Módulo 22: Sesión de meta-análisis Autora: Eva María ...€¦ · Módulo 22: Sesión de meta-análisis Autora: Eva María Andrés Esteban 3. Las revisiones sistemáticas y el

Página 1

Módulo 22: Sesión de meta-análisis

Autora: Eva María Andrés Esteban


Eva María Andrés Esteban

Unidad de Investigación Clínica Instituto de Investigación Hospital 12 de Octubre. Madrid. España

Página 2



ÍNDICE

1. Introducción .................................................................................................. 3

2. Objetivos ....................................................................................................... 6

3. Las revisiones sistemáticas y el meta-análisis ......................................... 7

4. Antecedentes históricos .............................................................................. 8

5. Objetivos del meta-análisis. ........................................................................ 9

6. Etapas en la elaboración de un meta-análisis ......................................... 10

6.1 Formulación de los objetivos: diseño de un proyecto de

investigación. .............................................................................................. 11

6.1.1 Cuantificación de los efectos........................................................ 11

6.2 Búsqueda, identificación y obtención de los estudios originales ... 13

6.2.1 Sesgo de publicación .................................................................... 14

6.2.2 Selección de los estudios: criterios de inclusión/exclusión ..... 15

6.2.3 Examen de la calidad de los estudios incluidos. ........................ 17

6.3 Recogida de la información de cada estudio. .................................... 18

6.4 Análisis de la heterogeneidad ............................................................. 19

6.5 Análisis estadístico: combinación de los efectos ............................. 21

6.5.1 Obtención de los estimadores de efecto. .................................... 21

6.5.1.1 Proporciones ............................................................................ 21

6.5.1.2 Medias....................................................................................... 22

6.5.1.3 Diferencias de medias ............................................................. 22

6.5.1.4 Diferencias de proporciones .................................................. 23

6.5.1.5 Odds Ratio ................................................................................ 23

6.5.1.6 Riesgo Relativo (Tasas de incidencia) ................................... 24

6.5.1.7 Riesgo Relativo (Proporción de incidencia) .......................... 25

6.5.1.8 Correlación ............................................................................... 25

6.5.2 Combinación de los estimadores de efecto. ............................... 26

6.5.2.1 Modelos de efectos fijos ......................................................... 26

6.5.2.2. Modelos de efectos aleatorios............................................... 30

6.6 Interpretación de los resultados ......................................................... 37

6.7 Presentación de los resultados de un meta-análisis ........................ 37

7. Discusión y conclusiones ......................................................................... 48

8. Referencias ................................................................................................. 41

9. Caso práctico.............................................................................................. 45

Página 3



1. Introducción

En investigación clínica, la realización de un único estudio en muy pocas

ocasiones proporciona una respuesta definitiva a una pregunta de

investigación, haciéndose necesario la repetición de estudios similares con

diferentes poblaciones y/o condiciones. Es más, cuando contamos con un

importante número de estudios, podemos plantearnos la estimación de

tendencias, lo que conlleva el avance del conocimiento sobre un tema.

Obviamente, el planteamiento y posterior análisis de dichas tendencia requiere

una revisión previa de la literatura existente hasta el momento ya que es

habitual encontrar conclusiones inconsistentes o contradictorias. Estas

inconsistencias pueden ser debidas a diferentes causas, como por ejemplo que

el trabajo publicado no lleve asociado el nivel de calidad necesario para

tomarlo en consideración dentro del análisis de tendencias o simplemente que

se haya trabajado con una población especifica, con unas características muy

concretas y que esto haga tener otras conclusiones de las esperadas en

población general u otro tipo de población. Por ello, se hace imprescindible

contar con una herramienta que permita la revisión y resumen crítico de la

literatura científica disponible.

Por su parte, el extraordinario y progresivo incremento en el número de

publicaciones científicas ha planteado la necesidad de realizar revisiones de la

literatura médica en un intento de sintetizar los resultados alcanzados en

relación a un tema determinado. De esta manera, la revisión de la literatura

científica, se convierte en un elemento fundamental para resumir el estado

actual de un tema científico en un instante concreto del tiempo ya que el

número de revistas y artículos publicados cada año se incrementa de manera

exponencial.

Pese a esta necesidad, los conceptos de revisión sistemática y meta-análisis

son todavía relativamente recientes y, vienen a formalizar el concepto de

revisión narrativa que, hasta los años 70, se limitaba a contar el número de

Página 4



estudios positivos y negativos (es decir, por ejemplo, a favor o en contra de la

efectividad de un tratamiento). En algunos casos se valoraba o describía la

metodología utilizada en los trabajos incluidos en la revisión. En

contraposición, la revisión sistemática tiene un mayor rigor tanto en el proceso

de selección de trabajos como en la integración de los mismos y el análisis de

los resultados que encontramos en los trabajos.

Añadido a este concepto, aparecen los meta-análisis. En este punto hay que

recalcar que no todas las revisiones sistemáticas llevan necesariamente un

meta-análisis. De esta forma, se habla de una revisión sistemática cuando

queremos hacer referencia al proceso de identificar sistemáticamente y evaluar

varios estudios homogéneros (del mismo tipo y con un objetivo común),

mientras que, utilizamos el término de meta-análisis para hacer referencia al

conjunto de técnicas estadísticas mediante las cuales combinamos los

resultados de los diferentes estudios seleccionados con el objetivo de estimar

un parámetro global.

Ejemplo: revisión sistemática de 15 ensayos clínicos sobre la comparación de

la terapia clásica antihipertensiva (diuréticos) frente a nuevos fármacos (alfa-

bloqueantes) en la reducción de la morbimortalidad cardiovascular. La

búsqueda bibliográfica se extendió a publicaciones electrónicas (PUBMED,

EMBASE…), cumpliendo todos ellos unos criterios de inclusión/exclusión

claramente especificados (aleatorización, seguimiento mínimo de 2 años,

tamaño muestral>100…). El beneficio de un grupo tratamiento frente a otro se

describía en los artículos mediante odds ratios (OR), y se obtuvo a partir de

ellos un OR combinado mediante meta-análisis con su correspondiente

intervalo de confianza, concluyéndose una similar protección cardiovascular de

ambas terapias.

La aparición de la revisión sistemática se hizo necesaria puesto que las

revisiones clásicas de la literatura científica presentaban una serie de

limitaciones que hacían incluir en el estudio conjunto, trabajos inconsistentes o

Página 5



realizados de muy diversas formas. Estas limitaciones pueden resumirse

fundamentalmente en estos puntos:

Falta de métodos estandarizados, lo que hace que sean mucho más

propensos a errores que las revisiones sistemáticas. Dichos errores

vienen asociados a que el revisor pueda extraer trabajos asociados a

una determinada conclusión porque éste tenga un especial interés en

dicho resultado.

Falta de criterios de inclusión/exclusión, lo que hace que el trabajo final

carezca de rigor científico y hagan muy difícil replicar los estudios.

Además, al no existir una estrategia sistemática de búsqueda, es muy

probable que estudios importantes que podrían llegar a modificar las

conclusiones en forma significativa, no sean incluidos en la revisión.

Estos problemas se han resuelto mediante la utilización de una metodología

que permite la aplicación de estrategias científicas a la recuperación,

evaluación crítica y síntesis de todos los estudios relevantes existentes que

intenten responder a una misma cuestión.

Página 6



2. Objetivos

1. Identificar el papel del meta-análisis en la investigación y la práctica clínica

y epidemiológica.

2. Realizar un meta-análisis y seguir los principales pasos en la elaboración

del mismo: Formulación de objetivos, identificación y selección de los

trabajos, extracción de los datos necesarios, evaluación de la calidad de los

estudios, obtención y presentación de los resultados.

