Cette revue systématique et cette méta-analyse ont été réalisées en stricte conformité avec les directives PRISMA 2020. Comme cette étude utilise des données secondaires provenant d’essais publiés précédemment, l’approbation du comité d’éthique institutionnelle (IRB) n’était pas requise ; cependant, toutes les études originales comprenaient des normes éthiques impliquant des sujets humains. Le protocole a été enregistré prospectivement dans la base de données PROSPERO immédiatement après le début de l’étude (Numéro d’enregistrement : CRD42025637800).
Stratégie de recherche et critères de sélection Deux chercheurs indépendants ont mené une recherche systématique exhaustive sur les essais contrôlés randomisés (ECR) portant sur la décoction de Buyang Huanwu (BYHWD) pour les lésions de la moelle épinière (LME). La recherche s’est étendue de la création de chaque base de données jusqu’en janvier 2025. Les bases de données électroniques comprenaient PubMed, Embase, The Cochrane Library, Web of Science, CNKI, VIP, Wanfang et CBM. La stratégie de recherche utilisait une combinaison de vocabulaire contrôlé (par exemple, termes MeSH dans PubMed, Emtree dans Embase) et de termes en texte libre (champs Titre/Abstrait). Plus précisément, les opérateurs booléens AND et OR ont été utilisés pour combiner des termes liés à la lésion de la moelle épinière (par exemple, LME traumatique, lésion épinière), à la décoction de Buyang Huanwu (par exemple, Tang de Buyang Huanwu) et à l’essai contrôlé randomisé. Prenons PubMed comme exemple :
#1 : ((Blessures de la moelle épinière[Mesh] OU Lésion de la moelle épinière[Mesh] OU Lésions de la moelle épinière, traumatisantes [Mesh] OU traumatique de la moelle épinière, traumatique[Mesh]) OU (Lésion de la moelle épinière OU LM ou Lésion spinale))
#2 : ((Buyang Huanwu Tang[Mesh] OU Décoction Buyang Huanwu [Mesh]) OU (Décoction Buyang Huanwu Tang OU Buyang Huanwu))
#3 : (essai contrôlé randomisé[pt] OU essai clinique contrôlé[pt] OU randomisé[tiab] OU placebo[tiab] OU thérapie médicamenteuse[sh] OU aléatoirement[tiab] OU essai[tiab] OU groupes [tiab]) PAS (animaux[mh] NON humains[mh])
#4 : #1 ET #2 ET #3
Filtres et limites : Le filtre des humains était activé là où c’était possible. Aucune restriction linguistique n’a été imposée. Formats d’exportation : Tous les enregistrements récupérés ont été exportés dans des formats de citation standard (par exemple, .nbib, .ris ou .ciw) et importés dans un logiciel de gestion de références (Table of Materials). Les doublons étaient supprimés grâce à la fonction de déduplication automatique d’EndNote suivie d’une vérification manuelle.
Sélection des études et extraction des données Les résultats ont été sélectionnés selon des critères d’inclusion stricts : (1) conception d’étude ECR ; (2) les participants diagnostiqués avec une LM subissant un traitement chirurgical ; (3) un groupe expérimental recevant des soins chirurgicaux de routine plus un groupe témoin recevant uniquement des soins chirurgicaux de routine ; et (4) la déclaration de mesures de résultats quantitatives incluant les scores ASIA, les potentiels évoqués (SEP/MEP) ou les taux d’efficacité clinique. Les critères d’exclusion englobaient les études animales, les ECR non élaborés, les doublons et les études avec des données incomplètes. Deux chercheurs ont examiné indépendamment les titres, résumés et textes intégraux. Les désaccords concernant l’éligibilité aux études ont été résolus opérationnellement par une discussion immédiate ; si un consensus n’était pas parvenu, un troisième évaluateur principal (Z.P.W.) prenait la décision finale sur la base de la revue en texte intégral. L’extraction des données a été réalisée à l’aide d’un tableau standardisé (voir Tableau des matériaux), enregistrant le premier auteur, l’année, la démographie, les interventions et les résultats.
Évaluation du risque de biais La qualité méthodologique des ECR inclus a été évaluée indépendamment par deux évaluateurs à l’aide de l’outil Cochrane Risk of Bias (RoB 2). Pour chaque étude incluse, des justifications détaillées ont été fournies pour les jugements dans cinq domaines : (1) Processus de randomisation — la génération de séquences était considérée comme peu risquée si des nombres aléatoires générés par ordinateur ou des tables de randomisation étaient utilisés, et à haut risque si l’alternance, la date de naissance ou le numéro de dossier de cas était utilisé ; La dissimulation d’allocation était jugée à faible risque si une allocation centralisée, des enveloppes opaques scellées ou une randomisation contrôlée par la pharmacie étaient utilisées, et un risque élevé si un calendrier d’allocation ouvert ou des enveloppes non dissimulées étaient utilisés ; (2) Écarts par rapport aux interventions prévues — l’aveuglement des participants et du personnel a été évalué comme étant à faible risque pour les études en double aveugle, avec certaines préoccupations concernant les résultats en simple aveugle ou objectifs, et un risque élevé pour les études ouvertes avec des résultats subjectifs ; (3) Données manquantes de résultats — jugées à faible risque si <5 % de données manquantes avec l’analyse d’intention de traiter, risque modéré si 5 % à 20 % manquantes, et risque élevé si >20 % d’une analyse manquante ou par protocole avec une perte significative (>15 % de différence entre les groupes) ; (4) Mesure du résultat — évalué comme faible à risque si les évaluateurs de résultats étaient aveugles ou si les résultats étaient objectifs (par exemple, la mortalité), et à haut risque si les évaluateurs étaient conscients de l’allocation du groupe et que les résultats étaient subjectifs ; (5) Sélection du résultat rapporté — évaluée en comparant les protocoles (si disponibles) ou les sections méthodes avec les résultats rapportés, classée à risque élevé si le critère principal était modifié ou rapporté de manière sélective. Les divergences entre les évaluateurs étaient résolues par discussion ou consultation avec un troisième évaluateur (Sun).
