Revisiones sistemáticas

Estrategias de búsqueda

1. Buscar MESH [Metformin]

2. Trabajar con un word abierto
3. Ingresar todos los Entry terms: Metformin[Mesh] OR [diment]*[tiab] etc…
a. [tiab] = titulo / abstract

4. Encerrar todos los corchetes con un paréntesis: (Metformin[Mesh] OR

[diment]*[tiab] etc… OR diment*[tiab] ) OR xxx [tiab] etc)
5. Agregar AND al siguiente factor de búsqueda de la misma forma que el anterior
buscando MESH y entry terms
6. Truncar es agregar un *. Busca palabras parecidas/derivadas: gestación,
gestacional, etc
a. : ( Metformin[Mesh] OR [diment]*[tiab] etc… OR diment*[tiab] ) OR xxx
[tiab] etc) AND (Pregnancy[Mesh] OR gestation [tiab] OR
pregnant*[tiab])
7. Clickeando en el MESH al buscarlo, aparece el árbol de términos MESH y puede
aparecer uno más genérico que puede abarcar el término que yo estoy interesado
pero es más general Sobrepeso y obesidad. Los MESH son una escala jerárquica
que puede incluir a otros. Ojo que tal vez no incluya a sus entry terms
8. Así ir incluyendo todos los componentes de la búsqueda, encerrados con sus
paréntesis y unidos por AND
9. Él va poniendo cada componente por separado en el word y solo resalta en negrita
el MESH
10. ¿Hay palabras que se puedan escribir por separado?: over weight vs overweight
11. Agregar filtros metodológicos: son estrategias de búsqueda pre-armadas:
a. Filtro Montori de Revisiones Sistemáticas en PubMed Systematic Review[tiab] OR Meta‐
Analysis[pt] OR Meta‐Analysis as Topic[Mesh] OR Meta‐Analys*[tiab] OR "Cochrane Database
Syst Rev"[ta] Filtro para Ensayos Clínicos en LILACS (PT Ensayo Clínico Controlado Aleatorio OR
PT Ensayo Clínico Controlado OR MH Ensayo Clínico Controlado Aleatorio OR MH Distribución
Aleatoria OR MH Método Doble Ciego OR MH Método Simple‐Ciego OR PT Ensayo Clínico OR MH
Ensayo Clínico OR (clinical trial OR ensayo clinico OR Ensaio clínico OR ((singl$ OR simpl$ OR
 doubl$ OR trebl$ OR tripl$)))) Filtro Cochrane de Ensayos Clínicos en PubMed ((Randomized
Controlled Trial[pt] OR Controlled Clinical Trial[pt] OR Randomized Controlled Trials[Mesh] OR
Random Allocation[Mesh] OR Double‐Blind Method[Mesh] OR Single‐Blind Method[Mesh] OR
Clinical Trial[pt] OR Clinical Trials[Mesh]) OR (Clinical Trial[tw]) OR ((Singl*[tw] OR Doubl*[tw] OR
Trebl*[tw] OR Tripl*[tw]) AND (Mask*[tw] OR Blind*[tw])) OR (Placebos[Mesh] OR Placebo*[tw] OR
Random*[tw] OR Rese

Estrategias de Búsqueda en Revisiones sistemáticas

Selección de estudios y Recolección de datos

1. Formular la pregunta
2. Planificar los criterios de elegibilidad
3. Planificar la metodología
4. Buscar los estudios
5. Aplicar los criterios de elegibilidad y seleccionar estudios
6. Recolectar los datos
7. Evaluar el riesgo de sesgo de los estudios
8. Analizar y presentar los resultados
9. Interpretar los resultados y obtener conclusiones 10. Mejorar y actualizar la revisión

Minimización del sesgo en la selección

 ● La selección de estudios requiere emitir juicios de gran influencia en los resultados
de la revisión
● Comparar cada reporte/registro con los criterios de elegibilidad predefinidos (al igual
que el proceso)
● Dos autores deberían seleccionar los estudios de forma independiente
○ La puesta en común puede identificar aspectos para aclarar o vacíos en los
criterios de elegibilidad
○ Realizar primero una prueba piloto
○ Resolución de desacuerdos: discusión o 3er autor

