Calculadora gratuita de Editverse
Calculadora de metaanálisis y diagramas de bosque
Agrupe los efectos de los estudios con ponderaciones de varianza inversa (efectos fijos o efectos aleatorios de DerSimonian-Laird), dibuje un diagrama de bosque y lea I² y tau², con el comando R que respalda el resultado. Introduzca cada efecto con su IC del 95% en una escala aditiva: las diferencias de medias y las diferencias de medias estandarizadas tal cual, y las razones de probabilidad, riesgo o riesgo como logaritmos naturales (el logaritmo de la estimación y de ambos límites), luego eleve a la potencia el resultado agrupado. A continuación se presenta una guía de interpretación completa. Validado con R 4.3.3.
En palabras simples
Un metaanálisis combina los resultados de varios estudios en una estimación global, asignando a cada estudio un peso según su precisión: los estudios más grandes y precisos tienen mayor peso. El gráfico de bosque muestra cada estudio como un punto con su intervalo de confianza, y el resultado global como un rombo en la parte inferior.
Dado que los estudios nunca son idénticos, el análisis también informa sobre la heterogeneidad : cuánto difieren los efectos reales entre los estudios más allá del azar. El estadístico I² expresa esto como un porcentaje de la variación total, lo que ayuda a determinar si un único valor combinado es significativo.
¿Cuándo utilizar el metaanálisis?
Utilice un metaanálisis cuando varios estudios aborden la misma pregunta y sean lo suficientemente similares desde el punto de vista clínico y metodológico como para combinarlos; por ejemplo, ensayos de la misma intervención que informen el mismo resultado. La combinación de estudios aumenta la precisión y puede resolver resultados individuales contradictorios, pero solo cuando los estudios sean realmente comparables.
Elija un modelo de efectos aleatorios cuando espere que el efecto real varíe entre los estudios, y un modelo de efectos fijos solo cuando pueda asumir un único efecto común. Siempre reporte I² junto con el tamaño del efecto combinado y su intervalo de confianza . ¿No está seguro de si sus estudios deben combinarse? Nuestro selector de pruebas interactivo puede ayudarle a decidir.
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: Combinación de cuatro estudios
Cuatro estudios reportan diferencias de medias estandarizadas de 0.45, 0.60, 0.32 y 0.55, cada una con su propio intervalo de confianza. Un modelo de efectos aleatorios las pondera según su precisión y las combina en una estimación global cercana a 0.48. En el diagrama de bosque, cada estudio se representa como un cuadrado del tamaño de su ponderación, y el efecto global se representa como un rombo cuyo ancho corresponde a su intervalo de confianza del 95 %.
Ejemplo 2 — Lectura de la heterogeneidad
El mismo análisis arroja un I² = 17%, y la Q de Cochran (3.62 con 3 grados de libertad, p = 0.31) no es significativa, por lo que los estudios son razonablemente consistentes y la estimación combinada es fiable. Si el I² hubiera sido del 80%, los efectos reales variarían ampliamente entre los estudios y un único valor combinado tendría poca relevancia; en ese caso, se investigarían las fuentes de heterogeneidad mediante subgrupos o metarregresión.
Supuestos a verificar
Estudios comparables (clínicos y metodológicos). Los estudios deben abordar la misma pregunta con poblaciones, intervenciones y definiciones de resultados similares. La combinación de estudios no comparables produce una estimación global que no responde a ninguna pregunta real.
El modelo adecuado para la pregunta. Un modelo de efectos fijos presupone un único efecto verdadero; un modelo de efectos aleatorios permite que el efecto verdadero varíe. Elegir un modelo de efectos fijos cuando existe heterogeneidad real subestima la incertidumbre en la estimación combinada.
Estimaciones de efectos independientes e imparciales. Cada estudio debe aportar un efecto independiente, y el conjunto no debe estar sesgado por la publicación selectiva. Evalúe el sesgo de publicación antes de confiar en un resultado combinado.
Errores comunes
Agrupación de estudios clínicamente disímiles
Combinar estudios con poblaciones o resultados diferentes solo porque comparten un tema produce un promedio sin sentido. La comparabilidad es primordial; las estadísticas no pueden rescatar un conjunto incoherente.
Tratar un I² alto como resultado de informar y seguir adelante.
Un valor elevado de I² invita a investigar, no a añadir a una nota al pie. Explore la heterogeneidad mediante análisis de subgrupos o metarregresión antes de citar cualquier efecto combinado.
Se utiliza por defecto el efecto fijo para obtener un intervalo más ajustado.
Un modelo de efectos fijos proporciona un intervalo de confianza más estrecho, pero solo porque ignora la variación entre estudios. Cuando existe heterogeneidad, ese intervalo estrecho resulta engañosamente tranquilizador.
Ignorar el sesgo de publicación
Los estudios pequeños con resultados negativos a menudo no se publican, lo que infla el efecto combinado. Examine un gráfico de embudo y realice una prueba formal antes de sacar conclusiones.
Preguntas frecuentes
¿Qué mide realmente el I²?
Es la proporción de la variación total entre los estudios que se debe a la heterogeneidad real y no al azar; aproximadamente, el 25 % es baja, el 50 % moderada y el 75 % alta.
¿Efectos fijos o efectos aleatorios?
Utilice modelos de efectos aleatorios cuando crea que el efecto real varía entre estudios, lo cual es habitual en entornos clínicos; reserve los modelos de efectos fijos para el caso excepcional de un único efecto común asumido.
¿Cuántos estudios necesito?
No existe un mínimo estricto, pero con muy pocos estudios, la varianza entre estudios se estima de forma imprecisa y las estadísticas de heterogeneidad se vuelven inestables; interprete los metaanálisis pequeños con cautela.
¿Coincide el resultado con R, Stata y RevMan?
Sí, en la escala que introduzca. La calculadora utiliza la ponderación de varianza inversa estándar con efectos aleatorios de DerSimonian-Laird y deriva cada error estándar del IC del 95 % como (superior − inferior) / 3.92. El comando R que se muestra utiliza sm = "SMD"; para las razones logarítmicas, establezca sm en "OR", "RR" o "HR" y pase las estimaciones logarítmicas para que R transforme inversamente el valor combinado.
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 de principio a fin: efectos combinados, heterogeneidad, análisis de subgrupos y de sensibilidad, pruebas de sesgo de publicación y un gráfico de bosque listo para su publicación con resultados reproducibles en R.