Revisión sistemática y metaanálisis

Una revisión sistemática con metaanálisis combina dos métodos: una revisión estructurada y reproducible que recopila y evalúa todos los estudios elegibles sobre una pregunta, y un procedimiento estadístico que agrupa sus resultados en una única estimación ponderada del efecto. La revisión controla el sesgo de la selección de estudios; el metaanálisis cuantifica la señal combinada y la variabilidad a su alrededor. Juntos forman el método prototípico de la investigación de intervenciones basada en la evidencia.

Definition

Una revisión sistemática con metaanálisis es una revisión que utiliza métodos explícitos y reproducibles para identificar y evaluar todos los estudios elegibles sobre una pregunta y luego combina estadísticamente sus estimaciones de efecto en una estimación agrupada, caracterizando tanto el efecto central como la heterogeneidad entre los estudios.

Scope

Este tema abarca la realización de una revisión sistemática con agrupación cuantitativa: protocolo y elegibilidad, búsqueda y cribado, evaluación del riesgo de sesgo, la elección entre efecto fijo y efectos aleatorios, ponderación, heterogeneidad, y los estándares de notificación y certeza que rigen el resultado. Es una referencia metodológica, no una guía clínica.

Core questions

• ¿Son los estudios incluidos lo suficientemente similares como para justificar la agrupación de sus resultados?
• ¿Debería usarse un modelo de efectos fijos o de efectos aleatorios?
• ¿Cuánto varían los resultados del estudio más allá del azar (heterogeneidad)?
• ¿Cómo se refleja el riesgo de sesgo dentro de los estudios en la estimación agrupada?
• ¿Qué tan cierta es la evidencia combinada en general?

Key concepts

• Protocolo y elegibilidad preespecificada
• Medida de efecto (por ejemplo, razón de riesgo, razón de probabilidades, diferencia de medias)
• Ponderación por varianza inversa
• Modelo de efectos fijos versus efectos aleatorios
• Heterogeneidad y la estadística I-cuadrado
• Gráfico de bosque (forest plot)
• Evaluación del riesgo de sesgo
• Calificación de la certeza (GRADE)

Mechanisms

Después de identificar y evaluar los estudios elegibles, cada estudio aporta una estimación del efecto con una medida de precisión. El metaanálisis los combina ponderando cada estudio, típicamente por el inverso de su varianza, de modo que los estudios más grandes y precisos tienen más peso. Un modelo de efectos fijos asume un único efecto verdadero común; un modelo de efectos aleatorios asume que el efecto verdadero varía entre los estudios e incorpora esa varianza entre estudios. La dispersión de los efectos verdaderos más allá del error de muestreo es la heterogeneidad, a menudo resumida por la estadística I-cuadrado, y el resultado agrupado se muestra convencionalmente en un gráfico de bosque (forest plot). La notificación sigue PRISMA, el sesgo dentro del estudio se evalúa con herramientas como la herramienta de riesgo de sesgo de Cochrane, y la certeza de la evidencia agrupada se califica con GRADE (higgins-handbook-2019; page-2021-prisma; higgins-2011-rob; guyatt-2008-grade).

Clinical relevance

Los metaanálisis de ensayos aleatorizados proporcionan gran parte de la evidencia cuantitativa citada en las guías y evaluaciones de tecnologías sanitarias. La lectura crítica de un metaanálisis —verificando qué se agrupó, cómo se manejó la heterogeneidad y cuán cierta se califica la evidencia— forma parte de la evaluación de la evidencia. El método describe cómo se producen las estimaciones agrupadas; no prescribe tratamiento para un individuo.

Evidence & guidelines

La realización y la notificación están estandarizadas: PRISMA 2020 (con su linaje de explicación y elaboración de 2009) rige la notificación, el Manual Cochrane describe los métodos aceptados, la herramienta de riesgo de sesgo de Cochrane estructura la evaluación dentro del estudio, y GRADE califica la certeza en el conjunto de la evidencia (page-2021-prisma; liberati-2009; higgins-handbook-2019; higgins-2011-rob; guyatt-2008-grade).

History

La combinación estadística de estudios se remonta a las estadísticas agrícolas y médicas de principios del siglo XX, y el término metaanálisis fue acuñado en 1976. La revisión sistemática consolidó el proceso circundante durante la década de 1990, especialmente a través de la Colaboración Cochrane. Los estándares de notificación evolucionaron de QUOROM a PRISMA (2009, actualizado en 2021), se popularizaron estadísticas de heterogeneidad como la I-cuadrado, y GRADE proporcionó un marco de certeza estructurado, definiendo juntos el método moderno (page-2021-prisma; higgins-handbook-2019).

Debates

¿Cuándo es la heterogeneidad demasiado grande para agrupar?

La combinación de estudios clínica o estadísticamente disímiles puede producir un promedio engañoso; los revisores debaten los umbrales y si favorecer modelos de efectos aleatorios, análisis de subgrupos o una síntesis narrativa en lugar de la agrupación.

Key figures

• Julian Higgins
• David Moher
• Matthew Page
• Gordon Guyatt
• Cynthia Mulrow

Seminal works

• page-2021-prisma
• higgins-handbook-2019
• guyatt-2008-grade

Frequently asked questions

¿Toda revisión sistemática incluye un metaanálisis?

No. Cuando los estudios son demasiado disímiles en población, intervención o resultado, la agrupación puede inducir a error, y la revisión presenta una síntesis narrativa estructurada en lugar de una única estimación combinada.

¿Qué es un gráfico de bosque (forest plot)?

Un gráfico de bosque muestra la estimación del efecto y el intervalo de confianza de cada estudio junto con la estimación agrupada, haciendo visible de un vistazo la contribución de cada estudio y el resultado general.