Metaanálisis

El metaanálisis es el procedimiento estadístico que combina las estimaciones de efecto de varios estudios que abordan la misma pregunta en una estimación combinada única y más precisa. Al ponderar cada estudio según su precisión, extrae una respuesta global que ningún estudio individual podría proporcionar e informa la incertidumbre restante en torno a ella.

Definition

El metaanálisis es la combinación cuantitativa de estimaciones de efecto de múltiples estudios en una estimación resumida ponderada, típicamente utilizando ponderación por varianza inversa bajo un modelo de efectos fijos (un efecto común asumido) o un modelo de efectos aleatorios (efectos que se asume varían entre estudios).

Scope

Esta entrada cubre la mecánica central de la combinación de datos: cómo se ponderan los efectos de los estudios individuales, la distinción entre los modelos de efectos fijos y de efectos aleatorios, y cómo se leen la estimación combinada y su intervalo. Trata el metaanálisis como un método cuantitativo dentro de la síntesis de evidencia y es una descripción de referencia en lugar de una guía clínica. El proceso más amplio de revisión sistemática se cubre en el nodo de metaanálisis relacionado bajo revisiones sistemáticas.

Core questions

• ¿Cómo se ponderan los resultados de los estudios individuales cuando se combinan?
• ¿Qué representa la estimación combinada bajo un modelo de efectos fijos frente a uno de efectos aleatorios?
• ¿Cómo debe interpretarse el intervalo de confianza alrededor de una estimación combinada?
• ¿Cuándo es apropiado combinar estudios?

Key concepts

• Ponderación por varianza inversa
• Modelo de efectos fijos
• Modelo de efectos aleatorios
• Efecto combinado (resumido)
• Intervalo de confianza e intervalo de predicción
• Diagrama de bosque (forest plot)

Mechanisms

Cada estudio aporta una estimación de efecto (como una razón de riesgo, razón de probabilidades o diferencia de medias) junto con su error estándar. En la ponderación por varianza inversa, los estudios más precisos reciben mayor peso, y el promedio ponderado es la estimación combinada. Bajo un modelo de efectos fijos, se asume que todos los estudios comparten un único efecto verdadero, por lo que los pesos dependen solo de la varianza dentro del estudio. Bajo un modelo de efectos aleatorios, se asume que los efectos verdaderos varían, por lo que se añade una varianza estimada entre estudios a cada peso, reduciendo la influencia de los estudios más grandes y ampliando el intervalo de confianza. El enfoque de DerSimonian-Laird proporcionó el estimador clásico basado en momentos de esa varianza entre estudios; Riley y sus colegas enfatizan que el resumen de efectos aleatorios es un efecto promedio cuya interpretación, y el intervalo de predicción que lo rodea, deben reflejar que los efectos difieren entre los diferentes entornos.

Clinical relevance

Las estimaciones combinadas de los metaanálisis suelen situarse en la cima de las jerarquías de evidencia y alimentan directamente las guías y la evaluación de tecnologías sanitarias, por lo que ser capaz de leer un diagrama de bosque (forest plot) y comprender lo que significa su línea de resumen es parte de la evaluación de la evidencia. Esta entrada explica cómo se produce la estimación combinada y no es una base para decisiones de tratamiento individuales.

Evidence & guidelines

La realización y el informe transparente de los metaanálisis se rigen por el Manual Cochrane (Higgins & Green, 2008) y la declaración PRISMA (Moher et al., 2009), que especifican cómo deben presentarse la estimación combinada, la elección del modelo y la incertidumbre circundante.

History

El término metaanálisis fue introducido por Gene Glass en 1976 para la síntesis cuantitativa de hallazgos de investigación. Su traslación a la investigación clínica se afianzó con el marco de efectos aleatorios de DerSimonian y Laird de 1986, y exposiciones posteriores como las de Borenstein y sus colegas (2010) aclararon la diferencia conceptual entre la combinación de efectos fijos y de efectos aleatorios que aún organiza la práctica actual.

Debates

¿Qué significa realmente una estimación resumida de efectos aleatorios?

Debido a que el modelo de efectos aleatorios promedia sobre una distribución de efectos verdaderos, su línea de resumen es un promedio en lugar de un único valor común; Riley y sus colegas argumentan que se necesita un intervalo de predicción, no solo el intervalo de confianza, para transmitir el rango de efectos entre los diferentes entornos.

Key figures

• Rebecca DerSimonian
• Nan Laird
• Michael Borenstein
• Larry Hedges
• Julian Higgins
• Richard Riley

Seminal works

• dersimonian-laird-1986
• borenstein-2010
• higgins-handbook-2008

Frequently asked questions

¿Cuál es la diferencia entre un metaanálisis de efectos fijos y uno de efectos aleatorios?

Un análisis de efectos fijos asume que cada estudio estima el mismo efecto verdadero único, mientras que un análisis de efectos aleatorios asume que el efecto verdadero varía entre los estudios y añade un término de varianza entre estudios, lo que generalmente amplía el intervalo de confianza.

¿Se puede combinar cualquier conjunto de estudios en un metaanálisis?

No. La combinación solo es significativa cuando los estudios son lo suficientemente similares en cuanto a la pregunta, la población y el resultado; cuando son demasiado diversos, combinarlos puede producir un resumen preciso pero engañoso.