Página 7



3. Las revisiones sistemáticas y el meta-análisis.

Una revisión sistemática se caracteriza por la aplicación del método científico a

la evaluación de la literatura científica, lo que le hace sistemático (reduce la

probabilidad y magnitud de los sesgos) y explicito (favorece la

reproducibilidad). Cuando una revisión sistemática utiliza técnicas estadísticas

para combinar los resultados de estudios previos, recibe el nombre de meta-

análisis. A lo largo del presente documento se utilizará únicamente el término

meta-análisis por englobar ambos conceptos.

Página 8



4. Antecedentes históricos

La revisión bibliográfica y la síntesis de la información son conceptos que van

asociados al desarrollo de la investigación. No obstante, el desarrollo de

técnicas estadísticas para resumir la información y obtener de esta forma

estadísticos globales que nos describan los objetivos que nos planteamos en

las revisiones, surgieron a principios del siglo XX, con autores como Pearson1,

Fisher2 o Yates y Cochran

3. Sin embargo, el término meta-análisis surgió por

primera vez en 1976, donde Glass4 utilizó dicho término para describir la

interpretación estadística de datos procedentes de varios estudios con

características similares.

El desarrollo del meta-análisis estuvo ligado en sus comienzos a las ciencias

sociales, siendo a partir de los años ochenta cuando los meta-análisis

comenzaron a extenderse a otros ámbitos como la Medicina, sobre todo en el

campo de los ensayos clínicos5. Tanto es así que en la actualidad, en la

industria farmacéutica, el meta-análisis está reconocido como técnica para

integrar los resultados de un programa de desarrollo de un fármaco, y como tal,

está recogido por la Conferencia internacional de harmonización (ICH) en la

guía E96.

Actualmente, el meta-análisis está consolidado en el ámbito de ensayos

clínicos y se han extendido sus aplicaciones a otro tipos de estudios: estudios

observacionales, estudios de dosis-respuesta y estudios de evaluación de

pruebas diagnósticas7,8

. La aceptación y utilidad del meta-análisis se puede

comprobar por el ritmo creciente de meta-análisis publicados en la literatura

biomédica9.

Página 9



5. Objetivos del meta-análisis.

Los objetivos del meta-análisis se pueden englobar en dos grandes bloques.

Por una parte, obtener un estimador global (resumen de todos los

estimadores que aparecen en los estudios individuales), lo cual nos permite

aumentar la precisión de la estimación y, por consiguiente, la potencia en la

evaluación de las hipótesis. Por otra parte, cuando se obtienen resultados

contradictorios, aclarar dichas controversias, a través de la comparación

entre grupos diversos.

Ejemplo1: Danesh et al10

presentan los resultados de un meta-análisis donde

se intentaba relacionar la IgA para Chlamydia pneumoniae y la incidencia de

enfermedad coronaria. En los estudios individuales no muestran una relación

estadísticamente significativa, a excepción de un único trabajo. En el resultado

combinado extraído por Danesh, se encuentra una asociación

estadísticamente significativa (Odds Ratio combinado = 1,25 (IC 95%: 1,03-

1,53)). Esto hace referencia al aumento de la precisión en el cálculo del

intervalo de confianza combinado.

Ejemplo2: Boyle et al11

evaluan mediante un meta-análisis las diferencias en

los resultados de los diferentes ensayos clínicos randomizados disponibles

donde se evaluaba la efectividad de un fármaco (Finasteride) en el tratamiento

de hiperplasia prostática. Examinan la efectividad en diferentes grupos de edad

encontrando que es más efectivo en pacientes con un mayor volumen

prostático obteniendo una mejoría de los síntomas de 2,8 puntos medidos con

la escala IPSS (International Prostate Symptom Score) (IC 95% 2,1 – 3,5) en

varones con volúmenes prostáticos mayores de 60cc mientras que esta

mejoría era de 1,8 (IC 95% 0,7 – 2,9) en varones con volúmenes prostáticos

menores de 20cc. Este ejemplo pone en manifiesto la importancia de los meta-

análisis en la obtención de información en grupos de pacientes ya que permite

integrar evidencia obtenida por diferentes estudios realizados con la misma

metodología en poblaciones diversas.

Página 10



6. Etapas en la elaboración de un meta-análisis.

La bibliografía12-14 relacionada con las diferentes etapas en la elaboración de

un meta-análisis aparece referenciada en la bibliografía del documento.

Página 11



6.1 Formulación de los objetivos: diseño de un proyecto de investigación.

Hay que recalcar que un meta-análisis es un diseño de investigación, al igual

que lo son estudios casos-control, estudios longitudinales, estudios

prospectivos/retrospectivos, estudios cohortes…, pero que, a diferencia de

éstos, las unidades de observación no son individuos sino que son estudios

originales.

Como en todo proyecto de investigación, para poder hacer un meta-análisis se

debe contar con un equipo investigador experto en el tema objeto del estudio,

epidemiólogos y/o bioestadísticos con experiencia en la realización de meta-

análisis y documentalistas expertos en la realización de búsquedas

bibliográficas.

De la misma forma, en la petición de un proyecto con diseño de meta-análisis

es fundamental la elaboración de un protocolo (proyecto) en el que se resuman

los antecedentes del tema del estudio (introducción), los objetivos específicos

(objetivos), las hipótesis principales y secundarias establecidas al inicio del

estudio (hipótesis), la metodología a seguir para la obtención de los trabajos

originales y posterior análisis de los mismos (metodología), el cronograma del

trabajo, la distribución de tareas y el presupuesto (exactamente igual que

cualquier otro tipo de diseño).

6.1.1 Cuantificación de los efectos

Los investigadores deberán concretar en una primera fase qué medidas se van

a utilizar para medir el efecto de interés, en función del tipo de respuesta a

estudiar y el diseño de los estudios revisados.

Así, por ejemplo, si la respuesta es binaria (enfermedad/no enfermedad,

muerte/supervivencia,…) las medidas de efecto utilizadas suelen ser la

diferencia de proporciones, el riesgo relativo o la odds ratio que comentaremos

Página 12



más adelante. Por el contrario, si la respuesta es un parámetro numérico (por

ejemplo, la determinación de un parámetro analítico) el efecto suele medirse

mediante la diferencia estandarizada de medias en los grupos de interés. Es

aconsejable que en el momento de planificación de la investigación y creación

del protocolo, se fije la diferencia mínima en la variable respuesta que será

considerada de relevancia clínica.

Debe tenerse en cuenta que en los estudios experimentales, con grupos

aleatorizados, el propio diseño controla la confusión y los efectos pueden

medirse con resultados “crudos”. Por el contrario, en metaanálisis realizados a

partir de evidencia observacional, el control del sesgo en el análisis deberá

hacerse mediante técnicas de regresión multivariante que en el caso del meta-

analisis se denomina meta-regresión.

Página 13



6.2 Búsqueda, identificación y obtención de los estudios originales.

El primer paso en un trabajo de revisión consiste en la localización de todos los

trabajos originales relevantes. Para un correcto meta-análisis se debe realizar

una búsqueda exhaustiva, objetiva y reproducible de los trabajos originales

sobre el tema objeto de estudio, lo que requiera planificación y experiencia

para evitar la exclusión de artículos importantes o la inclusión de trabajos de

baja calidad o no relevantes. Una correcta búsqueda bibliográfica, combina

diversas alternativas, de esta forma, además de bases de datos electrónicas15-

17 incluye búsquedas detalladas en las revistas relacionadas y búsquedas

manuales de la llamada “literatura gris” (referencias bibliográficas, tesis

doctorales, comunicaciones a congresos, informes de instituciones públicas o

privadas, trabajos no publicados o publicados en revistas no indexadas, etc).

