Publicado

La herramienta SYRCLE para evaluar el riesgo de sesgo es un método ampliamente utilizado para juzgar la validez interna en una revisión sistemática de estudios de intervención en animales. Consta de diez entradas que abarcan el sesgo de selección, rendimiento, detección, desgaste y notificación, además de una sección general para otros problemas, y cada entrada se califica como baja, alta o incierta. Esta guía explica cada entrada, compara la herramienta con la lista de verificación de calidad CAMARADES y, posteriormente, aplica las diez entradas a un metaanálisis real de acceso abierto de estudios preclínicos publicados en 2026. Recalculamos sus porcentajes a partir de la tabla por estudio, nombramos la sección correspondiente a cada fila y señalamos las decisiones que dos revisores cuidadosos podrían calificar de manera diferente.

La herramienta fue publicada por Hooijmans y sus colegas en BMC Medical Research Methodology en 2014 como una adaptación de la herramienta Cochrane de riesgo de sesgo para ensayos aleatorizados . Cuatro de sus seis autores trabajaban en SYRCLE, el Centro de Revisión Sistemática para la Experimentación con Animales de Laboratorio del Centro Médico Universitario Radboud en Nijmegen, que da nombre a la herramienta. Nuestra guía ARRIVE 2.0 abarca lo que los autores de estudios con animales deben informar. Esta guía también cubre la otra cara de la moneda: cómo un revisor evalúa lo que se informó.

En palabras simples

La herramienta SYRCLE para evaluar el riesgo de sesgo es una lista de verificación de diez preguntas que un revisor completa para cada estudio con animales en una revisión sistemática. Cada pregunta indaga si se realizó claramente un paso para prevenir el sesgo, como la asignación aleatoria, la asignación oculta o la evaluación ciega de los resultados. La respuesta es riesgo bajo, riesgo alto o riesgo incierto. La mayoría de los artículos sobre animales no proporcionan suficiente información, por lo que muchas respuestas son inciertas, y este patrón constituye en sí mismo un hallazgo. A continuación, se explican las diez preguntas y se comparan con un metaanálisis publicado, para que pueda ver cómo se ve una tabla completa y dónde es necesario revisar las calificaciones.

Qué mide la herramienta de riesgo de sesgo SYRCLE

La herramienta mantiene la lógica del enfoque Cochrane y modifica las preguntas para adaptarlas a los experimentos con animales. Los autores clasificaron las diez entradas en seis tipos de sesgo. El sesgo de selección tiene tres entradas, el sesgo de rendimiento tiene dos, el sesgo de detección tiene dos, y el sesgo de desgaste, el sesgo de notificación y otros sesgos tienen una cada uno. Según los autores, cinco de las diez entradas coinciden con la herramienta Cochrane, a saber: generación de secuencias, ocultamiento de la asignación, datos de resultados incompletos, notificación selectiva de resultados y otras fuentes de sesgo. Las cinco restantes reflejan cómo los estudios con animales difieren de los ensayos clínicos, por ejemplo, alojar a los animales en habitaciones compartidas, inducir la enfermedad antes o después de la asignación y seleccionar animales para la evaluación de resultados.

Cada entrada incluye preguntas de señalización que el revisor responde con sí, no o incierto. Un sí indica un riesgo bajo, un no un riesgo alto, e incierto significa que el informe no proporciona suficiente información. Si se responde con un no a alguna pregunta de señalización relevante para una entrada, esta se clasifica como de alto riesgo. Asimismo, se les indica a los revisores que decidan, antes de comenzar, qué características basales y qué otros factores de sesgo son relevantes para su propia pregunta de revisión, ya que la herramienta deja estas opciones abiertas deliberadamente.