Cribado (screening) x Título y Resumen es para decidir que estudios se solicitan a texto
completo (sensible)
Elegibilidad x TC (texto completo), define cuáles se incluyen x duplicado (específica)

● Poner siempre diagrama de flujo

● Si no se puede conseguir más de 1 selector, también podría evaluarse el grado de
acuerdo con un 2do selector evalúe una muestra (idealmente kappa >0,9)
● No hay un nivel de acuerdo mínimo (no es preciso reportarlo) pero si uno cree que
pudieron haberse omitido estudios relevantes no queda más remedio que 2
selectores evalúen todos los estudios
● Es importante que al menos 1 revisor sea entrenado en el tema objetivo de la RS
● Quizá sea una ventaja que el 2do revisor no sea un experto en esa área (para
prevenir sesgos personales).
● Debe reportarse en el protocolo el plan de resolución de diferencias (consenso o
árbitro)
● si falta info: Si no se pueden definir contactar a los autores y solicitar + información y
si no hay respuesta => incierto. Las revisiones cochrane no excluyen estudios por
cantidad de resultados, las no cochrane sí.

¿Qué pasa con los estudios sin datos utilizables?

● Incluir en la revisión si cumplen con los criterios de elegibilidad:
● Aunque los resultados se hayan presentado en forma no convencional deben
describirse en la revisión
● Los estudios que no informan los desenlaces de interés pueden haberlos medido –
¿reporte selectivo?
● Excluir estudios sin resultados de interés sólo si fueron pre especificados en el
protocolo (criterios de elegibilidad de la revisión)
Ya que estamos……¿Por qué no recolectar también los datos de resultados?

1. Si finalmente lo excluimos, trabajamos en vano

2. Para que los resultados no influencien la inclusión

• Congreso (resumen) publicación > seguimiento

• Vincular los múltiples reportes de un mismo estudio
• Contactar a los autores (registro)

Detallar los estudios excluidos

● Sección de resultados
● Resultados de búsqueda, detallando también el número de estudios incluidos y
excluidos en cada etapa
● Tabla listado de los estudios excluidos claves, con el motivo principal de exclusión
● Estudios que aparentemente cumplen los criterios de elegibilidad de la revisión, pero
vistos en profundidad son descartados ¡hay que detallarlos!
● No hay necesidad de incluir en esta lista los estudios que evidentemente no cumplen
los criterios
● Abordaje sistemático para cribar los resúmenes y textos completos según los
criterios de elegibilidad predeterminados en el protocolo
● Este proceso debe ser realizado por dos autores de manera independiente para
minimizar errores y sesgos

Recolección de datos: objetivos

● Diseñar un formulario apropiado de recolección de datos (decidir qué datos
recolectar)
● Minimizar errores y sesgos en la recolección
● Valorar la extracción independiente o control de datos
● Obtener y reportar datos faltantes

Componentes clave de un formulario

• Parte I: Información acerca de las referencias de estudios y revisores
• Parte II: Verificación de la elegibilidad de un estudio
• Parte III: Características de los estudios (Tabla de los estudios incluidos): PICO y Métodos

• Parte IV: Riesgo de sesgo de los estudios

• Parte V: Datos de los resultados especificados en el protocolo
• Pueden tener muchos formatos – puede requerirse conversión
• Recopilar todo lo disponible (de lo preespecificado)
• Núm. de participantes por desenlace y punto temporal de medición

