Méta-analyse des principaux facteurs influençant la qualité de viande

Une base de données dédiée à recueillir l’ensemble des données collectées pour effectuer nos méta-analyses a été construite dans le cadre du module VI du projet Q- Porkchains (www.qpc6.dk ). Cette base de données a été construite dans le but de faciliter le stockage des données provenant de données résumées des publications ou de données brutes quand elles sont disponibles, ainsi qu’une description des modèles statistiques utilisés dans chaque publication qui sont à l’origine des résultats qui y sont enregistrés. Les données sont introduites dans la base sous forme de valeurs statistiques. Le site contenant la base de données est consacré également au projet Q-Porkchains. En effet, des parties du site sont réservées à l’édition des documents, l’échange de programmes, de notes entre les partenaires et la publication des événements et des nouvelles. Des champs ont été également réservés pour attribuer des mots-clés aux documents, ainsi qu’aux programmes et aux références des publications. Une liste commune des codes attribués aux facteurs et aux paramètres de qualité de viande a été établie et enrichie au fur et à mesure des enregistrements des références afin de garantir une uniformité des termes utilisés par les différents partenaires.

La base de données a été conçue selon un modèle relationnel qui consiste à stocker les données dans plusieurs tables reliées par des index. Le système de gestion de base de données choisi était MySQL (version 5.0.27), et l’interface du site a été programmée par le langage PHP (version 5.2.0). 3/ Valider les informations : il est nécessaire de vérifier la cohérence entre les données rapportées dans la publication et celles précédemment enregistrées dans la base de données, (par exemple les mesures de pH, de températures, de concentrations.). Il faut également être vigilent vis-à-vis des données aberrantes, c’est pourquoi une étape préliminaire d’exclusion et de validation de données était nécessaire avant la saisie des données dans la base. 4/ Prendre en considération la potentielle complexité des facteurs qui influencent les paramètres de la qualité de viande et leurs probables interactions (Figure 3.1). 5/ Tenir compte des différences entre les méthodes de mesures des variables étudiées entre les publications afin d’expliquer une part de l’hétérogénéité entre publications. En raison de l’importance du dispositif expérimental utilisé pour l’obtention des résultats de chaque étude et leurs interprétations, il a été décidé d’inclure dans la base de données toutes les informations relatives aux méthodes utilisées par chaque auteur. 6/ Rapporter la variabilité intra-essai relatives aux données extraites des études qui sera utilisée par la suite dans le processus de pondération des données (St-Pierre, 2001 .

Notons que certaines études exprimaient cette variabilité sous deux formes : écart-type ou erreur standard. Il a été décidé d’estimer les écart-types de certains résultats à partir de l’erreur standard et l’effectif afin d’avoir le même ordre de grandeur de la précision. 7/ Choix des unités de mesure : les unités de mesures de la même variable différent parfois entre les publications. Ainsi, le choix d’une unité de mesure unique pour une variable donnée est une nécessité pour l’homogénéité des données. 8/ Enfin, une dernière exigence concernait la facilité de la saisie des données dans la base. En effet, il a été décidé d’enregistrer les données dans un premier temps sous Excel (2007), puisque ce programme est bien connu et facile à utiliser. Une fois enregistrées, les données ont été ensuite transférées dans la base. étape préliminaire de vérification et de validation des données transférées dans la base de données a été prévue. Cette étape a pour objectif de vérifier qu’il n y’a pas eu d’erreur lors du transfert des données (par exemple Il était également important de décrire le méta-dispositif de chaque variable explicative X afin de pouvoir classer les publications en classes distinctes au sein desquelles il serait possible de situer les intervalles où il y a une grande disponibilité de données, et inversement, les intervalles où il y a beaucoup de données manquantes (Sauvant et al., 2005 ; Figure 1.4) . Concernant la multiplicité des questions scientifiques et des relations à établir entre les facteurs et les variables par le biais de la méta-analyse et des données récoltées et enregistrées dans la base, il était nécessaire de construire de nouvelles tables pour chaque méta-analyse : par exemple les effets du gène halothane, du transport, du temps jeûne et du temps de repos sur les paramètres de la qualité technologique ont été traitées dans des tables séparées .