Grupo CTO
Medicina ESTADÍSTICA Y EPIDEMIOLOGÍA EE
METAANÁLISIS
DIFERENCIAR DOS CONCEPTOS:
- REVISIÓN NARRATIVA: OBSERVACIONAL; NO REPRODUCIBLE.
- REVISIÓN SISTEMÁTICA: VALORACIÓN MÁS CRÍTICA, EXHAUSTIVA → Pregunta DELIMITADA, PROTOCOLO ESTRICTO, BÚSQUEDA ESTRUCTURADA.
<<<<<<<<<<< ERROR SISTÉMICO
Se incluye dentro del grupo de las REVISIONES CUANTITATIVAS SISTEMÁTICAS –> NO ES UN SUBTIPO DE REVISIÓN; pero, añade la posibilidad de
realizar nuevos estudios estadísticos entre los diferentes estudios que contiene → Permite OBTENER NUEVAS CONCLUSIONES. Estos estudios son
INDEPENDIENTES ENTRE SÍ, pero POTENCIALMENTE COMBINABLES.
- El nivel de evidencia del metaanálisis es → EL DEL PEOR ESTUDIO ¡¡¡ PUEDEN SER TANTO OBSERVACIONALES COMO EXPERIMENTALES!!!
QUE INCLUYA LOS EXPERIMENTALES SON >>% Y TIENEN >> RELEVANCIA
- Pueden mezclar tipos de estudios
PLANTEAN 2 PROBLEMAS → HETEROGENEIDAD y SESGO DE PUBLICACIÓN → Antes de poder cruzar/ combinar los resultados de cada estudio y obtener
nuevas conclusiones → EVALUACIÓN DE LA HETEROGENEIDAD DE LOS DATOS DE LOS ESTUDIOS INCLUIDOS EN EL METAANÁLISIS (VEMOS FASES DE
METAÁNALISIS EN FIGURA 13)
Formulación de los objetivos
Criterios Valoración de la calidad
de inclusión/exclusión de los estudios
Recopilación de datos
Análisis de la heterogeneidad PRUEBA Q o I 2
Combinación de los efectos
FOREST PLOT
• Medidas de heterogeneidad
Análisis DIAGRAMA EMBUDO
de sensibilidad del sesgo de publicación
Conclusiones y recomendaciones
MÉTODOS PARA EVALUAR LA HETEROGENEIDAD:
MÉTODOS ESTADÍSTICOS
PRUEBA Q DE COCHRANE ESTADÍSTICO I 2
- Estadístico BASADO EN CHI CUADRADO Más frecuentemente empleado
- BAJA POTENCIA - MAYOR POTENCIA
- POCO UTILIZADO - EXPRESA UN PORCENTAJE DE HETEROGENEIDAD
- Se considera p valor estadísticamente significativo si p < 0,1 (se disminuye o 0%: no hay heterogeneidad → HOMOGÉNEOS entre sí
la probabilidad de cometer un error de tipo II (decir que no hay o 100%: completamente heterogéneo
heterogeneidad cuando o 25%: baja heterogeneidad
sí la hay → p < 0,1: HETEROGENEO) o >75%: alta heterogeneidad
o p >0,1: INDICA HOMOGENEIDAD CLAVE: TOMAR POR VALOR 35%
NO ES ESTADÍSTICAMENTE SIGNIFICATIVO
- <35% Homogéneo
- >35% Heterogéneo
SIEMPRE QUE SE DETECTE HETEROGENEIDAD
P HETEROGENIDAD NO =
→ INVESTIGAR CAUSA → METARREGRESIÓN I INTENSA ; P Pequeña
P VALIDEZ ENSAYO
Métodos gráficos → FOREST PLOT
Según la declaración PRISMA, debemos presentar los resultados de cada estudio individual con un dato resumen de cada grupo de intervención analizado +
estimadores calculados + intervalos de confianza. Estos datos nos servirán para confeccionar la síntesis de todos los estudios del metaanálisis, sus intervalos de
confianza, los resultados del estudio de homogeneidad, etc. Esto suele hacerse de forma gráfica con el DIAGRAMA DE EFECTOS O FOREST PLOT.
¿CÓMO INTERPRETO YO ESTO?
Este gráfico es una especie de bosque →
- Los árboles serían los estudios primarios del metaanálisis.
- Cada estudio se representa por un cuadrado. El área del cuadrado suele ser proporcional a la contribución de cada uno al resultado global.
- El cuadrado está dentro de un segmento = extremos de su intervalo de confianza.
- Si estos intervalos no cruzan el valor nulo de la variable de resultados, este será estadísticamente significativo.