Minimizar sesgos en la obtención de los datos

● 2 autores deberían recolectar datos de forma independiente

○ Reduce error
○ Asegura el acuerdo en interpretaciones y en juicios subjetivos
● Resolver desacuerdos
○ Generalmente pueden resolverse por consenso
○ Si no hay consenso, recurrir a un tercer autor
● Pilotaje de la recolección de datos
○ Incluir a todas las personas implicadas
Recomendaciones generales
● Utilizar un sistema de codificación correcto
● Disponer de instrucciones y reglas de decisión en el formulario de recolección de
datos
● Todo formulario debe probarse en un estudio piloto con una muestra representativa
de los estudios que se revisan luego de un taller de carga.
● Con frecuencia el formulario de recolección de datos requiere modificaciones
después de la prueba piloto.
● Entrenarse en el uso del formulario
● Controlar periódicamente la calidad del dato
● Contactar a los investigadores originales (la secuencia de contactos debe detallarse
en el protocolo y registrarse en el formulario Ej.: riesgo de sesgo no claro,
desenlaces faltantes, datos faltantes)
● Utilizar una carta formal en la que conste el protocolo o bien el registro de la revisión
(Ejemplo en PROSPERO).
● Minimizar la información requerida para aumentar la chance de respuesta
● Herramientas para extraer resultados de las figuras
● 2 revisores independientes
● Diferencias resueltas por consenso o terceros
● Formulario predeterminado reproducible y “compartible”
● Comprobar sus resultados finales con los informados en el estudio
● Incluir todas medidas relevantes de beneficio y daño de la intervención
 ● Contactar investigadores de los estudios para clarificar los métodos publicados
(registrar).
● Los datos de pacientes individuales permiten aclarar dudas sobre análisis por
intención de tratar, tiempo‐alevento, subgrupos, relaciones dosis‐respuesta

Introducción a las revisiones sistemáticas y meta-análisis

¿Qué estudia una Revisión Sistemática?
Estudios primarios: investigan pacientes
Las RS (estudios secundarios) están basados en estudios primarios

● Revisión Narrativa (irreproducible) Aplicación del criterio de un individuo para

recolectar y comentar diferentes estudios
● Revisión Sistemática (reproducible) Aplicación estrategias científicas para limitar
el sesgo de la recolección, explicitando claramente los criterios de inclusión y
exclusión de los estudios identificados y sintetizados, valoración crítica y síntesis de
todos los estudios relevantes sobre un tópico específico
● Meta‐análisis (reproducible) Revisión Sistemática que emplea métodos
estadísticos para combinar y resumir los resultados de varios estudios

¿Qué es una Revisión Sistemática?

● ¿Hay criterios de inclusión/exclusión?
● ¿Búsqueda adecuada? (Ej: bases de datos o literatura gris o contacto con autores)
● ¿Se sintetizaron los resultados de los estudios (descriptivo o meta‐análisis)?
● ¿Se evaluó la validez/riesgo de sesgo de los estudios (Ej: instrumento de
evaluación)?
● ¿Se detallan los participantes y métodos de los estudios en forma estructurada?
● ¿Fue adecuado el proceso de extracción (formulario de extracción o extracción
independiente, etc)?
● ¿Fue adecuado el proceso de selección (Ej: selección independiente, kappa, etc)?
● ¿Se formuló una pregunta específica? (ej: discute/sugiere PICO)
● DARE: ≥ 4 criterios de los primeros 5 (1 a 3 obligatorios)
http://www.crd.york.ac.uk/CMS2Web/AboutDare.asp #Oxman and Guyatt 1991: 1‐4 & 6‐7 #
 ● Cochrane Collaboration, CRD, MOOSE, Potsdam Consultation, PRISMA, AHRQ: 1‐4
& 6‐8
Características de una RS de alta calidad
● Pregunta explícita y claramente definida
● Búsqueda de estudios exhaustiva y sistemática
● Estrategia de screening e inclusión de estudios explícita y reproducible
● Valoración de calidad de los estudios primarios
● Extracción de datos explícita y reproducible
● Análisis y reporte de resultados apropiado
● Discusión considerando limitaciones y fortalezas de la evidencia Interpretación
sustentada en los datos
● Implicancias en el cuidado de los pacientes y para futuras investigaciones

Revisión Sistemática paso a paso

1. Objetivos y Criterios de Elegibilidad

2. Búsqueda sistemática de ECAs (estrategia)
3. Características de estudios (PICOS,)
4. Aplicación de Criterios de Elegibilidad Calidad
5. Reunión del Conjunto de Datos de ECAs
6. Meta-análisis (si es posible)
7. Análisis de heterogeneidad y sensibilidad
8. Resumen crítico, recomendaciones, orientación para estudios

Forest Plot o diagrama de bosques ( min 14)

Línea de no efecto: OR o RR cuando el valor es relativo es 1, si es dif de riesgo es 0.
si cruzan la línea de nulidad no explican la diferencia. El metaanálisis combina el peso de
todos los estudios, ponderando el peso de cada uno según la evidencia que aportan.

