Calculadora gratuita de Editverse
Calculadora de heterogeneidad (I² y tau²)
Introduzca el efecto de cada estudio y el intervalo de confianza del 95 % para obtener la Q de Cochran con sus grados de libertad y valor p, I² y tau² de DerSimonian-Laird, junto con la estimación combinada, un gráfico de bosque y el comando R que respalda el resultado. La opción de efectos fijos solo modifica las ponderaciones de la combinación; Q, I² y tau² se informan en ambos modelos. A continuación se incluye una guía de interpretación completa. Validado con R 4.3.3.
En palabras simples
Al combinar estudios en un metaanálisis , sus resultados nunca coinciden a la perfección. La heterogeneidad mide en qué medida esa dispersión refleja diferencias reales en el efecto subyacente, en lugar de deberse al azar. La prueba Q de Cochran determina si existe heterogeneidad; el índice I² la expresa como un porcentaje de la variación total; y el índice tau² estima la varianza real entre estudios en la escala del efecto.
Estos tres números responden a preguntas distintas. Q proporciona una respuesta afirmativa o negativa, pero depende en gran medida del número de estudios. I² es fácil de comparar entre análisis, pero no indica el tamaño absoluto. tau² refleja la dispersión real de los efectos verdaderos y se incorpora directamente a un modelo de efectos aleatorios. Su análisis conjunto permite determinar si una estimación combinada es significativa.
Cuándo utilizar las estadísticas de heterogeneidad
Informe la heterogeneidad siempre que combine estudios. Un valor bajo de I² con un valor Q no significativo respalda una estimación combinada; un valor alto de I² advierte que los estudios podrían estar midiendo efectos realmente diferentes, y un único valor resumen podría inducir a error. El coeficiente tau² es esencial al ajustar un modelo de efectos aleatorios, ya que determina cuánto se comprime cada estudio hacia la media.
Utilice estas estadísticas para decidir qué hacer a continuación, no solo para describir los datos. Un I² alto debería motivar un análisis de subgrupos o una metarregresión para encontrar la fuente de variación. Siempre combínelas con el tamaño del efecto combinado y su intervalo de confianza . ¿Desea realizar el análisis combinado completo? Utilice nuestra calculadora de metaanálisis.
Formato esperado: Estudios: Etiqueta, Efecto, IC inferior, IC superior (uno por línea)
Arrastra aquí un archivo CSV o haz clic para seleccionar. Analizado en tu navegador: no se carga nada.
Formato esperado: Estudios: Etiqueta, Efecto, IC inferior, IC superior (uno por línea)
library(meta) studlab <- c({meta_studlab}) TE <- c({meta_te}) lower <- c({meta_lower}) upper <- c({meta_upper}) seTE <- (upper - lower) / (2 * 1.96) # SE del IC del 95%, como lo hace la calculadora m <- metagen(TE, seTE, studlab = studlab, sm = "SMD", common = {meta_common}, random = {meta_random}, method.tau = "DL") summary(m) # efecto combinado, Q de Cochran, I2, tau2Guía del usuario
Cuándo usarlo. Agrupe los tamaños del efecto de diferentes estudios y cuantifique la heterogeneidad (I cuadrado).
Supuestos. Los estudios son lo suficientemente comparables desde el punto de vista clínico y metodológico como para combinarlos.
Errores comunes. Un I cuadrado alto (>75%) indica una heterogeneidad sustancial: interprete la estimación combinada con precaución.
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
- DerSimonian R, Laird N. Metaanálisis en ensayos clínicos. Control Clin Trials. 1986;7:177-188.
Ejemplos resueltos
Ejemplo 1 — Lectura I²
Supongamos que la Q de Cochran es de 4.1 con 3 grados de libertad (no significativa) e I² = 0 %. Los estudios son consistentes: casi toda la variación se debe al error de muestreo, por lo que una estimación combinada de efectos fijos o aleatorios coincidirá estrechamente y el resumen será fiable.
