Calculadora gratuita de Editverse
Calculadora de tabla de evidencias GRADE
Analice los cinco dominios de degradación y los dos dominios de mejora del marco GRADE para un conjunto de evidencias y llegue a una calificación de certeza transparente (Alta/Moderada/Baja/Muy Baja), con una hoja de trabajo estructurada que puede adaptar a su propia revisión sistemática.
En palabras simples
GRADE no es una fórmula que arroja un solo número, sino una forma estructurada para que un equipo de revisión razone, tanto verbalmente como por escrito, sobre el grado de confianza que debe depositar en la evidencia que respalda un resultado específico. En lugar de simplemente opinar que "la evidencia parece bastante buena", GRADE utiliza la misma lista de verificación en cada ocasión, de modo que dos personas que evalúan la misma evidencia tienden a llegar a la misma calificación.
Cada conjunto de evidencia parte de un nivel de confianza establecido por el diseño del estudio (los ensayos aleatorizados comienzan en Alto, los estudios observacionales en Bajo) y luego se ajusta según se evalúa un conjunto fijo de dominios: cinco razones por las que podría merecer menor confianza (riesgo de sesgo, inconsistencia, indirectividad, imprecisión, sesgo de publicación) y dos razones por las que la evidencia observacional en particular podría merecer mayor confianza (un efecto grande, un gradiente dosis-respuesta). El nivel de confianza que se obtiene tras este proceso (Alto, Moderado, Bajo o Muy Bajo) determina la calificación de certeza que se informa.
Cuándo usarlo
Utilice el marco GRADE siempre que redacte una revisión sistemática, una guía clínica o una tabla de resumen de resultados y necesite una forma transparente y reconocida internacionalmente de indicar su grado de confianza en la evidencia de un resultado específico, no de un solo estudio.
GRADE evalúa un conjunto de evidencias de diversos estudios, no un único conjunto de datos. Si primero necesita cuantificar el grado de discrepancia entre los estudios, realice una prueba de heterogeneidad (I² y τ²) con nuestra Calculadora de Heterogeneidad ; el resultado se incorpora directamente al dominio de "inconsistencia" que se muestra a continuación. Si, en lugar de evaluar evidencias publicadas, está probando una hipótesis con su propio conjunto de datos primarios, nuestro Selector de Pruebas le indicará la prueba estadística adecuada.
# GRADE es un juicio estructurado, no un cálculo. # Inicio: ECA = Alto (4), Observacional = Bajo (2). # Rebaja (-1/-2) por riesgo de sesgo, inconsistencia, # indirectividad, imprecisión, sesgo de publicación. # Mejora (+1/+2) por efecto grande, dosis-respuesta.
Guía del usuario
Cuándo usarlo. Califique la certeza de un conjunto de evidencia (Alta / Moderada / Baja / Muy baja) utilizando el marco GRADE.
Supuestos. Usted ha evaluado cada dominio GRADE para el resultado de interés.
Errores comunes. La certeza de la calificación se basa en el resultado, no en el estudio; las mejoras normalmente solo se aplican a la evidencia observacional.
Ejemplo trabajado
Haga clic en "Cargar datos de ejemplo" arriba y, a continuación, en "Ejecutar análisis" para ver un resultado completo con la figura, la fórmula y la interpretación de esta prueba.
Referencias
- Guyatt GH, et al. GRADE: un consenso emergente sobre la calificación de la calidad de la evidencia. BMJ. 2008;336:924-926.
Ejemplos resueltos
Ejemplo 1: Ensayo clínico aleatorizado con dos problemas graves
Un conjunto de evidencia de ensayos aleatorizados comienza en Alta certeza. El equipo de revisión juzga el riesgo de sesgo como “grave” (−1) debido al enmascaramiento incompleto en todos los ensayos incluidos, y la imprecisión como “grave” (−1) porque el intervalo de confianza para el efecto combinado cruza un umbral que cambiaría la decisión clínica. La inconsistencia, la indirectividad y el sesgo de publicación se califican como “no graves”. No se aplican criterios de mejora, ya que las mejoras de efecto grande y dosis-respuesta normalmente se reservan para evidencia observacional. Dos reducciones de un nivel hacen que la calificación baje dos niveles completos: Alta → Moderada → Baja.