Utilidad de las Revisiones

● Sistemáticas Guiar decisiones
● Guías de práctica clínica
● Publicaciones amigables
● Dirigir futuras investigaciones (hipótesis) y asiste en la planificación de ECAs
● Resolver conflictos por resultados diferentes
● Estimación de la costo‐efectividad
 Evaluación de Riesgo de Sesgo

Sesgo: error sistemático que afecta la verdad de los resultados.

Validez: hace referencia a la prevención de errores sistemáticos: (sesgo) y no a los de
precisión ( aleatorios).

3 problemas básicos:
● la comparación entre ambas intervenciones refleja verdaderamente el evento de
interés?
● Ambos grupos tienen el mismo pronóstico?
 ● Es la observación del resultado idéntica en ambos grupos?
● Min 8
●

Sesgo de selección
● aleatorización y enmascaramiento de la misma. La alestorización debe ser
enmascarada, los investigadores desconocen la proxima asignación.
Sesgo en estudios no experimentales
Los más importantes son: el del
● Selección: se controla con estratificación o regresión. En C y C haciendo
matching
● Información (detección): que tan bien se miden los resultados en ambas
ramas. Lo mejor es que el evaluador esté ciego
 Heterogeneidad
● Es la variación entre los resultados de un grupo de estudios
● El peso de un estudio está en relación con la cantidad de participantes y eventos
● Si hay poca heterogeneidad, ambos modelos son muy parecidos
● si es moderada, ya es diferente. No hay que usar efectos fijos.
● Si la heterogeneidad es baja pero no significativa, se puede usar efectos fijos pero
aleatorios sería más correcto
● Si es moderada, debés usar efectos aleatorios

Causas of heterogeneidad
Clínica

● Participantes – Problema de salud, criterio de elegibilidad en ensayos, variación

geográfica
● Intervenciones – Ej tipo de droga, intensidad, dosis, duración, modo de
administración, experiencia de los profesionales, tipo de control (placebo, nada,
cuidado usual)
● Resultados – Ej, tipo, duración de seguimiento, método de medición de resultados,
definición de un evento

Metodológica

● Diseño – Ej. aleatorizado vs no aleatorizado, grupos paralelos vs cruzados vs cluster

(racimos) aleatorizado, duración
● Conducción – Ej. Asignación enmascarada, cegamiento, tipo d
Heterogeneidad estadística
● Excesiva variación en los resultados de los estudios más allá de lo esperado por
azar.
● Identificar heterogeneidad:
○ 1. gráficamente – vistazo (the eyeball test)
○ 2. numéricamente –test I2
● Forest plot:
○ Estimador central o combinado
○ Chi2 o test de heterogeneidad: probabilidad de que las diferencias se
expliquen x azar. En realidad las diferencias son x heterogeneidad
■ Este test tiene poco poder estadístico (La mayoría de los meta-
análisis tienen pocos estudios)
■ Pero….si hay muchos estudios, el test tiene “mucho” poder Detectará
diferencias entre los estudios que no son clínicamente importantes
■ Las propiedades del test (y su interpretación) van a depender del
número de estudios en el meta-análisis
■ La prueba Chi2 no es muy sensible cuando hay pocos estudios, por lo
que a menudo se usa un punto de corte para el valor p de p <0,10, en
lugar de p <0,05. Por ello, en todas aquellas situaciones en que el
valor de es p <0,10 la probabilidad de que las diferencias no sean por
azar es inaceptablemente alta.

Análisis de heterogeneidad 8:41 video 2 y video 3

● Estimados central
● Diferentes poblaciaciones (tamaño)
● Todos favorecen el tto
● El chi2 dice la probabilidad de que las diferencias encontradas sean x azar.
● “ la probabilidad de quesean diferentes los estudios x azar es de 1 en 10.000. lo más
probable es que las diferencias que se ven sean x azar.
Cuantificando la heterogeneidad por test de I2
● I2 : proporción de la variabilidad total que puede ser explicado por la heterogeneidad
más allá del azar
● Valores de I2 bajos o negativos indican ausencia o pequeña heterogeneidad y a
medida que aumenta también lo hace la heterogeneidad
● Groseramente, <30%, 30-60%, 60-75% y >75% corresponden a baja, moderada,
alta y muy alta heterogeneidad.
● El I2 es bastante independiente del resultado de los estudios
 ● Forest plot: el efecto combinado está cerca de 1, es estadisticamente significativo
porque no toca el 1
● El chi 2 tiene 5 grados de libertad, la p 0.28 y el I2 es 20% 1 / 5 de la la variabilidad
es por heterogeneidad más allá del azar )

¿Cómo investigar causas de heterogeneidad?