La realización de búsquedas informatizadas, así como la búsqueda exhaustiva

de documentos no publicados, son trabajos especializados que precisan la

colaboración de documentalistas o profesionales con la experiencia adecuada

ya que de la exhaustividad y el rigor de la búsqueda bibliográfica determinarán

en gran medida la calidad y validez final del metaanálisis.

En resumen, las fuentes de información disponibles, se pueden dividir en

fuentes informales, primarias y secundarias. Las fuentes informales están

constituidas por archivos personales, libros, artículos de revisión, contactos con

expertos, trabajos en congresos, etc. Las fuentes primarias son las revistas

conocidas relacionadas con el tema y la realización de revisiones ascendentes

(a partir de las citas bibliográficas de los artículos que ya se tienen y, así,

sucesivamente). Las fuentes secundarias las constituyen las bases de datos

automatizadas, que son fundamentales para la realización de cualquier

búsqueda bibliográfica, pero, a pesar de su gran importancia no son perfectas

porque sólo incluyen revistas dejando a un lado todo lo que se denomina

"literatura gris" (tesis doctorales, comunicaciones a congresos, informes

hechos para administraciones públicas, trabajos no publicados, etc.). Las

bases automatizadas más importantes son MEDLINE, EMBASE, SCISEARCH

Página 14



o Science Citation Index (base de citaciones útiles para aquellas no incluidas

en MEDLINE) y las bases COCHRANE.

6.2.1 Sesgo de publicación.

Uno de los principales problemas que nos podemos encontrar en la fase

anterior es la presencia de sesgo de publicación5,7,8,18,19

.

El sesgo de publicación hace referencia al grado en que los artículos científicos

seleccionados no representan todas las investigaciones realizadas sobre el

tema de interés. Este sesgo tiene gran impacto tanto para los investigadores

como para los usuarios de la investigación, de ahí la necesidad de analizar la

existencia de este tipo de errores. Es posible distinguir dos tipos de sesgos de

publicación: subjetivo y objetivo. Se presenta sesgo subjetivo cuando los

artículos publicados no reflejan la metodología realizada y los resultados

obtenidos alteran la percepción del resto de artículos revisados. De esta forma,

realizar un informe final centrándonos únicamente en una hipótesis

estadísticamente significativa pero la cual no aparecía en los objetivos del

trabajo por no considerarse relevante o excluir algún grupo de sujetos puede

distorsionar en gran medida las conclusiones generadas. Por su parte, el sesgo

objetivo, también denominado sesgo del archivador, aparece porque los

artículos con resultados estadísticamente significativos tienen mayor

probabilidad de ser publicados y de aparecer en revistas de mayor difusión e

impacto5,8,19

.

En un trabajo presentado por Easterbook et al20

revisaron en qué medida se

habían publicado los proyectos de investigación aprobados por el “Central

Oxford Research Ethics Committee” entre el 1 de Enero de 1984 y el 31 de

Diciembre de 1987. Los resultados encontrados mostraron que el 68% de los

estudios publicados y presentados eran estadísticamente significativos,

mientras que únicamente el 29 % de los que no habían sido publicados ni

presentados lo eran. Además, de entre los artículos publicados, el factor de

Página 15



impacto de los estudios significativos era más alto que el de los no

estadísticamente significativos. Eso es lógico en cualquier tipo de investigación

puesto que, cuando un autor obtiene resultados significativos intenta publicar

en revistas de mayor impacto.

Antes de cualquier análisis, se recomiendan estrategias combinadas de

búsqueda de diferentes bases de datos bibliométricos para intentar evitar

posibles sesgos de publicación. Además, para la evaluación del sesgo de

publicación existen también técnicas de modelización y análisis de

sensibilidad18

que se realizarán en la fase del meta-análisis.

6.2.2 Selección de los estudios: criterios de inclusión/exclusión.

Los investigadores deben establecer cuáles de los trabajos recuperados serán

incluidos finalmente en el meta-análisis. Por ello, esta fase es uno de los

aspectos más importantes en la elaboración de un meta-análisis, ya que los

resultados finales pueden variar en función de los estudios incluidos.

Llegados a este punto se elabora una lista de criterios de inclusión y exclusión

que deberá ser lo más objetiva posible y debe aparecer en el protocolo inicial

del meta-análisis. Para evitar el denominado sesgo de selección, es

importante aplicar dichos criterios rigurosamente a cada estudio, siendo

recomendable que esta evaluación sea realizada de forma ciega e

independiente por varios evaluadores.

La elección de los criterios de inclusión y/o exclusión depende del objetivo del

estudio y, de igual forma, de las preferencias de los investigadores. Los

criterios de selección deben ser fácilmente extraíbles de los informes de los

estudios y deben referirse a características principales de los estudios. El

objetivo fundamental de establecer criterios de selección es obtener un

conjunto de estudios que respondan a la misma pregunta científica y con la

Página 16



calidad suficiente como para que sus resultados sean válidos. Entre los

criterios de selección utilizados con mayor frecuencia en el meta-análisis están:

El tipo de diseño de los trabajos. Depende de los objetivos del meta-

análisis. De esta forma, por ejemplo, los meta-análisis de la evaluación de

la eficacia de las intervenciones clínicas suelen limitarse a los ensayos

clínicos controlados aleatoriamente, mientras que en los meta-análisis de

estudios observacionales será preciso incluir, habitualmente, estudios de

cohorte ó estudios de casos y controles.

El tamaño muestral estudiado. Existen estudios donde no se presenta la

información del tamaño muestral. Estos estudios suelen eliminarse de los

meta-análisis al no poder ser utilizados para el cálculo de estimadores

combinados. De igual forma, tamaños muestrales muy pequeños suelen

llevar asociados trabajos de peor calidad.

La comparabilidad en la definición de los factores de exposición, de las

intervenciones y de las respuestas estudiadas. Los autores suelen recoger

trabajos donde la respuesta esté medida de la misma forma.

Aunque algunos autores sugieren utilizar la calidad metodológica de los

trabajos como un criterio de inclusión, es más aconsejable considerarlo como

una variable más a tener en cuenta en la interpretación de los resultados del

meta-análisis mediante un análisis de sensibilidad.

Otros criterios de selección utilizados con bastante frecuencia serían el año de

publicación, puesto que en muchas áreas, la introducción de técnicas de

laboratorio específicas hace que tenga sentido revisar la literatura desde el año

de implantación de la misma. De igual forma, el uso de algunas bases de datos

bibliográficas solamente está disponible desde un determinado año.

Página 17



También se utiliza en algunos casos como criterio de inclusión el idioma de

publicación, donde frecuentemente se incluyen solamente artículos escritos

en inglés a pesar de que esta práctica puede llevar a sesgos de selección.

6.2.3 Examen de la calidad de los estudios incluidos.

La evaluación de la calidad de los estudios es muy importante puesto que la

validez de los resultados del meta-análisis es consecuencia de la calidad de los

trabajos originales incluidos. Antes de evaluar la calidad de los estudio es

conveniente desarrollar un protocolo de evaluación de la calidad y un

formulario para la recogida de los datos8,14,21

. De esta forma podemos controlar

algunos aspectos básicos relacionados con la calidad de los estudios originales

a partir de la información metodológica obtenida de los mismos: el diseño del

estudio, la posibilidad de combinar los distintos trabajos, el control de sesgos o

que el análisis estadístico de cada estudio se haya realizado correctamente.

Existen diferentes métodos que evalúan objetivamente el protocolo, análisis de

datos y presentación de cada estudio, como los métodos de Chalmers22

y

Jadad23

para ensayos clínicos. Algunos de los usos principales de las

evaluaciones de calidad en los meta-análisis serían la utilización de la calidad

como criterio de inclusión / exclusión de los trabajos originales en el meta-

análisis o la utilización de las medidas de calidad como criterio de ponderación

de los trabajos, en un intento de dar más “peso” a aquellos artículos de mejor

calidad.

