Metaanálisis

Ir a la navegaciónIr a la búsqueda

El metaanálisis es un conjunto de herramientas estadísticas, que son útiles para sintetizar los
datos de una colección de estudios. El meta-análisis se inicia recopilando estimaciones de un cierto
efecto (expresado en un índice de tamaño del efecto, como la diferencia de medias tipificada, la
razón de riesgo, o la correlación) de cada estudio.12 El metaanálisis permite valorar estos efectos
en contexto: si el tamaño del efecto es consistente, el efecto del tratamiento puede ser
considerado como fuerte y el tamaño del efecto se estima con mayor precisión que con un solo
estudio. Si el tamaño del efecto varía, esa variación puede ser descrita y, potencialmente,
explicada.

El término metaanálisis, como tal, fue inicialmente aplicado en las ciencias sociales y en psicología.
A partir de la década de los 80, se comenzó a aplicar de forma creciente en medicina y a partir de
los 90 son muy frecuentes los artículos que describen resultados de metaanálisis en publicaciones
médicas.

Historia

El término "metaanálisis" fue acuñado por Gene V. Glass en 1976, siendo el primer estadístico
moderno en señalar que su mayor interés era "a qué hemos llamado el meta-análisis de la
investigación científica". Aún cuando esto le permitiera ser ampliamente reconocido como el
fundador del método moderno, no fue sino hasta la década de los 1990's cuando la práctica de los
meta-análisis comenzó a figurar, pero no siempre, como los componentes importantes de un
proceso de revisión sistemática. La teoría estadística en torno al metaanálisis mejoró
notablemente gracias al trabajo desempeñado por Nambury S. Raju, Larry V. Hedges, Harris
Cooper, Ingram Olkin, John E. Hunter, Jacob Cohen, Thomas C. Chalmers, Robert Rosenthal, y
Frank L. Schmidt.

Ventajas del metaanálisis

Conceptualmente hablando, se utiliza un enfoque estadístico para combinar los resultados de

múltiples estudios. Por tanto, sus ventajas son las siguientes:

 Los resultados del estudio se pueden generalizar a una población más amplia;

 La precisión y exactitud de las estimaciones pueden mejorarse a mayor uso de datos. Esto,
a su vez, puede aumentar la potencia estadística para detectar un efecto;
  La inconsistencia de resultados entre estudios se puede valorar y analizar. Por ej: se valora
la heterogeneidad debida al error de muestreo, y si en parte ese heterogeneidad se ve
influida por heterogeneidad genuina entre los estudios involucrados;

 Se pueden contrastar hipótesis respecto a las estimaciones combinadas;

 Pueden incluirse moderadores que expliquen la variación entre estudios;

 Se puede prestar atención y analizar el sesgo en publicación.

Dificultades potenciales[

El metaanálisis que arrojan varios estudios de corto alcance, no predice los resultados de un solo
estudio amplio.3 Algunos han argumentado que una debilidad del método es que los focos de
sesgo no están controlados por el método: un buen metaanálisis de estudios mal diseñados
todavía dará lugar a malas estadísticas. Esto significaría que sólo los estudios metodológicamente
sólidos deben ser incluidos en un metaanálisis, una práctica llamada «síntesis de la mejor prueba».
Otros analistas incluirían estudios más débiles, y añadirían una variable de predicción a nivel de
estudio que refleje la calidad metodológica de los estudios para examinar el efecto de la calidad
del estudio sobre el tamaño del efecto.4 Sin embargo, otros han argumentado que el mejor
enfoque es el de preservar la información sobre la variación en la muestra del estudio, echando
una red tan amplia como sea posible, y que los criterios de selección metodológica introduzcan
subjetividad no deseada, anulando el propósito de este enfoque.5

Pasos a seguir en un metaanálisis

1. Formulación del problema

2. Búsqueda de literatura
3. Selección de estudios (criterios de incorporación):
 Basada en criterios de calidad, ej: requisitos de asignación al azar y de ensayo
clínico ciego;
 Selección de estudios concretos sobre un tema muy específico, como el
tratamiento de cáncer;
 Decidir si los estudios no-publicados son incluidos para evitar el sesgo de
publicación (problema de fondo).
4. Decidir de qué variables dependientes o medidas de resumen se dispone. Por ejemplo:
 Diferencias (datos discretos);
 Medias (datos continuos);
 La g de Hedges es una medida popular para datos continuos que es estandarizada
para eliminar diferencias de escala, pero incorpora un índice de variación entre
grupos:
En Estadística, un metaanálisis se refiere al conjunto de métodos enfocados a contrastar y
combinar los resultados de diferentes estudios; con la esperanza de identificar patrones entre los
resultados de estudio, las fuentes de desacuerdo entre dichos resultados, u otras relaciones
interesantes que pueden salir a la luz en el contexto de múltiples estudios.

En su más simple forma, se lleva a cabo al identificar una medida común del tamaño de efecto; del
cual un promedio ponderado podría ser el dato de salida en un metaanálisis. La ponderación
podría estar relacionada con tamaños de muestra dentro de los estudios individuales.

Más a menudo, hay otras diferencias entre los que necesitan ser permitidos; pero el objetivo
general de un metaanálisis radica en estimar con mayor fuerza el tamaño real de efecto, en
contraste a uno menos preciso derivado en un solo estudio bajo un sencillo conjunto determinado
de supuestos y condiciones.

Referencias

1. Volver arriba↑ Borenstein, M. in Meta-Analysis: Concepts and Applications -

Seminar organized by Statistical Horizons; 2013.

2. Volver arriba↑ Botella y Sánchez-Meca, 2015.

3. Volver arriba↑ Lelorier, J.; Grégoire, G. V.; Benhaddad, A.; Lapierre, J.; Derderian,
F. O. (1997). "Discrepancies between Meta-Analyses and Subsequent Large
Randomized, Controlled Trials". New England Journal of Medicine 337 (8): 536–
542

4. Volver arriba↑ Hunter, Schmidt, & Jackson, John E. (1982). Meta-analysis:

Cumulating research findings across studies. Beverly Hills, California: Sage.