● Análisis de subgrupo
○ Se relaciona con la pregunta clínica
○ Grupos de estudios, o grupos de pacientes son comparados unos con otros
(no con el análisis principal como lo hace el análisis de sensibilidad).
○ Debe haber una hipótesis pre-especificada, que establezca que distintos
grupos de pacientes responden en forma diferente.
○ Análisis pre-especificado Ej, por método de administración de la droga
○ No solo comparar valores de P sino la magnitud del efecto
○ El valor de P depende de la cantidad de información en cada grupo
● Análisis de sensibilidad :
○ Responden preguntas secundarias respecto a subgrupos de participantes por
intervenciones
○ Pueden dar resultados espurios si no son usados con prudencia
○ ¿Son mis resultados robustos?'.
■ Ej. – Estudios solo de alta calidad vs todos
■ Efecto fijo vs. efecto aleatorio
 ■ RR vs. OR
○ Diferentes versiones del análisis son comparadas al análisis “principal”.
○ Subgrupos vs. sensibilidad
■ Muchos subgrupos es incorrecto
■ Test múltiples => riesgo hallazgos por azar. •
■ Muchos análisis de sensibilidad también son inapropiados
■ Revisiones largas y difíciles de leer.
■ La mayoría de las revisiones tienen pocos estudios
● Meta-regresión
○ Examinan la relación entre el efecto terapéutico y característica del estudio
(no de pacientes) (no disponible en RevMan)
● Meta-análisis de datos de pacientes individuales (IPD) – investigan
características a nivel de pacientes pero son caros y consumen mucho tiempo

Tratamiento de la heterogeneidad : investigar siempre las causas de

heterogeneidad según lo pre-especificado en el protocolo y determinar causas de
heterogeneidad inesperada en análisis post-hoc, que deben reportarse como tales.

● Controlar los datos: Controlar errores de extracción de datos (Ej ES por DS): volver
al reporte del análisis de los estudios individuales
● No combinar los estudios: no meta-analizar
● Ignorar la heterogeneidad usando el modelo de efectos fijos
○ valido por ej en estudios epidemiológicos pero hay que darle mas importancia
al IC que al estimador central
● Incorporar la heterogeneidad usando el modelo de efectos aleatorios (hay límites)

¿Cómo investigar causas de heterogeneidad?

● Analisis de subgrupo
● Analisis de sensibilidad
 ○ Responden preguntas secundarias respecto a subgupos de participantes or
intervenciones
○ Pueden dar resultados espurios si no son usados con prudencia
● Meta-regresión
○ Examinean la relación entre el efecto terapéutico y característica del estudio
(no de pacientes) (no disponible en RevMan)
● Meta-análisis de datos de pacientes individuales (IPD)
○ Investigan características a nivel de pacientes pero son caros y consumen
mucho tiempo

Modelo de efectos fijos

● Existe un único valor verdadero del efecto terapéutico

● Asume que no existe heterogeneidad
● Si tuvieramos estudios infinitamente grandes, todos ellos mostrarían el mismo
efecto.
● Todos los ensayos intentan estimar este único efecto verdadero
● El modelo a utilizar para nuestra revisión se debe planificar por adelantado, en la
etapa de protocolo, para evitar tomar decisiones sesgadas sobre el modelo una vez
que se tienen los resultados a la vista. Si se anticipa heterogeneidad clínica o
metodológica es posible que convenga utilizar un modelo de efectos aleatorios. Los
modelos de efectos fijos y de efectos aleatorios son efectivamente iguales cuando
no existe heterogeneidad. Sería aconsejable realizar -no obstante- tanto ambos
modelos como el análisis de sensibilidad.
● El modelo de efectos fijos otorga más peso a los estudios grandes. El modelo de
efectos aleatorios dará una ponderación más uniforme a todos los estudios en el
meta-análisis. Los grandes estudios no tendrán tanto peso en comparación con un
análisis de efectos fijos.
● Dado que el modelo de efectos aleatorios adiciona la variabilidad entre estudios, la
variabilidad general expresada en los intervalos de confianza siempre será mayor
que en el modelo de efectos fijos.
Modelo de efectos aleatorios

