Heterogeneidad en el Metaanálisis

La heterogeneidad en el metaanálisis es la variación en los efectos verdaderos entre los estudios que se combinan, más allá de la variación esperada solo por el error de muestreo. Cuando los estudios difieren en sus poblaciones, intervenciones, diseños o ejecución, sus resultados pueden diferir genuinamente, y cuantificar esa variación es fundamental para decidir si combinarlos y cómo hacerlo.

Definition

La heterogeneidad es el grado en que los efectos verdaderos estimados por los estudios en un metaanálisis difieren entre sí más allá de lo que se esperaría solo por el azar (error de muestreo).

Scope

Esta entrada aborda el significado de la heterogeneidad, la distinción entre heterogeneidad clínica, metodológica y estadística, las estadísticas comunes utilizadas para detectarla y cuantificarla (Q de Cochran, el estadístico I-cuadrado y la varianza entre estudios tau-cuadrado), y cómo la heterogeneidad influye en la elección del modelo y la interpretación de una estimación combinada. Es un tema metodológico, no una guía clínica.

Core questions

• ¿Los estudios que se combinan estiman el mismo efecto o un rango de efectos?
• ¿Cuánto de la variación observada entre estudios excede el azar?
• ¿Qué fuentes de diferencia podrían explicar la variación y cómo deberían modificar el análisis?

Key concepts

• Heterogeneidad clínica, metodológica y estadística
• Prueba Q de Cochran
• Estadístico I-cuadrado
• Varianza entre estudios (tau-cuadrado)
• Modelo de efectos aleatorios
• Análisis de subgrupos y metarregresión
• Intervalo de predicción

Mechanisms

Incluso si cada estudio estimara exactamente el mismo efecto, sus resultados se dispersarían debido al error de muestreo. La heterogeneidad es la variación adicional y real en los efectos subyacentes. La Q de Cochran evalúa si la dispersión observada excede el azar, pero tiene baja potencia cuando los estudios son pocos y detecta diferencias triviales cuando los estudios son muchos. El estadístico I-cuadrado expresa la proporción de la variación total atribuible a las diferencias entre estudios en lugar de al azar, lo que facilita su interpretación en diferentes análisis. La varianza entre estudios, tau-cuadrado, cuantifica la dispersión de los efectos verdaderos en la escala del tamaño del efecto y es el parámetro que un modelo de efectos aleatorios añade a la combinación. Cuando existe una heterogeneidad sustancial, una única estimación resumida puede ser menos informativa que describir la distribución de los efectos, por ejemplo, con un intervalo de predicción, y los analistas pueden explorar las fuentes de variación mediante análisis de subgrupos preespecificados o metarregresión en lugar de tratar la heterogeneidad como mero ruido.

Clinical relevance

El grado de heterogeneidad afecta cómo debe interpretarse un resultado combinado: un resumen preciso derivado de estudios altamente heterogéneos puede no aplicarse uniformemente en todos los contextos. Por lo tanto, reconocer e interpretar la heterogeneidad es parte de la evaluación de un metaanálisis. Esta entrada explica cómo se mide y utiliza la heterogeneidad en el análisis; no es una guía para ninguna decisión clínica individual.

Epidemiology

Las estadísticas de heterogeneidad, especialmente I-cuadrado y tau-cuadrado, se informan de forma estándar en los metaanálisis en medicina y salud pública, y la mayoría del software de metaanálisis las calcula automáticamente. El estadístico I-cuadrado introducido por Higgins y Thompson se encuentra entre las cantidades más ampliamente reportadas en la literatura de síntesis, aunque su interpretación es frecuentemente debatida.

History

La prueba Q de Cochran, derivada del trabajo de William Cochran a mediados del siglo XX, fue el estándar inicial para detectar la heterogeneidad, pero se reconoció que tenía baja potencia y dependencia de la escala. DerSimonian y Laird (1986) formalizaron el enfoque de efectos aleatorios que incorpora la varianza entre estudios. Higgins y Thompson (2002) propusieron entonces el estadístico I-cuadrado para expresar la heterogeneidad como una proporción independiente del número de estudios, y su artículo de 2003 en el BMJ lo popularizó, después de lo cual el I-cuadrado se convirtió en una parte rutinaria de la presentación de informes metaanalíticos.

Debates

¿Cómo debe interpretarse el I-cuadrado?

Los umbrales comunes de regla general para heterogeneidad baja, moderada y alta son ampliamente utilizados, pero nunca se concibieron como puntos de corte rígidos; el I-cuadrado depende de la precisión de los estudios incluidos y puede inducir a error cuando los estudios son pocos o muy grandes.

Key figures

• Julian Higgins
• Simon Thompson
• Rebecca DerSimonian
• Nan Laird
• William Cochran

Seminal works

• higgins-2003-i2
• higgins-2002-quantifying
• dersimonian-laird-1986

Frequently asked questions

¿Cuál es la diferencia entre heterogeneidad clínica y estadística?

La heterogeneidad clínica (y metodológica) se refiere a diferencias reales entre los estudios en sus poblaciones, intervenciones o diseños. La heterogeneidad estadística es la variación resultante en sus estimaciones de efecto más allá del azar, medida por estadísticas como el I-cuadrado y el tau-cuadrado. Las diferencias clínicas suelen ser la explicación de la heterogeneidad estadística observada.

¿Un I-cuadrado alto significa que un metaanálisis es inválido?

No por sí mismo. Un I-cuadrado alto indica que los efectos varían entre los estudios y que un único resumen debe interpretarse con cautela, lo que a menudo impulsa un modelo de efectos aleatorios, la exploración de las fuentes o un intervalo de predicción. Es una señal para la interpretación, no una descalificación automática.