est utile en médecine, en soins infirmiers, en pharmacie, en dentisterie et en réadaptation.
Définissez la décision avant de choisir les mots-clés.
Commencez par décrire l’action que les données probantes pourraient modifier : choisir un traitement, prescrire un examen, établir un pronostic, enquêter sur un préjudice ou discuter de la prévention. Précisez le contexte des soins et la période sur laquelle les résultats sont pertinents.
Pour les questions relatives au traitement, utilisez la méthode PICO : population, intervention, comparateur et résultat. La National Library of Medicine recommande ce cadre pour transformer une préoccupation générale en une question ciblée.[1]
Question de recherche hypothétique : Chez les adultes souffrant d’arthrose du genou et bénéficiant de soins ambulatoires, comment un programme d’exercices supervisés se compare-t-il à un programme d’exercices à domicile en termes de douleur, de capacité de marche et d’événements indésirables sur une période de six mois ?
Cela permet une comparaison claire. « Exercice pour l’arthrite » ne précise pas de quels patients, programme ou résultat vous parlez. Posez une question neutre : demandez comment les options se comparent plutôt que de demander des preuves de l’efficacité de votre option préférée.
Adaptez la structure aux autres questions. Une recherche diagnostique doit préciser la population concernée, le test et la norme de référence. Une recherche pronostique doit définir le début du suivi et le résultat prédit. Ces précisions permettent d'éviter d'appliquer des données issues d'un contexte clinique différent.
Associez les données probantes à la question clinique
Pour une question de prise en charge établie, commencez par une recommandation actuelle et pertinente ou un résumé fiable des données probantes, puis examinez les revues systématiques qui la soutiennent. Consultez les études primaires lorsque la synthèse est obsolète, contradictoire ou ne répond pas à votre question. La méthodologie de l’étude doit être adaptée à la décision.[2,3]
| Questionne toi | Preuves utiles | Question clé d'évaluation |
|---|---|---|
| Traitement ou prévention | Revues systématiques d'essais randomisés ; essais pertinents | Avantages, inconvénients et comparateur équitable |
| Précision diagnostique | Études comparant un test à une norme de référence appropriée | Sélection des patients, seuil de test et contexte clinique |
| Pronostic | Cohortes avec un point de départ défini | Suivi, données manquantes et risque de base |
| Les effets indésirables des médicaments | Essais cliniques, études observationnelles comparatives et informations réglementaires sur la sécurité | Facteurs de confusion, exposition et durée |
Pour les questions relatives à l’expérience des patients ou aux obstacles aux soins, la recherche qualitative peut être plus informative qu’un essai d’intervention.[3]
Une méta-analyse combine statistiquement des résultats ; cette appellation seule ne garantit pas un haut degré de certitude. Les biais, les résultats incohérents, les preuves indirectes, l’imprécision et le biais de publication peuvent fragiliser un ensemble de données probantes.[4] Les rapports de cas peuvent soulever une question de sécurité, mais ne permettent pas, à eux seuls, d’établir la fréquence d’un événement.