● Asume que no hay una única verdad

● Si la heterogeneidad inexplicada por los métodos previos, sin variabilidad clínica o
metodológica importante, puede ser incorporada al meta-análisis usando modelo de
efectos aleatorios
● Asume que cada estudio valora su propia verdad ( lineas punteadas del gráfico) las
cuales se distribuyen alrededor de la media ( o resultante (línea azul)) incorpora
esta diferencia entre las verdades de cada estudio dando una “distribución de
efectos”.
● Los pesos tienen en cuenta las variaciones intra e INTER estudio
● Se dice que es mas conservador ya que tiene un IC más ancho y le cuesta más
mostrar diferencias
Modelo de efectos aleatorios: interpretación usual
● Idéntico al modelo de efectos fijos si no hay heterogeneidad
● Similar al modelo de efectos fijos pero en general con intervalos de confianza más
amplios si hay heterogeneidad
● Diferente del modelo de efectos fijos si hay sesgo de publicación
○ El modelo de efectos aleatorios da más peso relativo a los estudios
pequeños.

Conclusión
● La heterogeneidad siempre debe ser valorada y cuantificada
● La heterogeneidad estadística ocurre cuando los estudios no evalúan el mismo y
“verdadero” efecto
● Apreciar si los IC no se superponen en el forest plot es una buena forma de
identificar heterogeneidad estadística
● I2 permite cuantificar la heterogeneidad
● Los métodos para investigar heterogeneidad deberían pre-especificarse en el
protocolo
● Hay varias opciones para tratar la heterogeneidad
● La heterogeneidad inexplicada por variabilidad clínica o metodológica importante,
puede ser incorporada al meta-análisis usando modelo de efectos aleatorios
 ● Si el test de heterogeneidad es estadísticamente significativo y las diferencias entre
los resultados son importantes en la práctica, entonces debería enfatizarse el
modelo de efectos aleatorios .”

Sesgo de Publicación
● Publicación o no publicación de los hallazgos de la investigación, según la
naturaleza y la dirección de los resultados
● Gráfico de embudo “funnel plot”
○ La altura la da Error estandar y en el X si es o no favorable.
○ Los estudios con mayor error estandar son los que menos N tienen y
están ubicados en la base de la piramide.
● OR menor a 1 es beneficioso, mayor es perjudicial
● Los estudios con mas N están en la punta del embudo
● Isla donde no hay estudios demuestran sesgo de publicación. Aquí hay ausencia de
estudios desfavorables de bajo N
● Hay un test de Egger que testea esto formalmente
 ● Test I2 la cuatifica
● El peso está dado por la inversa de la variabilidad
● -30 baja
● 30-60 mode
● 60 75 alta,
● + 75 muy alta

Tratamiento:
● Análisis pos hoc hay que reportar que es post hoc
● Análisis de subgrupos
○ Se relaciona con la pregunta
○ Debe estar respaldado por una hipótesis
Análisis de sensibilidad:

Modelo de efectos fijos

● testea un unico efecto
modelo efectos aleatorios
 ● Hay muchas verdades
● Se distribuye más el peso
● Es idéntico a efecto fijo si no hay heterog
● similar si hay algo de hetrogeineidad
● Diferente si hay sesgos de publicación

Plan de análisis
● Objetivo: Asegurar la validez de los datos!

● Tiene en cuenta el peso relativo de cada estudio

● El análisis por subgrupos permite el análisis por separado y en conjunto

● El análisis de sensibilidad permite investigar la influencia de nuestras decisiones

● A mayor número de análisis, hay mayor probabilidad de encontrar diferencias , solo

x azar. Por lo tanto hay que hacer solo los análisis que tengan una hipótesis

previa….

Un meta-análisis puede describirse como:

● Un componente estadístico de algunas revisiones sistemáticas
● Una técnica estadística que pondera por cuánto contribuye cada estudio
(número de participantes y de eventos) al agrupar los resultados en una
medida sumaria

¿En qué circunstancia es apropiado realizar un meta-análisis?

