Heterogeneidad en el metaanálisis

La heterogeneidad en el metaanálisis se refiere a la variación en los efectos verdaderos entre los estudios que se agrupan, más allá de lo que el error de muestreo por sí solo produciría. Medirla e interpretarla indica al analista si los estudios están estimando esencialmente lo mismo o cosas genuinamente diferentes, lo que influye tanto en el modelo utilizado como en la confianza depositada en el resumen.

Definition

La heterogeneidad es el grado en que los efectos verdaderos estimados por estudios individuales en un metaanálisis difieren entre sí, cuantificada mediante estadísticos como la Q de Cochran, el I-cuadrado (la proporción de la variación total debida a diferencias entre estudios en lugar de al azar), y el tau-cuadrado (la varianza estimada entre estudios).

Scope

Esta entrada aborda la evaluación estadística de la heterogeneidad entre estudios: la prueba Q de Cochran, el estadístico I-cuadrado, la varianza entre estudios tau-cuadrado, y las limitaciones conocidas de estas medidas. Trata la heterogeneidad como un tema metodológico dentro de la síntesis de evidencia y ofrece una descripción de referencia, no asesoramiento clínico.

Core questions

• ¿Los estudios incluidos estiman un efecto común o un rango de efectos diferentes?
• ¿Cuánto de la variación observada es una diferencia real entre estudios frente a ruido de muestreo?
• ¿Cómo deben interpretarse el I-cuadrado y el tau-cuadrado, y dónde pueden llevar a error?
• ¿Cuándo la heterogeneidad hace que una única estimación agrupada sea inapropiada?

Key concepts

• Prueba Q de Cochran
• Estadístico I-cuadrado
• Tau-cuadrado (varianza entre estudios)
• Heterogeneidad clínica versus estadística
• Intervalo de predicción
• Análisis de subgrupos como respuesta a la heterogeneidad

Mechanisms

La variación total entre las estimaciones de los estudios se divide en error de muestreo dentro del estudio y variación genuina entre estudios. La Q de Cochran compara la dispersión observada con lo que predice el error de muestreo por sí solo; dado que la Q tiene baja potencia con pocos estudios, Higgins y Thompson propusieron el I-cuadrado, el porcentaje de la variación total atribuible a la heterogeneidad entre estudios en lugar de al azar, que es independiente del número de estudios. El tau-cuadrado estima la varianza de la distribución del efecto subyacente y se incorpora directamente en la ponderación de efectos aleatorios y los intervalos de predicción. Se presentan advertencias importantes: Rücker y sus colegas demuestran que el I-cuadrado depende de la precisión de los estudios incluidos, por lo que puede ser grande simplemente porque los estudios son precisos, y von Hippel muestra que es inestable y puede estar sesgado en metaanálisis pequeños, por lo que estos estadísticos deben interpretarse junto con la dispersión absoluta de los efectos en lugar de frente a umbrales fijos.

Clinical relevance

La forma y el modo en que se resume un conjunto de ensayos depende en gran medida de su heterogeneidad, por lo que la evaluación de las estadísticas de heterogeneidad forma parte del juicio sobre cuánto peso merece un resultado agrupado en las guías y en la evaluación de tecnologías sanitarias. Esta entrada describe cómo se mide la heterogeneidad y no constituye una base para decisiones clínicas individuales.

Evidence & guidelines

El Manual Cochrane describe la práctica esperada para evaluar e informar sobre la heterogeneidad, incluyendo el uso del I-cuadrado con una interpretación cautelosa y el papel de los intervalos de predicción, en consonancia con la literatura metodológica aquí resumida.

History

La prueba Q de Cochran para combinar experimentos data de la estadística de mediados del siglo XX, pero resultó tener poca potencia para el pequeño número de estudios común en el metaanálisis clínico. El artículo de Higgins y Thompson de 2002, seguido por la exposición ampliamente citada en el BMJ de 2003, introdujo el I-cuadrado como una medida interpretable e independiente del tamaño de la muestra, tras lo cual una literatura correctiva (Rücker et al., 2008; von Hippel, 2015) clarificó su dependencia de la precisión del estudio y su inestabilidad en síntesis pequeñas.

Debates

¿Hasta qué punto se debe confiar en el I-cuadrado para juzgar la heterogeneidad?

El I-cuadrado depende de la precisión de los estudios incluidos y puede ser inestable cuando se agrupan pocos estudios, por lo que los comentaristas advierten contra los puntos de corte fijos y recomiendan interpretarlo junto con el tau-cuadrado y la dispersión absoluta de los efectos.

Key figures

• Julian Higgins
• Simon Thompson
• Gerta Rücker
• Paul von Hippel
• William Cochran

Seminal works

• higgins-thompson-2002
• higgins-2003

Frequently asked questions

¿Qué significa un I-cuadrado del 75%?

Indica que aproximadamente tres cuartas partes de la variación total entre las estimaciones de los estudios reflejan diferencias genuinas entre estudios en lugar de error de muestreo; pero dado que el I-cuadrado depende de la precisión del estudio, debe interpretarse junto con la dispersión real de los efectos, no frente a una etiqueta fija.

¿Es la alta heterogeneidad una razón para no agrupar estudios?

No automáticamente. Una alta heterogeneidad indica que los estudios difieren y motiva la investigación de las razones, pero la decisión de agrupar, usar un modelo de efectos aleatorios o abstenerse depende de si las diferencias son explicables y si los estudios son clínicamente comparables.