Les méta-analyses standard de la précision des tests diagnostiques (DTA) partent généralement du principe qu’un seul résultat de test existe par participant et ne tiennent compte que de la variabilité intraétude et interétudes. Or, la répétition des tests est courante dans la pratique et le fait de l’ignorer peut conduire à une sous-estimation de la variabilité et à un biais dans les conclusions. Nous proposons un modèle méta-analytique hiérarchique pour les études de DTA avec mesures répétées qui intègre la variabilité au niveau des mesures, des participants et des études. Sous réserve des taux de classification spécifiques aux participants, les résultats binaires répétés sont modélisés comme des essais de Bernoulli, avec une sensibilité logit et des taux de faux positifs suivant des effets aléatoires normaux, et des moyennes spécifiques à l'étude suivant une distribution normale bivariée afin de saisir l'hétérogénéité et la corrélation. La vraisemblance marginale est approximée par une quadrature adaptative de Gauss-Hermite. Des études en simulation approfondies et des applications sur des ensembles de données réels seront menées pour évaluer les performances et comparer l'approche proposée aux modèles DTA standard.