Metarregresión

La metarregresión es una extensión del metaanálisis que utiliza las características a nivel de estudio como variables explicativas para investigar por qué las estimaciones del efecto difieren entre los estudios. En lugar de informar un único valor combinado, modela la relación entre esas características y el tamaño del efecto, intentando explicar la heterogeneidad entre estudios.

Definition

La metarregresión es una técnica estadística que regresa las estimaciones del efecto de estudios individuales sobre uno o más covariables a nivel de estudio, generalmente dentro de un marco de efectos aleatorios, para evaluar cuánto de la heterogeneidad entre estudios explican esos covariables.

Scope

Esta entrada cubre la metarregresión como método dentro de la síntesis de evidencia: cómo los covariables a nivel de estudio se relacionan con el tamaño del efecto, la formulación de efectos aleatorios (mixtos) que considera la heterogeneidad residual, y las precauciones bien conocidas sobre la potencia estadística, el sesgo ecológico y la sobreinterpretación. Es una descripción de referencia y no una guía clínica.

Core questions

• ¿Qué características a nivel de estudio se asocian con efectos mayores o menores?
• ¿Cuánto de la heterogeneidad entre estudios explica un covariable?
• ¿Por qué la potencia estadística para la metarregresión suele ser baja?
• ¿Cuándo una asociación a nivel de estudio induce a error sobre las relaciones a nivel individual?

Key concepts

• Covariable a nivel de estudio
• Metarregresión de efectos aleatorios (efectos mixtos)
• Heterogeneidad residual
• Sesgo ecológico (de agregación)
• Multiplicidad y sobreajuste con pocos estudios

Mechanisms

Cada estudio proporciona una estimación del efecto y un valor de uno o más covariables a nivel de estudio, como la edad media, el riesgo basal, la dosis o el año de publicación. La metarregresión ajusta una regresión ponderada de los efectos sobre esos covariables; debido a que la variación residual entre estudios generalmente persiste, una formulación de efectos aleatorios (efectos mixtos) añade un término de heterogeneidad residual para que el covariable explique parte, pero rara vez toda, de la variación. Thompson y Sharp compararon los métodos de estimación disponibles, y Thompson y Higgins establecieron los principios prácticos: los covariables deben ser preespecificados y pocos, porque el número de estudios suele ser pequeño y probar muchos covariables infla los hallazgos falsos positivos. Una precaución central es el sesgo ecológico: una asociación entre un covariable promedio de estudio y el efecto promedio de estudio no necesariamente refleja la relación dentro de los individuos, por lo que los hallazgos de la metarregresión son generadores de hipótesis en lugar de confirmatorios.

Clinical relevance

La metarregresión puede sugerir qué características del paciente o del estudio modifican el efecto de una intervención, información que se incorpora con cautela en las guías y en la evaluación de tecnologías sanitarias, pero su naturaleza observacional y a nivel de estudio limita la fuerza con la que se puede actuar sobre tales hallazgos. Esta entrada describe el método y no constituye una base para decisiones de tratamiento individuales.

Evidence & guidelines

El Manual Cochrane (Higgins & Green, 2008) describe la práctica esperada para la metarregresión, incluyendo la preespecificación de un pequeño número de covariables y una interpretación cautelosa, consistente con la guía metodológica de Thompson y Higgins (2002).

History

A medida que los metaanalistas se enfrentaron cada vez más a una heterogeneidad sustancial en la década de 1990, la atención pasó de simplemente medirla a explicarla. La comparación de métodos de Thompson y Sharp de 1999 y la guía de Thompson y Higgins de 2002 establecieron la formulación estándar de efectos aleatorios de la metarregresión y las precauciones interpretativas, particularmente en torno a la potencia estadística y el sesgo ecológico, que rigen su uso hoy en día.

Debates

¿Cuánto peso deberían tener los hallazgos de la metarregresión?

Debido a que la metarregresión utiliza datos agregados a nivel de estudio, a menudo con pocos estudios y múltiples covariables candidatos, sus asociaciones son propensas a baja potencia estadística, confusión entre las características del estudio y sesgo ecológico, por lo que los comentaristas tratan sus resultados como generadores de hipótesis en lugar de definitivos.

Key figures

• Simon Thompson
• Julian Higgins
• Stephen Sharp

Seminal works

• thompson-sharp-1999
• thompson-higgins-2002

Frequently asked questions

¿En qué se diferencia la metarregresión del análisis de subgrupos?

El análisis de subgrupos divide los estudios en categorías discretas y compara los efectos combinados entre ellas, mientras que la metarregresión modela el efecto como una función de un covariable que puede ser continuo, utilizando todos los estudios juntos; el análisis de subgrupos es, en efecto, una metarregresión con un predictor categórico.

¿Por qué la metarregresión se describe a menudo como de baja potencia estadística?

Debido a que la unidad de análisis es el estudio, y la mayoría de los metaanálisis contienen relativamente pocos estudios, hay información limitada para estimar los efectos de los covariables de manera fiable, por lo que los resultados no significativos pueden simplemente reflejar un número insuficiente de estudios en lugar de una verdadera ausencia de asociación.