Una instrucción es fácil de pasar por alto. Los autores de la herramienta escriben: «No recomendamos calcular una puntuación resumen para cada estudio individual al usar esta herramienta». Cualquier puntuación necesitaría ponderaciones para los dominios, y esas ponderaciones son difíciles de justificar. La herramienta está diseñada para proporcionar un perfil de diez calificaciones por estudio, que una revisión luego usa en el análisis de sensibilidad y cuando juzga la certeza de la evidencia. Para ensayos en humanos, la herramienta Cochrane actual es RoB 2, que cubrimos en nuestra guía de RoB 2 y, para aplicaciones en revisiones de ensayos, en nuestra guía de Cochrane RoB 2.0 en ensayos . Para modelos de predicción, la herramienta de correspondencia es PROBAST, explicada en nuestra guía de PROBAST.

Las 10 entradas de la herramienta SYRCLE para evaluar el riesgo de sesgo: un vistazo rápido.

Tabla 1. Las diez entradas de SYRCLE (parafraseadas)
EntradaTipo de sesgoNombre de la entradaLo que pregunta el críticoMarcado como compatible con la herramienta Cochrane
1Sesgo de selecciónGeneración de secuencia¿La secuencia de asignación se generó con un componente aleatorio y se aplicó según lo previsto?Sí:
2Sesgo de selecciónCaracterísticas basales¿Los grupos eran similares al inicio, o se ajustó el análisis, y se indujo la enfermedad en un momento comparable?No
3Sesgo de selecciónocultamiento de la asignación¿Podría la persona encargada de asignar los animales haber previsto la siguiente asignación?Sí:
4Sesgo de desempeñoVivienda aleatoria¿Se colocaron las jaulas o los animales al azar dentro de la habitación o las instalaciones?No
5Sesgo de desempeñoEnmascaramiento de cuidadores e investigadores¿Acaso las personas que cuidaban y trataban a los animales desconocían a qué grupo pertenecía cada animal, y era improbable que ese engaño se rompiera?No
6Sesgo de detecciónEvaluación de resultados aleatorios¿Se seleccionaron los animales al azar al evaluar los resultados?No
7Sesgo de detecciónEnmascaramiento de los evaluadores de resultados¿El evaluador desconocía el grupo al que pertenecía, o es improbable que el resultado se vea afectado por conocerlo?No
8Sesgo de deserciónDatos de resultados incompletos¿Se analizaron todos los animales y se explicaron los datos faltantes, se equilibraron entre los grupos y se manejaron de manera sensata?Sí:
9Sesgo de informaciónInformes de resultados selectivos¿Se informaron todos los resultados preespecificados, se evaluaron a partir de un protocolo o de los métodos y resultados?Sí:
10Otros sesgosOtras fuentes de sesgo¿El estudio estuvo libre de contaminación, influencia del financiador, errores en las unidades de análisis, riesgos específicos del diseño y abandonos reemplazados?Sí:

Cómo evaluar las diez propuestas en la práctica

Sesgo de selección, entradas 1 a 3

La entrada 1 pregunta si la secuencia de asignación tuvo un componente aleatorio genuino, como una tabla de números aleatorios o un generador informático. La asignación por preferencia del investigador, por resultado de laboratorio, por disponibilidad o por número de animal o jaula se considera no aleatoria. La entrada 2 pregunta si los grupos parecían similares al inicio. La herramienta añade una segunda prueba para el trabajo con animales, que consiste en si la enfermedad se indujo en un momento comparable en cada grupo. La entrada 3 pregunta si la persona que asignó los animales pudo haber previsto la siguiente asignación. La codificación por terceros, la aleatorización central y los sobres sellados opacos numerados secuencialmente protegen la asignación, mientras que los cronogramas abiertos y la alternancia no lo hacen.

Sesgo de rendimiento y detección, entradas 4 a 7

La entrada 4 es específica para el trabajo con animales. Pregunta si las jaulas o los animales se colocaron al azar dentro de la sala, ya que la posición de los estantes, la luz y el ruido pueden variar en las instalaciones. La herramienta acepta alojamientos idénticos, como grupos que comparten una jaula, y considera que los grupos mantenidos en salas o estantes diferentes son una señal de alerta. La entrada 5 pregunta si los cuidadores e investigadores desconocían el tratamiento de cada animal y si era probable que se mantuviera el enmascaramiento. Las etiquetas de colores en las jaulas, los efectos visibles de los fármacos y el hecho de que una sola persona preparara y realizara el experimento debilitan esta conclusión, y la herramienta vincula la entrada 5 con las normas de alojamiento de la entrada 4.

