Medicina Basada en la Evidencia

Otros metanálisis: en red, de pruebas diagnósticas, de estudios observacionales – 191 – nóstica (ORd). Los análisis deben responder cuál es la exactitud de una prueba (si incluye más de uno, se ana- lizan por separado), comparar la exactitud de 2 o más pruebas y cómo la exactitud varía con las característi- cas clínicas o metodológicas. Los análisis deben responder cuál es la exactitud, comparar la exactitud de 2 o más pruebas y cómo la exactitud varía Antes del análisis estadístico, debe asegurarse de que no hay diferencias importantes entre los estudios, lo que podría dar lugar a diferencias en el rendimiento de la prueba, con resultados potencialmente engaño- sos del MA. Se requiere, de cada estudio, el número de verdaderos positivos/negativos y de falsos positivos/ negativos, la sensibilidad (S) y la especificidad (E) con sus respectivos intervalos de confianza del 95% (IC 95) y su diagrama de bosque ( forest plot ) ( Figura 7 ). Es de regla observar heterogeneidad entre los resultados. Las pruebas univariadas de heterogeneidad y estimacio- nes del I 2 no se recomiendan para este tipo de MA, dado que no dan cuenta de la heterogeneidad producida por fenómenos como los efectos del umbral de positividad. Las pruebas univariadas de heterogeneidad y estimaciones del I 2 no se recomiendan para este tipo de metanálisis Para realizar un análisis que tenga en cuenta tanto la S como la E, la relación entre ellas y la heterogeneidad en la exactitud de la prueba, se requiere un ajuste de modelos jerárquicos de efectos aleatorios . Para esto se utilizan el modelo bivariado , centrado en la estimación de un punto resumen y el modelo jerárquico de carac- terísticas operativas del receptor resumido , que se en- foca en la estimación de una curva ROC resumen. El bi- variado modela la S, la E y la correlación entre ellas di- rectamente, mientras que el modelo jerárquico modela funciones de S y E para definir una curva ROC resumen (ROCr). Con dicha curva, se puede calcular la S esperada a un valor dado de E (o viceversa). Además, los valores de resumen y los IC 95 también se pueden derivar para las razones de probabilidad positivas y negativas o la ORd en el punto de resumen. Las estimaciones resumidas de la exactitud de ambos modelos para un análisis particular se pueden graficar en el espacio ROC. En la Figura 8 cada cuadrado repre- senta un estudio y su tamaño depende del tamaño muestral (proporcional al número de casos y no-casos en un estudio). A mayor número de casos, mayor al- tura y, a mayor número de no-casos, mayor anchura. Se muestra la estimación combinada de S y E (círculo sólido verde), la región de 95% de confianza alrededor de la estimación resumen (línea punteada) y la región de predicción del 95% (línea discontinua) que ilustra la extensión de la heterogeneidad y dentro de la cual, si el modelo es correcto, tendremos un 95% de confianza de que la verdadera S y E de un futuro estudio debería estar. En la Figura 9 se muestran los resultados de una curva ROCr, en donde de observan los valores de estu- dios incluidos, la forma de la curva y su posición. Cuando todos los estudios incluidos aplican el mismo umbral de la prueba, es apropiada la estimación de un punto de resumen. Cuando aplican diferentes umbra- les, es adecuada la estimación de una curva resumen. Para evaluar la heterogeneidad, inicialmente se pueden agregar las covariables a gráficos de bosque y curva ROCr. El análisis más profundo se puede realizar usan- do metarregresión, añadiendo el factor como covaria- ble en el modelo. Figura 7. Sensibilidad (S) y especificidad (E) con sus respectivos intervalos de confianza del 95% (IC 95) y diagrama de bosque de los estudios Especificidad (IC 95%) Sensibilidad (IC 95%) 0,2 0,2 0,4 0,4 0,6 0,6 0,8 0,8 1,0 1,0 Estudio 1 Estudio 2 Estudio 3 Estudio 4 Estudio 5 Estudio 6