La qualité des preuves a été évaluée selon le système GRADE sur quatre niveaux : Haute qualité (il est très peu probable que d’autres recherches modifient notre confiance dans l’estimation de l’effet ; commencées comme élevées pour les ECR et évaluées en baisse pour des limitations) ; Qualité modérée (des recherches supplémentaires devraient avoir un impact important sur la confiance et pourraient modifier l’estimation) ; Faible qualité (des recherches ultérieures auront très probablement un impact important et risquent de modifier l’estimation) ; et Très faible qualité (toute estimation de l’effet est très incertaine). La qualité a été évaluée en baisse par rapport à la haute pour : risque de biais (limitations sérieuses dans la randomisation ou l’aveuglement dans >25 % de poids des études), incohérence (I2 > 50 % ou intervalles de confiance non chevauchants), indirectité (différences de population, intervention, comparateur ou mesure de résultat), imprécision (taille optimale de l’information non atteinte [<300 événements pour les résultats dichotomiques ou <400 participants pour les résultats continus] ou IC à 95 % incluant à la fois bénéfices et préjudices significatifs), et le biais de publication (évident par l’asymétrie du diagramme d’entonnoir, le test d’Egger p < 0,10, ou <10 incluait des études avec des effets apparents de petite étude).
Analyse statistique et flux de travail logiciel La méta-analyse a été réalisée à l’aide d’un logiciel de méta-analyse (Table of Materials). Les données continues (par exemple, scores ASIA, amplitude SEP/MEP) ont été saisies en moyenne et écart-type (DE) pour calculer les différences moyennes (DM) avec des intervalles de confiance à 95 % (IC 95 %). Pour les résultats dichotomiques (par exemple, les taux d’efficacité), les données ont été saisies sous forme de comptages d’événements (nombre d’événements/taille totale de l’échantillon) pour calculer les rapports de risque (RR) avec des intervalles de confiance (IC) à 95 % en utilisant la méthode de Mantel-Haenszel ; pour les résultats continus (par exemple, les scores ASIA), la méthode de la variance inverse a été utilisée pour calculer les différences moyennes (DM) avec IC à 95 %. Toutes les analyses ont été initialement réalisées à l’aide d’un modèle à effet fixe dans le logiciel de méta-analyse (Table of Materials).
Évaluation de l’hétérogénéité et sélection du modèle : L’hétérogénéité statistique entre les études a été quantifiée à l’aide de la statistique I2 et du test Q de Cochran. Le seuil prédéfini pour une hétérogénéité significative a été fixé à I2 > 50 % ou P < 0,10. Si l’hétérogénéité dépassait ces seuils, indiquant que les tailles d’effet réelles variaient probablement entre les études plutôt que par hasard seul, le modèle d’analyse a été basculé vers un modèle à effets aléatoires (méthode Der Simonian-Laird) afin de fournir une estimation groupée plus conservatrice tenant compte de la variance entre les études.
Analyse de sensibilité : Pour tester la robustesse des résultats, en particulier pour les résultats présentant une forte hétérogénéité, des analyses de sensibilité ont été réalisées en omettant séquentiellement une étude à la fois (méthode laisse-un-dehors) et en recalculant l’estimation de l’effet combiné pour les études restantes. Si l’omission d’une seule étude modifiait substantiellement la direction ou la signification statistique de l’effet global (par exemple, en faisant dépasser l’IC à 95 % la valeur nulle de 1,0 pour RR ou 0 pour la DM), cette étude était considérée comme influente, et la stabilité des résultats était interprétée avec prudence.
Évaluation du biais de publication : Des graphiques d’entonnoir ont été générés pour évaluer visuellement le biais de publication uniquement lorsqu’au moins 10 études étaient incluses dans la méta-analyse, car moins d’études ne sont pas suffisantes pour distinguer la véritable asymétrie de la dispersion aléatoire. Lorsque cela était applicable, l’asymétrie du diagramme d’entonnoir était interprétée en tenant compte de l’implication des effets de petites études ; Pour les analyses de moins de 10 études, l’évaluation du biais de publication n’a pas été réalisée en raison d’un manque de puissance statistique.