Página 18



6.3 Recogida de la información de cada estudio.

La información que se recoge de cada uno de los trabajos seleccionados tras

aplicar los criterios de inclusión y exclusión definidos puede variar según los

objetivos que se plantee el investigador. No obstante, dicha información debe

recogerse objetivamente, con precisión y en ausencia de posibles sesgos por

lo que se recomienda que en el protocolo creado se detalle los criterios de

extracción de información de cada estudio. La información más frecuente

recogida en cada uno de los trabajos son: Autores y país de desarrollo del

estudio; Fecha de publicación; Fuentes de financiación; Características de la

población de estudio; Diseño de estudio; Descripción de las intervenciones

usadas o de las exposiciones evaluadas; Métodos de análisis; Resultados de

los estudios, crudos y ajustados con sus intervalos de confianza y por último

comentarios acerca de las susceptibilidad del estudio a posibles sesgos,

aspectos destacables y limitaciones del estudio.

Se recomienda la elaboración de formularios para la recogida de datos que

permitan evaluar la consistencia de los diferentes revisores y que facilite la

codificación o el registro de los datos en una base de datos informatizada. En

el caso en el que la información que nos interesa obtener de las publicaciones

esté ausente, se recomienda intentar localizar a los investigadores del artículo

original para obtener los datos que faltan.

Página 19



6.4 Análisis de la heterogeneidad

Existen varios métodos estadísticos y gráficos para evaluar el grado de

heterogeneidad7,24,25

que permiten valorar hasta qué punto los resultados que

provienen de diferentes estudios pueden ser resumidos en una única medida o

por el contrario se debería modelizar la heterogeneidad o agrupar los

resultados en trabajos homogéneos entre sí.

Todas las pruebas estadísticas diseñadas para comprobar la existencia de

heterogeneidad se basan en la hipótesis de que la variabilidad entre-estudios

es nula. Una de las pruebas más extendida para valorarla es la prueba Q

propuesta por DerSimonian y Laird, sin embargo depende del tamaño muestral

y por lo tanto, ya que los meta-análisis suelen recoger menos de 30 trabajos

originales, esta prueba es poco potente.

Debido a la poca potencia de las pruebas estadísticas existentes24

, éstas

pueden complementarse con alguna representación gráfica que permita la

inspección visual de la magnitud de la variabilidad entre estudios. Las

representaciones más utilizadas son el gráfico de Galbraith, aplicable a

cualquier tipo de meta-análisis y el gráfico de L’Abbé, más restrictivo, aplicable

únicamente a meta-análisis de ensayos clínicos.

El gráfico de Galbraith representa la precisión de cada estudio (el inverso del

error estándar) frente al efecto estandarizado; asimismo, representa la línea de

regresión ajustada a estos puntos y una banda de confianza. Los estudios que

caen fuera de esta banda son los que más contribuyen a la heterogeneidad. El

gráfico de L’Abbé representa la tasa de eventos del grupo tratamiento frente a

la tasa del grupo control, por tanto, este gráfico solo se presenta cuando la

variable respuesta es binaria.

En caso de que exista heterogeneidad entre los estudios, podemos

plantearnos varias formas de trabajar:

Página 20



Metodológicamente, la menos arriesgada sería no proceder a un resumen

de los estudios originales y en caso de que se sospeche el motivo de la

heterogeneidad de los resultados entre los estudios, realizar un análisis de

subgrupos que sólo combine los estudios que cumplen determinada

condición o característica, de modo que éstos sean más

homogéneos5,7,12,25-27

. Estos estimadores podrán ser empleados

posteriormente en la toma de decisiones clínicas y de salud pública, o en

las alternativas diagnósticas o terapéuticas comparadas.

Otra actitud consistiría en presentar una medida combinada, a pesar de que

exista heterogeneidad entre los estudios. En este caso, sería necesario

advertir sus limitaciones analíticas y de interpretación, y acompañar dicha

medida con una estimación de la variabilidad “entre estudios”, varianza

“intra-estudios” o el estadístico I2 que se interpretaría como el porcentaje de

debida a la varianza entre estudios y, por tanto, toma valores entre 0 y 1.

También convendría modelizar dicha heterogeneidad26

con algún análisis

estadístico como por ejemplo la meta-regresión.

Página 21



6.5 Análisis estadístico: combinación de los efectos

Uno de los objetivos finales de un meta-análisis es la combinación estadística

de los resultados individuales de diferentes estudios. Por ello, una vez

seleccionados los estudios a incluir en el meta-análisis, es necesario identificar

una medida de efecto común que sea comparable entre los diferentes

estudios, así como de una medida de variabilidad para cada uno de los

estudios, habitualmente el error estándar o varianza.

6.5.1 Obtención de los estimadores de efecto.

El primer paso para completar el análisis estadístico de un meta-análisis es

obtener un estimador de efecto para cada uno de los estudios incluidos,

normalmente medidas como la proporción de individuos con una determina

característica, el valor promedio de una variable continua o la asociación entre

dos variables.

Con objeto de poder obtener una medida combinada mediante la ponderación

de las medidas originales es necesario obtener de cada trabajo una medida de

la variabilidad con el objetivo de calcular el peso que será atribuido a cada

estudio.

A continuación se presentan para cada una de las posibles medidas de efecto,

el método de cálculo del estimador de efecto (E), error estándar (EE) y peso

correspondiente (W).

6.5.1.1 Proporciones

Probablemente la medida de efecto más frecuente es la proporción de

individuos que presentan una determinada característica (p). Siendo a el

número de individuos con la característica de interés y n el número total de

individuos en la muestra, E, EE y W vienen determinados respectivamente por:

Página 22



n

apE

n

ppEE

)1(

)1(

12 pp

n

EEW

6.5.1.2 Medias

En otras ocasiones, la medida de interés es el valor promedio de una variable

continua, en este caso las medidas del E, EE y W vienen determinadas por:

n

xxE

i

n

sEE 22

1

s

n

EEW

Siendo xi el valor del parámetro evaluado en cada uno de los individuos de la

muestra, n el número de individuos en la muestra y s la desviación estándar

encontrada en la muestra.

6.5.1.3 Diferencias de medias

Es muy habitual evaluar la diferencia de los valores medios en dos grupos de

intervención, por ejemplo evaluar el efecto hipotensor de un fármaco

comparando el valor promedio de tensión arterial en los individuos que han

recibido el fármaco, frente al valor promedio de los individuos que han recibido

un placebo. En este caso utilizaremos:

21 xxE 21

11

nnsEE c

)(

1

21

2

21

2nns

nn

EEW

c

Siendo sc la desviación estándar combinada cuyo cálculo es:

11

11

21

2

22

2

11

nn

snsnsc

Página 23



s12 , n1 y s2

2 , n2 corresponden a la varianza y tamaño muestral en la muestra 1 y

2 respectivamente.

6.5.1.4 Diferencias de proporciones

Cuando el objetivo de la investigación es conocer la diferencia en el porcentaje

de pacientes en los que ocurre un evento, por ejemplo, ver si el porcentaje de

pacientes que desarrollan una determinada enfermedad es diferente en

función de la presencia o no de un determinado factor de riesgo, la medida de

efecto utilizada será la diferencia de proporciones y calcularemos el EE y el W

como:

21 ppE

21

11)1(

nnppEE

))(1(

1

21

21

2 nnpp

nn

EEW

Siendo p la media ponderada de p1 y p2 y cuyo cálculo es:

21

2211

nn

pnpnp

6.5.1.5 Odds Ratio

El Odds ratio (OR) determina, por ejemplo, cuánto más está presente una

exposición en un grupo de casos que en un grupo de controles comparable.

