La méta-analyse dose-réponse (DRMA) synthétise la relation entre différents niveaux d'exposition et une réponse spécifique dans plusieurs études. Cependant, les études aberrantes peuvent fausser les estimations regroupées, et les approches existantes se limitent à des méta-analyses univariées et bivariées, qui ne sont pas applicables à la DRMA. Nous avons développé un modèle de mélange fini multivarié à effets aléatoires à deux composantes (MFMM) qui identifie et prend en compte simultanément les études aberrantes. Nous avons conçu des scénarios de simulation complets avec des paramètres de modèle basés sur les résultats d'une nouvelle analyse de 242 ensembles de données empiriques DRMA. Nous avons évalué les performances du modèle à l'aide de mesures telles que le biais, l'erreur quadratique moyenne (RMSE), la sensibilité et la spécificité. En présence de valeurs aberrantes, le MFMM permet d'obtenir un biais et un RMSE plus faibles, des intervalles de confiance plus étroits et des probabilités de couverture plus proches des niveaux nominaux. Le nombre de niveaux de dose joue un rôle essentiel dans la précision des paramètres ainsi que dans l'identification des valeurs aberrantes réelles, comme le reflètent la sensibilité et la spécificité.