Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Rev Sis
Rev Sis
Estrategias de búsqueda
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)
● 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
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
Metodológica
● 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)
● 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
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:
Plan de análisis
● Objetivo: Asegurar la validez de los datos!
x azar. Por lo tanto hay que hacer solo los análisis que tengan una hipótesis
previa….
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)
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.
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
●
Lectura crítica de Revisiones sistemáticas
Amstar 2: herramienta para evaluar que tan bien fue conducida la Rev sist
• 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)