- ¿CUÁL ES EL VALOR p? Se representa por un diamante Su posición respecto a la línea de efecto nulo nos informará sobre la significación estadística del
resultado global, mientras que su anchura nos dará una idea de su precisión (su intervalo de confianza).
Recuerda: Se representan las medidas de efecto de cada estudio a ambos lados de la línea de efecto nulo:
o 0 para diferencias de medias o proporciones
o 1 para odds ratio, riesgos relativos, hazard ratio, etc.
IMAGEN EN PILA DE MONEDA:
La Cochrane Collaboration recomienda estructurar el forest plot en cinco columnas
suele ser homogéneo
bien diferenciadas:
- COLUMNA 1: se listan los estudios primarios o los grupos o subgrupos de pacientes incluidos en el metaanálisis.
- COLUMNA 2: nos muestra los resultados de las medidas de efecto de cada estudio tal como las refieren sus respectivos autores.
- COLUMNA 3: es el forest plot propiamente dicho, la parte gráfica de la representación. Además, en la parte superior de esta columna encontraremos el
tipo de medida de efecto, el modelo de análisis de datos que se ha utilizados (efecto fijo o efectos aleatorios) y el valor de significación de los intervalos de
confianza (habitualmente el 95%).
- COLUMNA 4: estimación del peso de cada estudio en tantos por cien.
- COLUMNA 5: estimaciones del efecto ponderado de cada uno.
La Cochrane Collaboration, aconseja seguir los siguientes pasos para interpretar correctamente los resultados:
- Verificar qué variables se comparan y cómo. Suele verse en la parte superior del forest plot.
- Localizar la medida de efecto utilizada. Esto es lógico y necesario para saber interpretar los resultados. No es lo mismo una hazard ratio que una diferencia
de medias o lo que sea que se haya utilizado para medir el resultado.
- Localizar el diamante, su posición y su amplitud. Conviene también fijarse en el valor numérico del estimador global y en su intervalo de confianza.
- Comprobar que se ha estudiado la heterogeneidad. Esto puede verse a simple vista mirando si los segmentos que representan los estudios primarios
están o no muy dispersos y si se solapan o no. En cualquier caso, siempre habrá un estadístico que valore el grado de heterogeneidad. Si vemos que existe
heterogeneidad, lo siguiente será buscar qué explicación dan los autores sobre su existencia.
- Sacar nuestras propias conclusiones. Habrá que fijarse en qué lado de la línea de efecto nulo están el efecto global y su intervalo de confianza.
Habrá que tener en consideración que, aunque sea significativo, el límite inferior del intervalo conviene que esté lo más lejos posible de la
línea, ya que en este caso la importancia clínica del resultado será seguramente mayor y que no siempre coincide con la significación estadística.
- Por último, reconsiderar el estudio de homogeneidad. Si hay mucha heterogeneidad los resultados perderán validez.
Una vez conocida la existencia o no de heterogeneidad → DETERMINACIÓN DEL MÉTODO DE ANÁLISIS:
MODELO DE EFECTOS FIJOS MODELO DE EFECTOS ALEATORIOS
- PREMISA: NO EXISTE (HOMOGENEOS) O ES BAJA LA HETEROGENEIDAD - PREMISA: EXISTE HETEROGENEIDAD
- Asume que existe un único efecto en la población que está presente en todos los - Asume que existen efectos diversos en la población
estudios. - INTERVALO CONFIANZA ANCHO
- Si existe disparidad entre ellos → EFECTO DEL AZAR - Considera: varianza intra e inter-estudio
- Determinantes del peso: n y varianza intraestudio Limitaciones:
- Intervalo confianza ESTRECHO
- AUMENTA LA VARIANZA DEL RESULTADO DEL METAANÁLISIS →
DISMINUYE SU POTENCIA
- CONCEDE PESO EXCESIVO A ESTUDIOS con n <<
IDENTIFICACIÓN SESGO PUBLICACIÓN
Tendencia a no publicar los estudios con RESULTADOS NEGATIVOS o, lo que es lo mismo, es más probable que se publiquen los estudios con
resultados significativos y, dentro de estos, es más probable que se publiquen cuando el efecto es mayor.
- ANÁLISIS DE SENSIBILIDAD: es como un NNT → calcular el número de estudios negativos y no publicados, que se tendrían que publicar para hacer que lo
que dice el metaanálisis (conclusión positiva) fuese negativa. Si el número es muy elevado → probabilidad BAJA DE SESGO.
- GRAFICO FUNNEL PLOT: gráficos en embudo: cuando los estudios incluidos en el metaanálisis se disponen en una gráfica que enfrenta (X = resultados
(pej medida de asociación) (Y= n) → si forman embudo invertido y SIMÉTRICO → se asumo que no hay sesgo de publicación.
¡¡fíjate en la base!!