Normalmente se trabaja con la transformación logarítmica del OR ya que la

distribución del Odds Ratio no asume normalidad. Así, en estos casos, el

estimado de efecto será el Ln(OR), siendo el EE y el W correspondientes como

siguen:

cb

daOR

)(ORLnE

dcbaEE ORLn

1111)(

Página 24



)()(

12 bacddcab

abcd

EEW

Siendo a el número de individuos que desarrollan el evento evaluado en el

grupo de intervención, b el número de individuos que no desarrollan el evento

evaluado en el grupo de intervención, c el número de individuos que

desarrollan el evento en el grupo que no recibe la intervención de estudio y d,

el número de individuos que no desarrollan la intervención en el grupo que no

recibe la intervención.

Una vez realizados los cálculos necesarios se puede volver a la escala original

deshaciendo la transformación logarítmica.

6.5.1.6 Riesgo Relativo (Tasas de incidencia)

Si el objetivo del estudio es comparar la tasa de ocurrencia de un evento entre

dos grupos diferentes, el estimador del efecto apropiado será el Riesgo

Relativo y, al igual que con el OR trabajaremos en escala logarítmica. Por

tanto, las medidas de E, EE y W serán:

PTnexb

PTexaRR

/

/ )(RRLnE

baEE ORLn

11)(

)(

12 ba

ab

EEW

Siendo a el número de individuos que desarrollan el evento entre los

expuestos, b el número de individuos que desarrollan el evento entre los no

expuestos, PTex el total de personas tiempo a riesgo entre los expuestos y PTnex

el total de personas tiempo a riesgo entre los no expuestos. La presentación de

los datos de nuevo en forma de RR requiere deshacer la transformación

logarítmica.

Página 25



6.5.1.7 Riesgo Relativo (Proporción de incidencia)

En algunas ocasiones, al comparar la ocurrencia de un evento entre dos

grupos diferentes, no es posible obtener datos relativos al tiempo a riesgo de

cada uno de los individuos participantes por lo que solo podemos calcular la

proporción de individuos que desarrollan el evento en cada uno de los grupos.

En estos casos la medida de efecto sería el Riesgo Relativo calculado a partir

de la proporción de incidencia (o incidencia acumulada). Este caso los

estimadores de E, EE y W serían:

2

1

2

1

/

/

nb

na

p

pRR )(RRLnE

22

2

11

1)(

11

pn

p

pn

pEE ORLn

21212211

2211

2 )(

1

ppnnpnpn

pnpn

EEW

Siendo, p1 la proporción de incidencia o incidencia acumulada en el grupo

expuesto, p2 la proporción de incidencia o incidencia acumulada en el grupo no

expuesto o de control, n1 el tamaño de muestra del grupo expuesto y n2 el

tamaño de muestra del grupo no expuesto o control. En cualquier caso para

volver a presentar los datos en RR será necesario deshacer la transformación

logarítmica.

6.5.1.8 Correlación

Cuando el objetivo del investigador es evaluar la asociación entre dos variables

continuas, la medida de efecto utilizada es el coeficiente de correlación de

Pearson. De igual forma, es necesario realizar una transformación apropiada

de r para conseguir una distribución normal. Esta transformación se denomina

transformación z de Fisher, siendo EE y W como sigue:

Página 26



r

rLnZE f

1

1

2

1

3

1

nEE 3

12

nEE

W

Siendo Zf la transformación Z de Fisher, y r el coeficiente de correlación.

Para volver a obtener los valores de r, tras hacer los cálculos apropiados, se

ha de deshacer la transformación para lo cual se ha de consultar la tabla de Z

de Fisher correspondiente.

6.5.2 Combinación de los estimadores de efecto.

Existen diversas técnicas estadísticas para la combinación y presentación de la

información de los estudios individuales en un meta-análisis. La elección del

método depende fundamentalmente del tipo de medida del efecto utilizada y

de la valoración del grado de heterogeneidad de los resultados de los estudios.

Para la obtención de la medida resumen, los resultados de los estudios

individuales son ponderados, generalmente por la inversa de su varianza o por

el tamaño muestral, aunque también pueden aplicarse otros criterios

adicionales como la calidad del estudio.

La heterogeneidad entre los estudios puede tenerse en cuenta en el análisis al

utilizar los modelos de efectos aleatorios (random-effects model), o no ser

incluida, si se utiliza un modelo de efectos fijos (fixed-effects model).

6.5.2.1 Modelos de efectos fijos

El modelo de efectos fijos asume que existe un único efecto en la población (a

favor o en contra del tratamiento) y no tiene en cuenta la variabilidad de los

resultados entre los distintos estudios. El peso del estudio dentro de la

estimación del efecto global queda determinado únicamente por el tamaño del

estudio y su propia varianza (variabilidad intra-estudio).

Página 27



Efecto combinado

Este efecto combinado asume que los diferentes trabajos que forman parte del

meta-análisis, son diferentes muestras que intentan estimar el mismo efecto en

una población similar. Por lo tanto, el mejor estimador posible de ese efecto

viene dado por la media ponderada de todos los resultados individuales

obtenidos, utilizando como peso la precisión del estudio.

De esta forma, la obtención del estimador combinado de efecto se realizará

como

i

ii

cW

WEE , siendo Ec el estimador combinado de efecto, Ei el

estimador de efecto obtenido en cada uno de los estudios individuales

incluidos en el meta-análisis y Wi el peso de cada uno de los estudios

individuales.

Como siempre, en los casos en los que se haya realizado una transformación,

se debe deshacer dicha transformación para obtener el estimador de efecto en

la escala original.

Ejemplo. Para ilustrar los cálculos, utilizaremos como ejemplo los

datos de un meta-análisis publicado28 evaluando la eficacia del

tratamiento farmacológico hipolipemiante en la reducción de eventos

cardiovasculares en diabéticos tipo 2. En este primer caso

utilizaremos los datos correspondientes a los estudios que evalúan la

eficacia del tratamiento utilizado en prevención primaria. Se incluyen

los cinco estudios que presentan datos a nivel de número de pacientes

en cada grupo.

Estudio a n1 c n2 ORi Ei=Ln(OR) EEi IC (95%) wi

1 4 84 6 71 0,54 -0,61 0,667 0,15 – 2,00 2,25

2 2 59 8 76 0,30 -1,21 0,811 0,06 – 1,46 1,52

3 276 2006 367 1976 0,70 -0,36 0,087 0,59 – 0,83 132,49

4 32 191 28 205 1,27 0,24 0,281 0,73 – 2,21 12,67

5 38 1258 46 1274 0,83 -0,18 0,223 0,54 – 1,29 20,13

30,0

06,169

24,51

13,2067,1249,13252,125,2

13,2018,067,1224,049,13236,052,121,125,261,0

i

ii

cW

WEE

74,030,0 eORc

Página 28



Test de Heterogeneidad

El estadístico de heterogeneidad se obtiene a través de una suma ponderada

de los cuadrados de la diferencia entre los valores observados en cada uno de

los estudios individuales y la media ponderada de los mismos.

2)( EcEWQ i

Este estadístico se distribuye como una 2, con tantos grados de libertad como

número de estudios menos 1 (es decir, k-1). Un valor de Q pequeño indicaría

que están estimando el mismo efecto y por consiguiente, se podría utilizar el

estimador combinado de efecto como el mejor estimador del verdadero efecto

en la población. Un valor de Q elevado indicaría presencia de una variabilidad

inter-estudios mayor de la atribuible al proceso de muestreo, por lo que no

podemos asumir que los distintos estudios incluidos en el meta-análisis estén

estimando el mismo efecto. Ante la presencia de heterogeneidad se debería

analizar las posibles fuentes de la misma.