Ejemplo 2: Alta varianza entre estudios
Supongamos ahora que Q = 22.5 con 4 grados de libertad, I² = 82 % y un valor considerable de tau². La mayor parte de la dispersión se debe a una heterogeneidad real, no al azar. Un único valor global no aporta mucha información en este caso; antes de informar sobre cualquier efecto global, conviene analizar subgrupos o realizar una metarregresión.
Supuestos a verificar
La misma métrica de efecto se utiliza en todos los estudios. Q, I² y tau² se calculan en una única escala de efecto (por ejemplo, razones de probabilidad logarítmicas o diferencias de medias estandarizadas). Mezclar métricas sin convertirlas hace que las estadísticas carezcan de sentido.
Número razonable de estudios. Con muy pocos estudios, tau² se estima de forma imprecisa e I² presenta una gran incertidumbre. Considere los valores de heterogeneidad de un número reducido de estudios como indicadores aproximados, no como conclusiones definitivas.
Estimaciones de estudios independientes. Cada estudio debe aportar un efecto independiente. Las estimaciones múltiples correlacionadas de la misma muestra inflan la precisión aparente y distorsionan Q.
Errores comunes
Interpretar una Q no significativa como “ausencia de heterogeneidad”
La potencia de Q es baja cuando hay pocos estudios, por lo que un resultado no significativo no demuestra homogeneidad. Se recomienda presentar I² y tau² junto con Q, en lugar de basarse únicamente en el valor p de Q.
Considerar los umbrales de I² como reglas estrictas
Las bandas de 25/50/75% para valores bajos/moderados/altos son orientaciones aproximadas, no límites. Un valor de I² "moderado" con un valor de tau² pequeño puede no ser importante, mientras que el mismo valor de I² con un valor de tau² grande sí lo es.
Ignorar tau² porque I² parece pequeño
El valor de I² puede parecer bajo simplemente porque los estudios son amplios y precisos, incluso cuando los efectos reales varían. El valor de tau² indica que existe variación en la escala del efecto y no debe pasarse por alto.
Detenerse en los números
Las estadísticas de heterogeneidad describen la variación, pero no la explican. Un valor alto indica la necesidad de investigar las diferencias clínicas y metodológicas, no un resultado que se pueda reportar y seguir adelante.
Preguntas frecuentes
¿Cuál es la diferencia entre I² y tau²?
I² es la proporción de la variación total debida a la heterogeneidad, expresada como un porcentaje; tau² es la varianza estimada de los efectos verdaderos en la escala de efecto original.
¿Puedo ser 0%?
Sí. Un I² del 0% significa que la variación observada no es mayor que la esperada debido únicamente al error de muestreo; los estudios son estadísticamente consistentes.
¿Por qué I² depende del tamaño del estudio?
Los estudios más grandes tienen un menor error de muestreo, por lo que una cantidad fija de variación real constituye una mayor proporción del total, lo que aumenta I² incluso cuando tau² no cambia.
¿Coincide el resultado con el de R y Stata?
Sí. I² y tau² se derivan de la Q de Cochran con el estimador estándar de DerSimonian-Laird. La calculadora muestra la Q de Cochran con sus grados de libertad y valor p, I² y tau²; el comando de R (metagen en el paquete meta, con method.tau = “DL”) imprime los mismos valores.
Calculadoras relacionadas
Referencias
- Higgins JPT, Thompson SG. Cuantificación de la heterogeneidad en un metaanálisis. estadística médica. 2002;21(11):1539–1558. PMID 12111919.
- Higgins JPT, Thompson SG, Deeks JJ, Altman DG. Medición de la inconsistencia en los metanálisis. BMJ. 2003;327(7414):557–560. PMID 12958120.
- DerSimonian R, Laird N. Metaanálisis en ensayos clínicos. Controle los ensayos clínicos. 1986;7(3):177–188.
¿Necesita que se realice este análisis en su manuscrito?
Nuestros bioestadísticos con doctorado realizan su metaanálisis completo: evaluación de la heterogeneidad, análisis de subgrupos y metarregresión, y un gráfico de bosque listo para su publicación con resultados reproducibles en R.