Cervicalgie : le « sur mesure » est-il vraiment plus efficace ? La méta-analyse tranche

Cervicalgie : adapter le traitement au patient change-t-il vraiment la donne ?

Tous les kinés le savent : un traitement « sur mesure » devrait être plus efficace qu'un protocole standardisé. C'est l'idée derrière le concept de « matching » — adapter l'intervention aux caractéristiques cliniques du patient. Mais cette intuition, si répandue, est-elle confirmée par les données ? Mastromarchi et al. (2024) ont mené une méta-analyse pour le vérifier sur la cervicalgie non spécifique.

Les résultats sont nuancés : les exercices matched sortent gagnants à court terme — mais l'avantage disparaît à moyen terme, et la thérapie manuelle matched ne montre aucune supériorité, peu importe la fenêtre temporelle. Avant de tout adapter à vos patients, voici ce que ça change concrètement dans votre pratique.

Effects of matched vs. unmatched physical therapy interventions on pain or disability in patients with neck pain – a systematic review and meta-analysis

Question clinique (PICO)

Analyse méthodologique

Résultats clés

Les exercices adaptés (matched) sont significativement plus efficaces que les exercices standardisés à court terme : douleur (SMD -0.57, IC 95% -0.95 à -0.18) et incapacité (SMD -0.69, IC 95% -1.14 à -0.23). Effet cliniquement intéressant, mais à confirmer.

À moyen terme (4-6 mois), l'avantage des exercices matched disparaît sur l'incapacité (SMD 0.12, IC 95% -0.21 à 0.45). Quelques études seulement disponibles pour ces fenêtres temporelles, ce qui limite la puissance statistique.

Détail par type d'intervention :

• Exercices matched : avantage à court terme uniquement, pas maintenu à moyen ou long terme
• Thérapie manuelle matched : aucune supériorité démontrée vs thérapie manuelle standardisée, ni à court ni à moyen terme
• Acupuncture matched : bénéfice rapporté dans une étude isolée — pas généralisable
• Hétérogénéité I² > 80% dans la plupart des méta-analyses — les études se contredisent fortement

L'hétérogénéité statistique très élevée (I² souvent > 80%) signifie que les études se contredisent. Les estimations combinées sont difficiles à interpréter et potentiellement trompeuses. Sans analyses en sous-groupes formelles sur les critères de matching, on ne peut pas savoir quel type d'adaptation fonctionne réellement.

Sans définition préalable de la différence minimale cliniquement importante, on ne peut pas dire si l'effet observé sur les exercices matched (SMD -0.57) est cliniquement pertinent pour le patient. Statistiquement significatif ≠ cliniquement utile.

Re-discussion de la discussion

Les auteurs reconnaissent l'hétérogénéité et le faible nombre d'études à long terme — c'est honnête. Mais ils minimisent l'impact de l'absence de calcul de puissance et de MCID, qui sont des lacunes biostatistiques majeures pour interpréter correctement les résultats. Les explications avancées pour les résultats non significatifs à moyen terme (comme l'adhérence décroissante aux exercices) sont plausibles mais restent des hypothèses non étayées par les données de la revue.

L'argument selon lequel les effets neurophysiologiques et psychologiques à distance rendraient le site d'application de la thérapie manuelle moins important est une spéculation intéressante. Elle pourrait expliquer pourquoi le matching ne fonctionne pas pour la thérapie manuelle, mais ne peut pas être validée directement par cette méta-analyse. La discussion s'éloigne parfois de la question centrale (matching vs unmatching) pour aborder la combinaison thérapie manuelle + exercices, ce qui est intéressant cliniquement mais hors du périmètre de la revue.

Impact clinique

Recommandations pour la recherche future

• Standardiser les critères de matching dans les futurs ECR pour réduire l'hétérogénéité
• Élargir la stratégie de recherche aux études non anglophones et à la littérature grise
• Rapporter systématiquement le coefficient kappa pour la sélection des études
• Définir la MCID a priori et discuter la pertinence clinique des effets observés
• Réaliser des calculs de puissance pour les méta-analyses
• Explorer l'hétérogénéité par analyses en sous-groupes pré-spécifiées et méta-régressions
• Évaluer le biais de publication via funnel plots et tests statistiques (Egger, Begg)
• Inclure des suivis à moyen et long terme dans les ECR primaires
• Rapporter l'adhérence aux traitements pour mieux comprendre la durabilité des effets
• Discuter explicitement le rapport bénéfice/risque des interventions matched vs unmatched