En el ejemplo:

Estudio ORi Ei=Ln(OR) wi (Ei-Ec)2 Wi(Ei-Ec)

2

1 0,54 -0,61 2,25 0,096 0,216

2 0,30 -1,21 1,52 0,822 1,251

3 0,70 -0,36 132,49 0,003 0,392

4 1,27 0,24 12,67 0,296 3,749

5 0,83 -0,18 20,13 0,014 0,283

891,5283,0749,3392,0251,1216,0)( 2 EcEWQ i

Este resultado (5,89) se buscaría en una tabla 2 con 4 (número de estudios menos 1) grados de libertad, lo que nos daría un valor de p

de 0,20, lo que nos indicaría la ausencia de heterogeneidad y por

tanto permitiría la utilización del estimador combinado (OR = 0,74)

como el mejor estimador del verdadero efecto en la población.

Intervalo de confianza y test de hipótesis para el estimador combinado de

efecto.

En el caso de que se haya obtenido un estadístico de heterogeneidad que

indique la ausencia de heterogeneidad podremos utilizar el estimador

Página 29



combinado de efecto calculado previamente (Ec). Como cualquier estimador de

efecto, este efecto combinado debe ir acompañado de una medida de su

precisión (Intervalo de confianza) y un test estadístico para evaluar la hipótesis

nula de ausencia de efecto.

Para poder calcular el Intervalo de confianza y realizar el test de hipótesis

necesitamos en primer lugar calcular la variabilidad del estimador de efecto

combinado. El cálculo del EE del será como sigue:

i

EW

EEc

1

Siendo Wi el peso de cada uno de los estudios incluidos en el meta-análisis.

El intervalo de confianza (IC) será calculado como

cEc EEzEIC 1

Al igual que con el estimador combinado, en los casos en los que se haya

realizado una transformación de la medida del efecto, será necesario deshacer

dicha transformación para presentar el IC en la escala original.

Continuando con el ejemplo utilizado hasta el momento, tendríamos como

EE:

077,006,169

11

i

EW

EEc

y como Intervalo de Confianza al 95%:

45,0;15,0)077,096,1(30,01 cEc EEzEIC

lo que deshaciendo la transformación logarítmica nos llevaría a:

64,0

86,0

45.,0

15.,0

eLI

eLS

Siendo LS el límite superior del intervalo de confianza al 95% y LI el

límite inferior del intervalo de confianza al 95%.

La prueba de hipótesis de ausencia de efecto se evaluara calculando un valor z

que se distribuye siguiendo una distribución normal estandarizada, es decir, de

media cero y varianza uno, y cuyos valores, por tanto, se compararan con los

valores de las tablas de distribución normal estandarizada para encontrar el

valor de p asociado con la z encontrada.

cE

c

EE

Ez

Página 30



Para el ejemplo trabajado:

94,3077,0

30,0

cE

c

EE

Ez

Valor que en una tabla de distribución normal estandarizada nos daría

un valor de p < 0,0001, indicando que podemos rechazar la hipótesis

nula de ausencia de efecto del tratamiento hipolipemiante en la

reducción de eventos cardiovasculares en diabéticos en prevención

primaria.

6.5.2.2. Modelos de efectos aleatorios

El modelo de efectos aleatorios, a diferencia del modelo de efectos fijos, tiene

en cuenta la posible heterogeneidad al considerar que los efectos de la

exposición/intervención en la población son distintos y que los estudios

incluidos en la revisión son solo una muestra aleatoria de todos los posibles

efectos. Así, la ponderación de los estudios bajo este tipo de modelos

considera no solo su propia varianza (variabilidad intra-estudio), sino también

la que pueda existir entre los estudios (variabilidad entre-estudios).

Efecto combinado

Al incluir una fuente adicional de variabilidad en el modelo (la variabilidad

entre-estudios), la diferencia fundamental de estos modelos con respecto a los

anteriormente estudiados, viene por la necesidad de recalcular los pesos de

cada uno de los estudios teniendo este nuevo factor. La varianza intra-estudio

utilizada en el modelo de efectos fijos venía determinada por EE2, siendo el

peso (W), el inverso de este valor. En el modelo de efectos aleatorios, la nueva

varianza utilizada para calcular el peso de cada estudio viene determinad por:

erVEEV int

2

Siendo Vinter, la varianza inter-estudios, cuyo cálculo será:

iii

erWWW

kQV

2int

1

Página 31



Donde Q es el estadístico de heterogeneidad calculado en el modelo de

efectos fijos, k el número de estudios y Wi el peso de cada uno de los estudios

según el modelo de efectos fijos.

El nuevo peso para cada estudio siguiendo un modelo de efectos aleatorios

será:

VW

1

De esta forma, la obtención del estimador combinado de efecto se realizará

como:

i

ii

cW

WEE

Siendo E*

c el estimador combinado de efecto, Ei el estimador de efecto

obtenido en cada uno de los estudios individuales incluidos en el meta-análisis

y W*i el peso de cada uno de los estudios individuales.

Ejemplo. Siguiendo con el ejemplo utilizado hasta el momento, en este

caso utilizaremos los datos de los 8 estudios incluidos en el meta-

análisis publicado28, que evalúan la eficacia del tratamiento

farmacológico hipolipemiante, utilizado en prevención secundaria, en

la reducción de eventos cardiovasculares en diabéticos tipo 2.

Estudio a n1 c n2 ORi Ei=Ln(OR) EEi IC (95%) wi

1 24 105 44 97 0,36 -1,03 0,309 0,19 – 0,65 10,46

2 81 282 112 304 0,69 -0,37 0,177 0,49 – 0,98 31,79

3 325 972 381 1009 0,83 -0,19 0,094 0,69 – 1,00 113,13

4 76 396 88 386 0,80 -0,22 0,176 0,57 – 1,14 32,26

5 26 120 31 82 0,46 -0,79 0,318 0,24 – 0,85 9,90

6 9 63 14 53 0,46 -0,77 0,476 0,18 – 1,18 4,41

7 38 112 31 115 1,39 0,33 0,290 0,79 – 2,46 11,91

8 88 309 116 318 0,69 -0,37 0,172 0,50 - 0,97 33,94

28,0

80,247

59,70

94,3391,1141,490,926,3213,11379,3146,10

94,3337,091,1133,041,477,090,979,026,3222,013,11319,079,3137,046,1003,1

i

ii

cW

WEE

Página 32



Estudio ORi Ei=Ln(OR) wi (Ei-Ec)2 Wi(Ei-Ec)

2

1 0,54 -1,03 10,46 0,556 5.812

2 0,30 -0,37 31,79 0,007 0.230

3 0,70 -0,19 113,13 0,009 1,045

4 1,27 -0,22 32,26 0,004 0,145

5 0,83 -0,79 9,90 0,252 2,501

6 0,46 -0,77 4,41 0,233 1,026

7 1,39 0,33 11,91 0,379 4,507

8 0,69 -0,37 33,94 0,007 0,224

489,15224,0507,4026,1501,2145,0045,1230,0812,5)( 2 EcEWQ i

Este resultado (15,49) se buscaría en una tabla 2 con 7 (número de estudios menos 1) grados de libertad, lo que nos

daría un valor de p de 0,03 lo que nos indicaría la

presencia de heterogeneidad y por tanto la necesidad de la

utilización de modelos de efectos aleatorios para obtener

el estimador combinado.