Ejemplo 2 — Evidencia observacional, actualizada
Un conjunto de evidencia observacional comienza con un nivel de certeza bajo . El riesgo de sesgo, inconsistencia, indirectividad, imprecisión y sesgo de publicación se consideran "no graves", pero el efecto observado en todos los estudios es inusualmente grande y consistente, lo que justifica una mejora de efecto grande (+1). Una mejora eleva la calificación un nivel: Bajo → Moderado . Este es el caso clásico para el que se diseñó GRADE: evidencia observacional que, a pesar de comenzar con un nivel más bajo, recupera la certeza porque el efecto es demasiado grande para explicarse únicamente por una posible confusión.
Supuestos a verificar
Usted ha evaluado por separado cada dominio para este resultado específico (riesgo de sesgo, inconsistencia, indirectividad, imprecisión y sesgo de publicación), y no solo se ha formado una impresión general del estudio.
Si alguno de los estudios es observacional, también habrá comprobado si existe un efecto importante o una relación dosis-respuesta antes de considerar una actualización.
La calificación se asigna según el resultado. Un mismo conjunto de pruebas puede —y a menudo lo hace— tener diferentes niveles de certeza para diferentes resultados.
Dispones de información suficiente sobre los estudios incluidos —no solo los resúmenes— para evaluar cada ámbito de forma responsable.
Errores comunes
Calificar el estudio en lugar del resultado.
La certeza se clasifica por resultado, no por estudio. Un solo ensayo puede proporcionar evidencia de alta certeza para un resultado y evidencia de baja certeza para otro, dependiendo de cómo se midió y se informó cada uno.
Mejora de la evidencia de los ensayos aleatorizados
Las mejoras de efecto grande y de dosis-respuesta normalmente se reservan para evidencia observacional que comienza en un nivel bajo. Aplicarlas a evidencia que ya comenzó en un nivel alto duplica la misma fuerza.
Contabilizar dos veces la misma preocupación en distintos ámbitos.
Un único defecto de diseño debe contabilizarse una sola vez. Reducir la gravedad del mismo problema subyacente bajo dos etiquetas de dominio diferentes —por ejemplo, riesgo de sesgo e imprecisión— exagera la incertidumbre real de la evidencia.
Considerar “sin rebajas de calificación” como “no evaluado”.
Una calificación "Alta" sin cambios debería seguir demostrando que todos los dominios fueron revisados activamente y se determinó que no eran graves, no que se omitió la evaluación.
Preguntas frecuentes
¿Cuáles son los cuatro niveles de certeza de GRADE?
De mayor a menor confianza: Alta, Moderada, Baja y Muy Baja. Cada nivel describe el grado de confianza que se tiene en que el efecto real para un resultado específico se aproxime a lo que sugiere la evidencia.
¿Por qué los ensayos controlados aleatorios (ECA) comienzan en un nivel alto y los estudios observacionales en un nivel bajo?
La aleatorización controla los factores de confusión conocidos y desconocidos al inicio del estudio, razón por la cual los ensayos aleatorizados comienzan en el nivel más alto de la escala de certeza. Los estudios observacionales carecen de esa protección, por lo que GRADE los sitúa en un nivel más bajo (Bajo) antes de aplicar cualquier ajuste por dominio.
¿Puede un solo dominio reducir la certeza en más de un nivel?
Sí. GRADE permite una rebaja de un nivel por una preocupación "grave" en un dominio, o de dos niveles por una preocupación "muy grave", aplicada por separado en los cinco dominios de rebaja: riesgo de sesgo, inconsistencia, indirectividad, imprecisión y sesgo de publicación.
¿Esta calculadora realiza algún cálculo estadístico?
No, GRADE es un marco de evaluación estructurado, no una fórmula que arroja un número por sí sola. Esta hoja de cálculo organiza su evaluación dominio por dominio y suma las mejoras y las reducciones de calificación para que su equipo aplique el marco de manera consistente; la calificación de certeza en sí misma sigue dependiendo de su evaluación razonada de la evidencia.
Calculadoras relacionadas
Referencias
- Guyatt GH, et al. GRADE: un consenso emergente sobre la calificación de la calidad de la evidencia. BMJ. 2008;336:924-926.
- Balshem H, Helfand M, Schünemann HJ, et al. Directrices GRADE: 3. Evaluación de la calidad de la evidencia. J Clin Epidemiol. 2011;64(4):401-406.
¿Necesita que se realice este análisis en su manuscrito?
Nuestros bioestadísticos con doctorado guían a su equipo de revisión sistemática a través de las calificaciones de certeza GRADE dominio por dominio y los resúmenes de hallazgos defendibles: tablas listas para su publicación con resultados reproducibles en R.