Meta-análisis y síntesis cuantitativa de evidencia

Este servicio cubre la parte estadística, la síntesis cuantitativa, de una revisión sistemática: a partir de la tabla de extracción que aporta el cliente, se ejecutan el cálculo de tamaños del efecto, los modelos de efectos aleatorios, la evaluación de heterogeneidad, el análisis de sesgo de publicación, los subgrupos, la metarregresión y el diagnóstico de sensibilidad. Aplica a quien ya ha hecho, o tiene en marcha, la búsqueda bibliográfica y la extracción de datos de los estudios primarios, y necesita la parte analítica con una metodología defendible ante revisión por pares. El reparto es explícito: el cliente proporciona la tabla de extracción con los datos ya recopilados; el servicio ejecuta el análisis cuantitativo y prepara los resultados para publicación. No se realiza la búsqueda bibliográfica ni la extracción de datos, que son la parte previa de la revisión y corresponden al equipo investigador. Lo que se entrega es la síntesis cuantitativa rigurosa, no la revisión sistemática completa de principio a fin.

Porque DerSimonian-Laird, aún el método por defecto en muchos equipos, puede subestimar la incertidumbre cuando hay pocos estudios o alta heterogeneidad, que es la situación habitual en la práctica. Aplica a cualquier meta-análisis de efectos aleatorios, donde la elección del estimador cambia los intervalos de confianza y, a veces, la conclusión. Se priorizan modelos de efectos aleatorios con estimación REML y ajuste de Knapp-Hartung cuando encajan con la estructura del meta-análisis, no como añadido opcional, porque manejan mejor la heterogeneidad y los números reducidos de estudios. Cuando es útil, se ejecuta en paralelo el método clásico y se explica la diferencia en el informe, de modo que el equipo pueda defender la elección metodológica ante revisores. Si las conclusiones cambian al pasar de un método a otro, conviene saberlo antes de enviar el manuscrito, no descubrirlo en la revisión. Usar el método robusto por defecto es una decisión de rigor, no una sofisticación añadida.

No necesariamente: un I² alto indica heterogeneidad entre estudios, pero el problema no es solo reportarlo, sino intentar explicarlo, y a veces condiciona cómo se combina o si conviene combinar. Aplica cuando los estudios incluidos difieren más de lo esperable por azar, situación frecuente en síntesis de evidencia real. La heterogeneidad se evalúa con Q, I², τ² y sus intervalos de confianza, y se complementa con intervalos de predicción, que cuantifican la dispersión esperada del efecto en un nuevo estudio: una lectura más honesta que el intervalo de confianza del efecto combinado cuando hay heterogeneidad. Cuando hay moderadores disponibles, la metarregresión y los análisis de subgrupos exploran posibles fuentes clínicas o metodológicas de esa variabilidad en lugar de limitarse a constatarla. Si la heterogeneidad es tan alta que combinar no tiene sentido, eso también se dice. Un I² elevado no es un defecto que se oculta, sino una señal que orienta el análisis hacia explicar de dónde viene la variabilidad.

Con un diagnóstico de robustez que se entrega de serie: detección de estudios influyentes y outliers, análisis de sensibilidad y evaluación del sesgo de publicación. Aplica a todo meta-análisis cuya conclusión vaya a sostener una decisión clínica, de política o una publicación. Para la influencia de estudios concretos se usan el análisis leave-one-out, que recalcula el efecto quitando cada estudio, y el Baujat plot, de modo que si un revisor pregunta qué pasa al retirar un estudio, la respuesta ya está en el informe. Para el sesgo de publicación se emplean funnel plots con contornos mejorados, test de Egger y métodos de sensibilidad como trim-and-fill o Fail-Safe N cuando el número de estudios permite interpretarlos. Estos métodos detectan y caracterizan el problema, no lo corrigen mágicamente: un trim-and-fill es un análisis de sensibilidad, no una garantía de ausencia de sesgo. Lo que aportan es saber, antes de la revisión, si la conclusión parece estable o sensible a estudios influyentes, asimetría o supuestos de publicación, en lugar de descubrirlo después.