Cherchez suffisamment largement pour trouver la réponse
Traduisez la question en quelques concepts clés. La méthode PICO structure votre réflexion, mais inclure tous les éléments dans une requête de base de données peut exclure des articles utiles. Les comparateurs et les résultats peuvent être absents des titres, des résumés ou de l'indexation.[5]
Pour la question hypothétique de l'arthrose, voici un exemple de recherche initiale sur PubMed :
(arthrose du genou) ET (exercice OU physiothérapie OU thérapie physique)
L'opérateur OU regroupe les alternatives ; l'opérateur ET relie les concepts. Consultez les détails de la recherche dans PubMed pour voir comment les termes ont été traduits. Ajoutez les descripteurs MeSH (Medical Subject Headings) aux mots clés pour affiner votre stratégie. Utilisez le filtre « Revue systématique » pour trouver des synthèses, ou le filtre « Requêtes cliniques » pour vous concentrer sur la thérapie, le diagnostic, le pronostic, l'étiologie ou les questions de prédiction. Les requêtes précises privilégient la spécificité ; les requêtes larges privilégient la sensibilité.[5,6]
Vérifiez les dates de publication et la date de la dernière recherche d'une revue. Une revue récemment publiée peut avoir une date limite de référence plus ancienne. Recherchez les études importantes publiées après cette date limite.[5]
Si les résultats sont peu nombreux, supprimez les termes restrictifs et les filtres de révision. L’âge et d’autres filtres dépendants de l’indexation peuvent manquer des enregistrements pertinents qui ne contiennent pas ces termes.[6] Une recherche clinique rapide n’est pas une revue systématique : les revues exhaustives nécessitent des méthodes documentées, de multiples sources et l’apport d’un spécialiste de l’information.[5]
Pour affiner les résultats, reportez-vous à l'exemple d'exercice. Si la recherche renvoie principalement des résultats concernant la réadaptation postopératoire, ajoutez des termes décrivant la population cible en ambulatoire. Si elle donne très peu de résultats, supprimez d'abord l'exigence de supervision et examinez le déroulement du programme dans le texte intégral. Conservez une trace des termes de recherche finaux afin de pouvoir revenir sur la question.
Évaluez le résultat avant de modifier vos pratiques.
Lisez attentivement les méthodes et les résultats qui sous-tendent la conclusion. Vérifiez si l’attribution des groupes était dissimulée, si le suivi était adéquat et si le comparateur représentait une alternative raisonnable. Pour les études diagnostiques, examinez la norme de référence et le contexte de recrutement. Pour les résultats observationnels, évaluez si des facteurs de confusion pourraient expliquer l’association.[3]
Il convient de distinguer l’ampleur d’un effet de la confiance qui lui est accordée. La méthode GRADE (Grading of Recommendations Assessment, Development and Evaluation) évalue la certitude de chaque résultat comme étant élevée, modérée, faible ou très faible. Une intervention peut présenter des preuves plus claires de ses bienfaits que de ses effets néfastes.[4]
Il convient d'examiner les effets absolus et les intervalles de confiance, et non une simple réduction relative ou un résultat statistiquement significatif. Exemple hypothétique : réduire un événement de 8 % à 6 % sur un an correspond à une réduction relative de 25 %, mais à une réduction absolue de 2 points de pourcentage. Le nombre de sujets à traiter correspondant est de 50 sur un an. Ces chiffres fictifs illustrent l'interprétation et ne constituent pas une recommandation de traitement.[3]
Vérifiez si les résultats ont une importance pour les patients : fonction, symptômes, qualité de vie ou complications graves. L’amélioration d’un marqueur biologique n’est pas automatiquement synonyme d’une meilleure santé. Des intervalles de confiance larges peuvent laisser en suspens un bénéfice ou un risque cliniquement important.[4]
Lorsque des études présentent des résultats contradictoires, il convient d'examiner les différences au niveau des participants, des interventions et de la mesure des résultats avant d'interpréter la moyenne globale. Une incohérence inexpliquée peut réduire la certitude. Un grand nombre d'études ne résout pas ce problème par la simple production d'une estimation combinée plus précise.[4]
Utiliser l'IA pour analyser les preuves et vérifier les affirmations importantes
L'IA peut aider à structurer une question et à en fournir un résumé initial. ZoeMD prend en charge les questions et réponses médicales en langage naturel, avec citations et liens directs vers les sources. Ces fonctionnalités permettent d'accéder aux preuves ; elles ne garantissent cependant pas que chaque réponse soit complète ou pertinente.
L’Organisation mondiale de la santé met en garde contre le risque que l’IA générative produise des informations sanitaires inexactes, biaisées ou incomplètes. Elle souligne également le biais d’automatisation : accepter trop facilement un résultat et négliger les erreurs.[7]
Avant de tirer une conclusion, consultez la source citée. Vérifiez la population, l'intervention, le résultat et le passage pertinent. Recherchez les mises à jour, les corrections ou les rétractations. Un article scientifique authentique peut être cité pour une conclusion qu'il ne soutient pas. Si seul le résumé est disponible, limitez vos conclusions à son contenu.
