Métodos Estadísticos en la Síntesis de Evidencia
Los métodos estadísticos en la síntesis de evidencia son las técnicas cuantitativas utilizadas para combinar los resultados de múltiples estudios en una estimación global del efecto, para cuantificar y explicar las diferencias entre los estudios, y para probar la solidez de esa conclusión combinada. Constituyen el motor analítico de las revisiones sistemáticas y sustentan la práctica basada en la evidencia y la evaluación de tecnologías sanitarias.
Definition
Los métodos estadísticos en la síntesis de evidencia comprenden los procedimientos para estimar un efecto combinado entre estudios (típicamente bajo modelos de efectos fijos o efectos aleatorios), para medir e investigar la heterogeneidad entre estudios, y para examinar la robustez de la estimación sintetizada frente a las elecciones analíticas y a los estudios individuales.
Scope
Esta área orienta al lector hacia la familia de métodos que transforman un conjunto de estudios individuales en una respuesta cuantitativa sintetizada: el metaanálisis (la etapa de agrupación), la evaluación de la heterogeneidad (cuánto difieren los estudios), la metarregresión (explicando esa diferencia con covariables a nivel de estudio) y el análisis de sensibilidad (probando si las conclusiones se mantienen bajo diferentes supuestos). Los enmarca como temas de referencia metodológica, no como instrucciones clínicas.
Sub-topics
Core questions
- ¿Cómo deben ponderarse y combinarse los resultados de estudios separados en una única estimación?
- ¿Cuándo es apropiado un modelo de efectos fijos y cuándo se necesita un modelo de efectos aleatorios?
- ¿Cuánto difieren los estudios más allá del azar, y esa diferencia cambia lo que podemos concluir?
- ¿Pueden las características a nivel de estudio explicar la variación en los efectos observados?
- ¿Cuán sensible es la conclusión combinada a los estudios individuales, a los supuestos de modelado y al riesgo de sesgo?
Key concepts
- Estimación del efecto combinado (resumen)
- Ponderación de estudios (ponderación por varianza inversa)
- Modelos de efectos fijos vs. efectos aleatorios
- Heterogeneidad entre estudios
- Metarregresión y análisis de subgrupos
- Análisis de sensibilidad y robustez
- Intervalos de confianza y predicción
Mechanisms
La lógica compartida es tratar la estimación del efecto de cada estudio como un punto de datos con una incertidumbre conocida, para luego combinar esos puntos con ponderaciones que reflejan su precisión. Un análisis de efectos fijos asume que todos los estudios estiman un efecto verdadero común y pondera solo por la varianza inversa; un análisis de efectos aleatorios asume que los efectos verdaderos varían entre los estudios y añade un componente de varianza entre estudios, por lo que el método de DerSimonian-Laird y sus sucesores amplían las ponderaciones y el intervalo en consecuencia. Las estadísticas de heterogeneidad resumen cuánto la variación observada excede el error de muestreo; la metarregresión y el análisis de subgrupos intentan explicar esa variación con covariables a nivel de estudio; y los análisis de sensibilidad vuelven a ejecutar la síntesis bajo supuestos alternativos para verificar que el resultado principal no es un artefacto de un estudio o de una elección de modelado.
Clinical relevance
Estos métodos generan gran parte de la evidencia de alto nivel en la que se basan las guías y las evaluaciones de tecnologías sanitarias, por lo que comprender cómo se produjeron una estimación combinada, su heterogeneidad y sus análisis de sensibilidad es fundamental para evaluar una revisión sistemática. Esta área describe cómo se genera e interpreta la evidencia sintetizada; no es una fuente de asesoramiento diagnóstico o de tratamiento individual.
Evidence & guidelines
Los estándares de reporte para la realización estadística de la síntesis de evidencia se establecen en la declaración PRISMA (Moher et al., 2009) y en el Manual Cochrane (Higgins & Green, 2008), que describen la práctica esperada para la elección del modelo, la evaluación de la heterogeneidad y el análisis de sensibilidad en las revisiones sistemáticas.
History
La agrupación cuantitativa de los resultados de los estudios surgió de las estadísticas agrícolas y de las ciencias sociales a principios del siglo XX y fue denominada metaanálisis por Gene Glass en 1976. Su adaptación a los ensayos clínicos se cristalizó con el método de efectos aleatorios de DerSimonian y Laird de 1986, y el desarrollo posterior de las estadísticas de heterogeneidad, la metarregresión y el reporte estandarizado (PRISMA, el Manual Cochrane) convirtió la síntesis de evidencia en una disciplina estadística estructurada que apoya la práctica basada en la evidencia y la evaluación de tecnologías sanitarias.
Debates
- Efectos fijos versus efectos aleatorios como modelo predeterminado
- Si una síntesis debe asumir un único efecto común o permitir que los efectos verdaderos varíen, cambia tanto la estimación como su incertidumbre; los comentaristas argumentan que la elección debe reflejar la diversidad clínica y metodológica de los estudios incluidos en lugar de una convención fija.
Key figures
- Rebecca DerSimonian
- Nan Laird
- Julian Higgins
- Simon Thompson
- Michael Borenstein
- Larry Hedges
Related topics
Seminal works
- dersimonian-laird-1986
- higgins-thompson-2002
- higgins-handbook-2008
Frequently asked questions
- ¿Cuál es la diferencia entre una revisión sistemática y los métodos estadísticos utilizados en ella?
- Una revisión sistemática es todo el proceso de identificar, evaluar y resumir estudios; los métodos estadísticos en la síntesis de evidencia son los pasos cuantitativos dentro de ella que agrupan resultados, miden la heterogeneidad y prueban la robustez.
- ¿Toda revisión sistemática incluye un metaanálisis?
- No. Cuando los estudios son demasiado diversos clínica o metodológicamente para combinarse de manera significativa, una revisión puede sintetizar los hallazgos de forma narrativa, y estos métodos estadísticos se aplican solo cuando se considera apropiada la agrupación.