No: un meta-análisis sintetiza la evidencia que existe, no la mejora; si los estudios primarios son débiles o sesgados, el resultado combinado hereda esas limitaciones. Aplica entender este punto antes de interpretar cualquier efecto combinado, porque un diamante en un forest plot puede transmitir una falsa sensación de solidez. Por eso el análisis integra la evaluación del riesgo de sesgo de los estudios incluidos, con ROB 2 para ensayos y ROBINS-E o ROBINS-I para observacionales, con representaciones tipo traffic light, de modo que la calidad de la evidencia de base quede a la vista junto al resultado. Combinar estudios con alto riesgo de sesgo puede producir una estimación aparentemente precisa pero poco fiable: más datos no corrigen un sesgo sistemático compartido. Lo que el meta-análisis aporta es una síntesis transparente que muestra tanto el efecto combinado como la calidad de lo que se ha combinado. Sintetizar bien incluye dejar claro cuánto se puede confiar en los estudios de partida, no solo calcular su promedio ponderado.

El meta-análisis sintetiza cuantitativamente los resultados numéricos de varios estudios para estimar un efecto combinado sobre una pregunta concreta. La bibliometría analiza la literatura como objeto, con su producción, sus autores, su estructura temática y su evolución, sin combinar los resultados de los estudios. No responden a la misma pregunta: el meta-análisis pregunta "qué efecto agregado muestran estos estudios sobre esta intervención"; la bibliometría pregunta "cómo es y cómo evoluciona este campo de investigación". También difiere el material de partida: el meta-análisis parte de la tabla de extracción de los estudios seleccionados; la bibliometría parte de un corpus bibliográfico amplio cuya ecuación de búsqueda construye el propio servicio. Pueden encadenarse, por ejemplo con un mapa bibliométrico para entender el campo antes de acotar una síntesis, pero uno sintetiza efectos y el otro cartografía la literatura.

Sí: el reanálisis independiente de un meta-análisis existente con métodos más robustos es uno de los usos del servicio. Aplica cuando se quiere verificar si las conclusiones de un meta-análisis publicado son sensibles a otras decisiones metodológicas, por ejemplo antes de apoyarse en él para una decisión clínica o de política, o como parte de una réplica metodológica. El reanálisis parte de los datos de los estudios primarios del meta-análisis original y comprueba si el efecto combinado se mantiene al aplicar estimadores robustos, si algún estudio influyente altera el resultado y si el sesgo de publicación o la heterogeneidad modifican la lectura. La condición es disponer de los datos extraídos de los estudios incluidos, igual que en un meta-análisis nuevo. Lo que se entrega es una valoración reproducible de hasta qué punto las conclusiones publicadas se sostienen, con sus diferencias documentadas, no un juicio sobre el trabajo ajeno más allá de lo que el reanálisis muestra.

Se entrega el análisis completo preparado para publicación: forest plots con anotaciones clínicas, evaluación de heterogeneidad con intervalos de predicción, diagnósticos de sesgo de publicación e influencia, metarregresión cuando procede, evaluación del riesgo de sesgo con summary plots y el diagrama de flujo conforme a PRISMA 2020, todo con la sección de métodos redactada. Aplica a quien va a someter a una revista indexada y necesita resultados que se alineen con los estándares de reporte y estén preparados para revisión por pares. La reproducibilidad importa por una razón concreta: el análisis se entrega con código documentado y gestión de dependencias, de modo que el meta-análisis pueda actualizarse cuando se publiquen nuevos estudios primarios sin recodificar desde cero. El forest plot no es una imagen pegada, sino código que se regenera con los datos actualizados. El reparto se mantiene: el equipo investigador hace la búsqueda, la extracción y firma la revisión; el servicio aporta la síntesis cuantitativa, su interpretación y su documentación reproducible.