Par exemple, une réponse d'IA à une question sur l'exercice physique pourrait décrire une meilleure capacité de marche alors que l'étude citée ne mesurait que la douleur. Elle pourrait également interpréter un résultat observé sur trois mois comme s'étendant sur six mois. Vérifier précisément le critère d'évaluation et le moment de l'évaluation permet de déceler ces incohérences ; confirmer l'existence de l'article ne suffirait pas.
Voici un exemple d'invite de recherche de preuves réutilisable :
Pour [population et contexte], comparez [intervention] à [alternative] pour [résultats importants et horizon temporel]. Identifiez les lignes directrices et les revues systématiques pertinentes actuelles, puis les études primaires appropriées le cas échéant. Fournissez les liens directs vers les sources, les dates de publication et les dates de recherche des revues lorsqu'elles sont disponibles. Distinguez les résultats des études des recommandations des lignes directrices. Indiquez les effets absolus et le degré de certitude des preuves lorsqu'ils sont disponibles, les principaux effets indésirables, les exclusions et les divergences. Précisez ce qui demeure incertain et n'inventez pas d'informations manquantes.
Considérez cette invite comme une aide à la recherche. Vérifiez la réponse et n'utilisez que les informations patient autorisées par le flux de travail de traitement des données approuvé par votre organisation. Consultez le guide associé à Recherche de preuves pour les médecins de famille propose des exemples organisés par type de question clinique.
Appliquez les preuves et consignez le raisonnement.
Appliquez les preuves et consignez le raisonnement.
L’applicabilité nécessite une évaluation distincte. Comparez la population étudiée, l’intervention, le comparateur, les résultats et le contexte avec votre propre question. L’âge, les comorbidités, le risque initial, l’intensité du traitement et l’accès au suivi peuvent modifier la pertinence d’un résultat.[8]
Le risque de base mérite une attention particulière. En reprenant l’exemple numérique hypothétique, la même réduction relative de 25 % appliquée à un risque annuel de 2 % ramènerait ce risque à 1.5 %. Cela correspond à une réduction absolue de 0.5 point de pourcentage et à un nombre de sujets à traiter de 200. Ce calcul suppose que l’effet relatif se transfère au groupe à plus faible risque ; cette hypothèse nécessite une justification clinique.[8]
Pour les décisions relatives aux médicaments, vérifiez le produit exact, la dose, la voie d'administration, les interactions et les considérations liées à la fonction organique dans les informations posologiques officielles en vigueur dans votre juridiction. Pour la réadaptation, examinez l'intensité du programme, la supervision et l'observance. Pour les soins hospitaliers, tenez compte de la maladie aiguë, des risques concurrents et du suivi possible après la sortie.
En cas de recommandations contradictoires, comparez les populations concernées, les dates limites de recueil des données, les résultats et les hypothèses avant de déterminer laquelle s'applique. Une recommandation élaborée pour un service spécialisé peut nécessiter une mise en œuvre différente selon les ressources ou l'expertise disponibles.[8]
Clarifiez les divergences : une source peut privilégier une option pour une population à haut risque spécifique, tandis qu’une autre aborde les soins courants. Si les populations sont identiques, examinez si des études plus récentes ou des priorités différentes en matière de rapport bénéfice-risque expliquent la différence. Consignez le point non résolu plutôt que de présenter un faux consensus.
Documentez la question, la date de la recherche, les principales sources, les limites importantes et la justification de la décision. Indiquez les priorités du patient et tout suivi nécessaire. Si une incertitude est susceptible de modifier sensiblement la prise en charge, sollicitez l'avis d'un spécialiste, d'un pharmacien ou d'un spécialiste de l'information. En situation d'urgence, la recherche documentaire doit permettre une évaluation rapide et le respect des protocoles de prise en charge approuvés.
