Medicina Basada en la Evidencia

Metanálisis de ensayos clínicos – 179 – error de muestreo. El problema más grave, si se quieren combinar, surge cuando existen diferencias importantes debidas a las características de las poblaciones, inter- venciones o resultados de los estudios primarios. Por lo tanto, lo primero que debe hacerse es investigar posibles causas de heterogeneidad, como pueden ser diferencias en los tratamientos, variabilidad de las po- blaciones de los diferentes estudios y diferencias en los diseños de los ensayos. Si existe mucha heterogenei- dad desde el punto de vista clínico, quizás lo más idó- neo sea no hacer MA y limitarse a un análisis de síntesis cualitativa de los resultados de la revisión. Si tras esta investigación se considera que los estudios se parecen lo suficiente como para intentar combinar- los, se tratará de medir la heterogeneidad con un dato objetivo, utilizando para ello cualquiera de los métodos estadísticos desarrollados hasta la actualidad. Quizás el más clásico sea la Q de Cochran, que tiene en cuenta las desviaciones entre los resultados de cada estudio y el resultado global, ponderadas según la con- tribución de cada estudio al resultado global. La Q es un parámetro conservador, por lo que algunos autores proponen utilizar un valor de significación estadística de p <0,1 para considerar que existe heterogeneidad. Este método presenta algunos problemas, por lo que se ha desarrollado otro estadístico, más utilizado en la actualidad: la I 2 . La I 2 es la proporción de la variabilidad debida a dife- rencias reales entre los estimadores respecto a la varia- bilidad debida al azar (dicho de forma aún más senci- lla, la proporción de variabilidad no debida al azar). Es menos sensible a la magnitud del efecto y al número de estudios. siendo k el número de estudios primarios de la revisión. Su valor va de 0 a 100%, considerándose habitualmente los límites de 25, 50 y 75% para delimitar cuándo existe una heterogeneidad baja, moderada y alta, respectiva- mente. La I 2 no depende de las unidades de medida de los efectos ni del número de estudios, por lo que sí per- mite comparaciones con distintas medidas de efecto y entre diferentes MA con diferente número de estudios. Existe un tercer parámetro menos conocido, la H 2 , que mide el exceso del valor de Q respecto del valor que es- peraríamos obtener si no existiese heterogeneidad. Un valor de 1 significa que no hay heterogeneidad y su va- lor aumenta cuando aumenta la heterogeneidad entre los estudios. Pero su verdadero interés es que permite el cálculo de intervalos de confianza para la I 2 . Entre los métodos gráficos quizá el más utilizado sea el gráfico de Galbraith ( Figura 4 ). Representa la precisión de cada estudio frente a su efecto estandarizado junto con la línea de la ecuación de regresión ajustada y unas bandas de confianza. La contribución de cada estudio al resultado resumen global se representa mediante el tamaño del círculo que representa a cada estudio pri- mario, mientras que su localización fuera de las bandas de confianza indica su contribución a la heterogenei- dad. El gráfico de L’Abbé ( Figura 5 ) representa las tasas Figura 2. Gráfico en embudo o funnel plot . Es asimétrico, sugestivo de sesgo de publicación Medida de precisión Medida de efecto Figura 3. Gráfico de regresión lineal de Egger Efecto estandarizado Precisión