● La combinación de los estudios en un MA sólo se debe considerar cuando las

diferencias en las características de los estudios no son importantes, es
decir, cuando el grupo de estudios es lo suficientemente similar en términos
de participantes, intervenciones y desenlaces, como para proporcionar una
medida sumaria significativa.
● Para combinar los estudios en un metanálisis, se requiere la estimación del
efecto de un desenlace concreto en más de un estudio.
 ● No es imprescindible que los resultados de un desenlace estén expresados
exactamente iguales. Existen muchas técnicas para reexpresar los resultados
a una medida de efecto común.

En un meta-análisis ¿se podrían combinar varias escalas de calidad de depresión,

que utilicen diferentes preguntas para evaluar conceptos similares?
● Si las preguntas evalúan conceptos similares, utilizando el DME el meta-
análisis podría dar una respuesta útil, aunque las medidas combinadas no
sean exactamente las mismas

Se pueden combinar el índice de masa corporal, el peso en kilogramos y el grosor

del pliegue cutáneo como medidas de obesidad.
● Verdadero, utilizando la DME. Si las preguntas evalúan conceptos similares
podría darle una respuesta útil, aunque las medidas combinadas no sean
exactamente las mismas.

Se pueden combinar escalas que miden el dolor con las que miden una combinación
de dolor y función.
Falso. Cuando las escalas realmente miden cosas diferentes, como el dolor y la
función, combinarlas no daría resultados con sentido clínico.

En un ECA de 3 ramas activas de antibióticos y una 4ta con placebo (cada una con
60 participantes), es posible combinar cada rama activa contra los 60 participantes
del placebo.
Falso. De esa forma aumentaríamos espuriamente el peso y la precisión ya que
parecería que hubo 180 participantes en la rama placebo. Sin embargo, podría
hacerse si dividimos por 3 (pacientes y eventos) y distribuimos 20 pacientes placebo
por grupo (y 3 eventos por grupo si la cantidad de eventos era 9)

Si la pregunta de la RS es evaluar la eficacia de cualquier antibiótico, es correcto

unificar las 3 ramas activas en una sola y compararla con placebo como si fueran
dos grupos
Verdadero. Si, es posible, porque de hecho incluiríamos estudios individuales de
diferentes antibióticos. Igualmente podría ser necesario realizar análisis de
subgrupos de hallarse heterogeneidad.

¿Es correcto combinar medidas continuas de cambio del basal y post-intervención

con escalas similares?
Sí, la combinación no es un problema cuando se trata de MA de DM (no
estandarizado). La diferencia en los valores medios post-intervención será, en
promedio, la misma que la diferencia en los cambios del basal.

En el caso anterior, si las escalas de medición hubieran sido diferentes, ¿se pueden
combinar?
No, el valor post-intervención y los cambios del basal no deberían combinarse
cuando la medida del efecto es una DME. Esto se debe a que las DE utilizadas en la
estandarización reflejan cosas diferentes.

¿Es correcto combinar razones de tasas de eventos/personas-año?

Sí, los logaritmos (naturales) de las razones de tasas pueden combinarse entre los
estudios utilizando GIV. Alternativamente, se pueden utilizar los enfoques de
regresión de Poisson

Meta‐análisis en red

● La credibilidad depende de la “la asunción de transitividad” (similitud)

● Consistencia entre evidencia directa e indirecta
● Consistencia: que tan congruentes son los estimadores provenientes de la evidencia
dircta vs la indirecta

●
 Lectura crítica de Revisiones sistemáticas

Amstar 2: herramienta para evaluar que tan bien fue conducida la Rev sist

Certeza de la evidencia GRADE

● Grading of Recommendations, Assessment, Development and Evaluation

● Graduación deRecomendaciones, Valoración, Desarrollo y Evaluación

Punto importante: evaluación por resultado (outcome)

• No toda la evidencia es igual para los distintos resultados.

• Por ejemplo:
• Excelente evidencia que la monoterapia con beta agonistas de vida media larga
disminuyen las exacerbaciones de asma.
• Mala evidencia que disminuyan la mortalidad (incluso podrían aumentarla)

Estudios en los que se basa el GRADE: Revisiones Sistemáticas

A diferencia de otras clasificaciones, las RS:

• No constituyen la mejor evidencia…

• Son la fuente de evidencia a analizar

• Si no existen debieran hacerse (lo mejor posible)

• En cuanto a los estudios que la componen

• ECAs (Evidencia Alta calidad) > Observacionales (baja)