Dans le scénario hypothétique d'exercice physique, la discussion finale devrait porter sur le programme étudié, les résultats mesurés et la faisabilité de la participation aux séances et de la pratique à domicile. Demandez au patient quel résultat est le plus important pour lui, comme aller faire ses courses à pied ou monter les escaliers. Convenez de la manière dont les progrès seront évalués, plutôt que de conclure par une affirmation générale selon laquelle l'exercice est bénéfique.
Pour votre prochaine recherche de données cliniques, choisissez une décision non résolue et suivez son évolution, de la question à la source, jusqu'à sa pertinence pour le patient. Pour explorer une approche basée sur l'IA, consultez ZoeMD. La vérification et le jugement professionnel doivent rester au cœur du processus.
Références
1. Bibliothèque nationale de médecine. Utilisation de PICO pour formuler des questions cliniques. Dans : Utiliser PubMed dans la pratique fondée sur les preuves [Internet]. Bethesda (MD) : Bibliothèque nationale de médecine ; [consulté le 14 octobre 2026]. Disponible sur : https://www.nlm.nih.gov/oet/ed/pubmed/pubmed_in_ebp/02-100.html
2. Groupe de travail de l'OCEBM sur les niveaux de preuve. Les niveaux de preuve d'Oxford 2011 [Internet]. Oxford : Centre d'Oxford pour la médecine factuelle ; 2011 [consulté le 14 octobre 2026]. Disponible sur : https://www.cebm.net/wp-content/uploads/2014/06/CEBM-Levels-of-Evidence-2.1.pdf
3. American Academy of Family Physicians. Evidence-based Medicine Toolkit [Internet]. American Academy of Family Physicians; [consulté le 14 octobre 2026]. Disponible sur : https://www.aafp.org/afp/authors/ebm-toolkit
4. Schünemann HJ, Higgins JPT, Vist GE, Glasziou P, Akl EA, Skoetz N, et al. Chapitre 14 : Remplissage des tableaux « Résumé des résultats » et évaluation du niveau de preuve. Dans : Manuel Cochrane pour les revues systématiques des interventions. Version 6.5 [Internet]. Cochrane ; 2024 [mis à jour en août 2023 ; consulté le 14 octobre 2026]. Disponible sur : https://www.cochrane.org/authors/handbooks-and-manuals/handbook/current/chapter-14
5. Lefebvre C, Glanville J, Briscoe S, Featherstone R, Littlewood A, Metzendorf MI, et al. Chapitre 4 : Recherche et sélection des études. Dans : Manuel Cochrane pour les revues systématiques des interventions. Version 6.5.1 [Internet]. Cochrane ; 2025 [mis à jour en mars 2025 ; consulté le 14 octobre 2026]. Disponible sur : https://www.cochrane.org/authors/handbooks-and-manuals/handbook/current/chapter-04
6. Bibliothèque nationale de médecine. Guide de l'utilisateur PubMed [Internet]. Bethesda (MD) : Bibliothèque nationale de médecine ; [consulté le 14 octobre 2026]. Disponible sur : https://pubmed.ncbi.nlm.nih.gov/help/
7. Organisation mondiale de la Santé. L’OMS publie des lignes directrices sur l’éthique et la gouvernance de l’IA pour les grands modèles multimodaux [Internet]. Genève : Organisation mondiale de la Santé ; 18 janvier 2024 [consulté le 14 octobre 2026]. Disponible sur : https://www.who.int/news/item/18-01-2024-who-releases-ai-ethics-and-governance-guidance-for-large-multi-modal-models
8. Atkins D, Chang S, Gartlehner G, Buckley DI, Whitlock EP, Berliner E, et al. Évaluation de l’applicabilité des études comparatives d’interventions médicales [Internet]. Rockville (MD) : Agency for Healthcare Research and Quality ; janvier 2011 [consulté le 14 octobre 2026]. Rapport n° : 11-EHC019-EF. Disponible sur : https://effectivehealthcare.ahrq.gov/sites/default/files/methods_guide_atkins.pdf