0467,0

)80,247/83,16369(80,247

18489,1512int

iii

erWWW

kQV

Estudio a n1 c n2 ORi Ei=Ln(OR) EEi V(EE2+Vinter) w*i

1 24 105 44 97 0,36 -1,03 0,309 0,142 7,03

2 81 282 112 304 0,69 -0,37 0,177 0,078 12,79

3 325 972 381 1009 0,83 -0,19 0,094 0,056 18,00

4 76 396 88 386 0,80 -0,22 0,176 0,078 12,87

5 26 120 31 82 0,46 -0,79 0,318 0,148 6,77

6 9 63 14 53 0,46 -0,77 0,476 0,273 3,66

7 38 112 31 115 1,39 0,33 0,290 0,131 7,65

8 88 309 116 318 0,69 -0,37 0,172 0,076 13,13

35,0

90,81

59,28

13,1365,766,377,687,1200,1879,1203,7

13,1337,065,733,066,377,077,679,087,1222,000,1819,079,1237,003,703,1

i

ii

cW

WEE

70,035,0 eORc

El resto de cálculos (IC y test de hipótesis) se realizarán igual que con el

modelo de efectos fijos, solo tendremos que tener en cuenta que en este caso

el EE del E se calculará teniendo en cuenta los nuevos pesos utilizados:

*

1*

iE W

EEc

Página 33



Para el ejemplo utilizado hasta el momento, tendríamos como EE:

11,090,81

11

i

EW

EEc

y como Intervalo de Confianza al 95%:

57,0;13,0)11,096,1(34,01 cEc EEzEIC

que, deshaciendo la transformación logarítmica, nos llevaría a:

57,0

88,0

57,0

13,0

eLI

eLS

Siendo LS el límite superior del intervalo de confianza al 95% y LI el

límite inferior del intervalo de confianza al 95%.

Finalmente, para el cálculo de la significación estadística:

15,311,0

34,0

cE

c

EE

Ez

Valor que en una tabla de distribución normal estandarizada nos daría

un valor de p=0,0016, indicando que podemos rechazar la hipótesis nula

de ausencia de efecto del tratamiento hipolipemiante en la reducción

de eventos cardiovasculares en diabéticos en prevención secundaria.

Modelos que asumen heterogeneidad explicada por algunas variables

En el análisis de la heterogeneidad es fácil encontrar que alguna de las

variables recogidas es capaz de explicar al menos una parte del exceso de

variabilidad inter-estudios. En este caso, y dependiendo de si la variable de la

que estamos hablando es una variable categórica o continua nos

encontraríamos ante una de dos opciones: Análogo a un análisis de varianza

(ANOVA) o regresión lineal ponderada respectivamente (meta-regresión).

El modelo análogo a ANOVA divide los estudios en categorías mutuamente

excluyentes en función de los valores de una variable (por ejemplo según tipo

de diseño) y evalúa la homogeneidad en los resultados dentro de cada

categoría y las diferencias entre categorías. Si la heterogeneidad en los

resultados entre categorías es significativa, indicará que los resultados

presentan una variabilidad mayor que la esperada por el proceso de muestreo,

a su vez la presencia de homogeneidad dentro de cada categoría indicaría que

la variabilidad no es mayor que la esperada por el proceso de muestreo. Esta

Página 34



información será de utilidad para evaluar hasta qué punto la variable utilizada

explica adecuadamente la heterogeneidad encontrada.

Este modelo separa el estadístico de heterogeneidad Q en dos partes, una Qv

es la porción explicada por la variable categórica y otra Qin es la porción

explicada por la variabilidad intragrupos. La forma más sencilla de cálculo de

estos parámetros es obteniendo el estadístico de heterogeneidad para cada

uno de los grupos formados por la variable categórica (Qj), sumando todos

ellos para obtener Qin, a la vez obtener el estadístico de heterogeneidad global

Q (tal como hemos visto hasta ahora) y obtener Qv restando, finalmente Qin a

Q:

inv QQQ jin QQ inv QQQ

El estadístico Qv se distribuye como una 2, con tantos grados de libertad como

número de categorías formadas por la variable menos 1 (es decir, j-1),

mientras que Qin se distribuye como una 2, con tantos grados de libertad como

número de estudios incluidos menos el número de categorías formadas (es

decir, k-j). La presencia de un valor estadísticamente significativo para Qv

acompañado de la ausencia de significación para Qin indicaría que la variable

considerada contribuye considerablemente a la heterogeneidad encontrada, no

existiendo heterogeneidad residual dentro de cada categoría, por lo que la

estrategia adecuada sería presentar un estimador combinado de efecto (con su

valor IC y test de hipótesis) para cada una de las categorías de la variable.

Un método similar se aplica cuando la variable para la que queremos evaluar

su efecto sobre la heterogeneidad es una variable continua. En estos casos se

utiliza una regresión lineal ponderada en la que se pondera el efecto

encontrado en cada uno de los estudios por el inverso de su varianza. La

presencia en estos modelos lineales de un coeficiente asociado a la variable

estadísticamente diferente de 0 indicaría que dicha variable contribuye de

manera importante a explicar la heterogeneidad encontrada. En estos casos el

Página 35



resultado del meta-análisis se presenta como un resultado en función de los

valores de la variable continua: meta-regresión.

Página 36



6.6 Interpretación de los resultados.

Como en cualquier otro trabajo de investigación, los resultados de un meta-

análisis deben interpretarse en función de la consistencia interna del estudio,

sus limitaciones, la plausibilidad biológica de las asociaciones y de información

adicional que no puede ser incorporada fácilmente en un meta-análisis.

Página 37



6.7 Presentación de los resultados de un meta-análisis.

Los meta-análisis son estudios observacionales en los que las unidades de

investigación son los estudios originales, y en los que es necesario especificar

numerosos detalles técnicos con respecto a su metodología y desarrollo. Por

consiguiente, a la hora de presentar los resultados provenientes de un meta-

análisis, se debería utilizar el mismo formato general de un trabajo original de

investigación; es decir, introducción, material y métodos, resultados y

discusión. No obstante, existe una normativa, fácilmente localizable en la red,

el consenso QUOROM, que proporciona unas recomendaciones para mejorar

la presentación de los meta-análisis 29

.

La sección del material y métodos, como en otros trabajos, es una de las más

importantes en los trabajos realizados mediante meta-análisis debido a que en

esta sección debe aparecer toda la información relacionada con la estrategia

de búsqueda utilizada: bases de datos, descriptores, años de publicación,

idioma, detalles de la estrategia para la localización de referencias en revistas

no indexadas, etc. Igualmente, debe dar detalle de los métodos utilizados para

la recogida de información de los artículos originales, cuáles han sido los

criterios de selección utilizados para la inclusión de los trabajos en el meta-

análisis y los criterios de evaluación de la calidad de los estudios originales.

También se ha de incluir los métodos estadísticos utilizados, es decir, qué y

cómo se ha realizado el meta-análisis, si se ha realizado una búsqueda de

heterogeneidad, decir cómo se ha hecho (si incluye análisis de sensibilidad,

meta-regresión…)

Por su parte, la sección de resultados debe presentar el listado de artículos

que van a formar parte del meta-análisis así como el proceso de selección de

artículos, indicando cuáles son los motivos de exclusión de los artículos no

incluidos. Para ello suele venir bien presentar los diagramas de flujo (flow

chart). Un aspecto importante que ha de aparecer es la descripción de las

características principales de los artículos incluidos: población estudiada,

Página 38



diseño del estudio, definiciones de las intervenciones o exposiciones y de las

variables de efecto. Son fundamentales los resultados individuales de los

artículos incluidos en el meta-análisis con tamaño muestral, estimadores de

efecto, medidas de variabilidad de los estimadores de efecto, técnicas y

factores de ajuste estadístico, y análisis de subgrupos si procede. Esta

información suele representarse en una primera tabla. En cuanto a los

resultados del meta-análisis propiamente dicho deben presentarse los

resultados de los test de heterogeneidad y de la evaluación de las posibles

fuentes de heterogeneidad inter-estudios y por último la combinación

estadística de los resultados de los estudios individuales con estimadores

puntuales de efecto, intervalo de confianza y test de significación.

Normalmente se utilizan métodos gráficos para representar los resultados de

los meta-análisis.

Estos gráficos permiten resumir la evidencia presentada de forma directa e

intuitiva12,30,31

. Normalmente en las gráficas convencionales suelen aparecer

los resultados de cada estudio y su intervalo de confianza representadas por

barras horizontales, ordenadas según el año de publicación del estudio. En la

última barra se presenta el resultado del meta-análisis y su intervalo de

confianza.

Página 39



Página 40



7. Discusión y conclusiones.

El meta-análisis es una herramienta de trabajo que facilita la realización de

revisiones sistemáticas y cuantitativas. Su mayor objetividad y rigor con

respecto a las revisiones tradicionales hacen que poco a poco las técnicas de

meta-análisis se generalicen como instrumento estándar y replicable para

evaluar la evidencia científica.

A pesar de todo lo anterior, es necesario reconocer que existen algunas

controversias con respecto a su utilidad y fiabilidad32

. Los meta-análisis tiene

algunas limitaciones que es preciso tener en cuenta en su interpretación. Así, y

ante todo, hay que indicar que la calidad de un meta-análisis está limitada por

la calidad de los estudios individuales y el resultado final puede ser muy

sensible frente a algunas decisiones metodológicas en la realización de la

revisión, como los criterios de inclusión de los estudios, la selección de los

métodos estadísticos o los criterios de ponderación de los estudios.

Igualmente, existe la posibilidad de existencia de sesgos de publicación que se

verán reflejados en los resultados del meta-análisis. Por último, los meta-

análisis podrían desincentivar la realización de estudios individuales con el

tamaño suficiente y con los controles de calidad adecuados.

No obstante, y a pesar de sus limitaciones, los meta-análisis suponen un

avance objetivo considerable con respecto a las revisiones tradicionales.

Mención adicional merece la Colaboración Cochrane cuyo objetivo

fundamental es “revisar, mantener y diseminar revisiones sistemáticas sobre

los efectos de la atención sanitaria” para ayudar a aquellos que necesitan

tomar decisiones clínicas y sanitarias bien fundamentadas33

.

Página 41



8. Referencias.

1. Pearson K. Report on certain enteric fever inoculations. BMJ, 1904; 2: 1243-

1246.

2. Fisher RA. Statistical Methods for Research Workers (4th

edition). London:

Oliver and Boyd, 1932

3. Yates F and Cochran WG. The analysis of groups of experiments. Journal of

Agriculturar Science, 1938; 28: 556-580.

4. Glass GV: Primary, secondary, and meta-analysis of research. Educ Res, 5:

3-9, 1976.

5. Whitehead A. Meta-Analysis of controlled trials. Chichester: Willey, 2002.

6. International Conference on Harmonisation of Technical Requirements for

Registration of Pharmaceuticals for Human Use. ICH Topic E9: Statistical

Principles for Clinical Trials. 1998.

http://www.emea.eu.int/pdfs/human/ich/036396en.pdf.

7. Sutton AJ, Abrams KR, Jones DR, Sheldon TA, Song F. Methods for Meta-

analysis in Medical Research. Chichester: Willey, 2000.

8. Egger M, Davey Smith G, Altman DG (eds). Sistematic Reviews in Health

Care: Meta-analysis in Context. London: BMJ Publishing Group, 2001

9. Altman DG. Statistics in medical journals: some recent trends. Statistics in

Medicine, 2000; 19: 3275-3289.

10. Danesh J, Whincup P, Lewington S, Walker M, Lennon L, Thomson A,

Wong YK, Zhou X, Ward M. Chlamydia pneumnoiae IgA titres and coronary

heart disease. Prospective study and meta-analysis. Wur Hear J, 2002; 23:

371-375.

Página 42



11. Boyle P, Gould AL, Roehrborn CG. Protate volume predicts outcome of

treatment of benign prostatic hyperplasia with finasteride: Meta-analysis of

randomised clinical trials. Urology 1996; 48: 398-405.

12. Greenland S: Quantitative methods in the review of epidemiologic literature.

Epidemiol Rev 1987; 9: 1-30, 1987.

13. Friedenreich CM: Methods for pooled analyses of epidemiologic studies.

Epidemiology, 4: 295-302, 1993.

14. Cooper H, Hedges LV (eds). The handbook of research synthesis. New

York: Russell Sage Foundation, 1994.

15. Martín JM, Fernández JC: La búsqueda bibliográfica en ciencias de la

salud. ¿Arte o disciplina ineludible?. I . Idea Prevención, 2: 57-73, 1990

16. Martín JM, Fernández JC: La búsqueda bibliográfica en ciencias de la

salud. ¿Arte o disciplina ineludible?. II. Idea Prevención, 3: 65-74, 1991

17. Dickersin K, Scherer R, Lefebvre C. Identifying relevant studies for

systematic reviews. BMJ 1994; 309: 1286-1291

18. Felson DT: Bias in meta-analytic research. J Clin Epidemiol, 45: 885-892,

1992.

19. Begg CB, Berlin JA: Publication bias: a problem in interpreting medical

data. J Roy Soc Stat (A), 151: 419-463, 1988.

20. Easterbrook PJ, Berlin JA, Gopalan R, Matthews DR: Publication bias in

clinical research. Lancet, 337: 867-872, 1991.

21. Delgado M, Sillero M, Gálvez R: Meta-análisis en epidemiología (Segunda

parte): Métodos cuantitativos. Gac Sanit, 6: 30-39, 1992.

22. Chalmers TC, Smith H Jr, Blackburn B, Silverman B, Schroeder B, Reitman

D, Ambroz A: A method for assessing the quality of a randomised control trial.

Control Clin Triaals, 2; 31-49, 1981.

Página 43



23. Jadad AR, Moore RA, Carrol D, et al. Assessing the quality of reports of

randomized clinical trials: is blinding necessary?. Control Clin Trials 1996; 17:

1-2.

24. Greenland S: Tests for interaction in epidemiologic studies: a review and

study of power. Stat Med, 2: 243-251, 1983.

25. Wolf FM. Meta-analysis. Quantitative methods for Research synthesis.

Newbury Park: Sage Publications, 1986

26. DerSimonian R, Laird N: Meta-analysisi in clinical trials. Controlled Clin

Trials, 7: 177-188, 1986.

27. Hedges LV, Olkin I. Statistical methods for meta-analysis. San Diego:

Academic Press, 1985.

28. Vijan S, Hayward RA. Pharmacologic lipid-lowering therapy in type 2

diabetes mellitus: background paper for the American College of Physicians.

Ann Intern Med 2004; 140: 650-658.

29. Moher D, Cook DJ, Eastwood S, Olkin I, Rennie D, Stroup D. for the

QUOROM group. Improving the quality of reporting of meta-analysis of

randomised controlled trials: the QUOROM statement. Lancet 19999; 354:

1896-1900.

30. Walker AM, Martín JM, Rodríguez F: Odd Man Out: a graphical approach to

meta-analysis. Am J Public Health, 78: 961-966, 1988.

31. Jiménez FJ, Guallar E, Martín-Moreno JM: A graphical display useful for

meta-analysis. Eur J Public Health 1997; 7: 101-105.

32. Guallar E, Banegas JR, Martín JM, Del Rio A: Meta-análisis: su importancia

en la toma de decisiones clínicas en Cardiología. Rev Esp Cardiol, 47: 509-

517, 1994.

33. El centro Cochrane Iberoamericano. http://www.cochrane.es/Castellano/

http://www.cochrane.es/Castellano/

Página 44



34. Clark O, Adams JA, Bennett Cl, Djulbegovic B. Erythropoietin, uncentainty

principle and cancer related anaemia. BMC Cancer 2002; 2: 23.

(http://www.biomedcentral.com/1471-2407/2/23).

Documents

Módulo 22: Sesión de meta-análisis Autora: Eva María ...€¦ · Módulo 22: Sesión de meta-análisis Autora: Eva María Andrés Esteban 3. Las revisiones sistemáticas y el