La entrada 6 pregunta si los animales fueron seleccionados al azar para la evaluación de resultados, por ejemplo, mediante un generador de números aleatorios. La entrada 7 pregunta si el evaluador desconocía el tratamiento asignado. Para la entrada 7, la herramienta acepta un evaluador no cegado cuando es improbable que el resultado se vea influenciado (por ejemplo, la mortalidad), e indica que la entrada debe evaluarse para cada resultado principal.

Desgaste, informes y otros sesgos, entradas 8 a 10

La entrada 8 pregunta si todos los animales entraron en el análisis, si las razones de los datos faltantes no estaban relacionadas con el resultado, si los datos faltantes estaban equilibrados entre los grupos y si alguna imputación fue apropiada. La entrada 9 pregunta si había un protocolo disponible y si se informaron todos los resultados preespecificados o, sin un protocolo, si las secciones de métodos y resultados muestran que aparecieron todos los resultados esperados. La entrada 10 recopila el resto, incluidos los medicamentos combinados o contaminantes, la influencia inapropiada de los financiadores, los errores de la unidad de análisis, como animales enjaulados juntos pero analizados como independientes, los riesgos específicos del diseño y los nuevos animales añadidos para reemplazar a los que se abandonaron.

Herramienta de evaluación del riesgo de sesgo SYRCLE frente a la lista de verificación de calidad CAMARADES

CAMARADES es el Enfoque Colaborativo para el Metaanálisis y la Revisión de Datos Animales de Estudios Experimentales, una colaboración de investigación con sede en la Universidad de Edimburgo . Su lista de verificación de calidad de diez ítems se remonta generalmente a los metaanálisis de accidentes cerebrovasculares. Macleod y colegas informaron en Stroke en 2004 que los estudios que obtuvieron una puntuación alta en una medida de calidad proporcionaron estimaciones más precisas del efecto global. La revisión de ejemplo a continuación cita la lista de verificación como Sena y colegas 2007. Esa revisión, Qu y colegas , califica la publicación revisada por pares, el control de temperatura, la asignación aleatoria, la inducción del modelo ciego, la evaluación de resultados ciega, la anestesia sin actividad neuroprotectora intrínseca, la especie animal declarada, el cálculo del tamaño de la muestra, el cumplimiento del bienestar y una declaración de conflicto de intereses, con un punto por cada sí.

Tabla 2. Comparación de las entradas de SYRCLE y una lista de verificación al estilo CAMARADES.
ElementoHerramienta SYRCLE para evaluar el riesgo de sesgoLista de verificación de calidad al estilo CAMARADES
Pregunta respondida¿Qué probabilidad hay de que exista un error sistemático en los resultados de este estudio, entrada por entrada?¿El informe muestra diez características de diseño y calidad?
Valoración Riesgo bajo, alto o incierto por entrada, guiado por preguntas de señalización.Sí, no o no está claro por cada elemento, con un punto por cada sí en el ejemplo de la pregunta.
Puntuación resumidaNo recomendado por los autores de la herramienta.Un total de 10
Falta informaciónRiesgo calificado como inciertoNo obtiene ningún punto en el ejemplo de Qu.
Elementos que solo esta herramienta tieneOcultamiento de la asignación, similitud de la línea base, alojamiento aleatorio, evaluación aleatoria de resultados, abandono, informes selectivosPublicación revisada por pares, control de temperatura, anestesia, cálculo del tamaño de la muestra, cumplimiento de las normas de bienestar animal, declaración de conflicto de intereses
Ajuste de campoCualquier estudio de intervención con animalesVarios elementos (control de la temperatura, anestesia sin actividad neuroprotectora) parecen provenir de modelos de accidente cerebrovascular, por lo que otros campos los adaptan.

Los dos instrumentos pueden discrepar en el mismo estudio, y la revisión de Qu muestra cómo. En sus siete estudios, la asignación aleatoria obtuvo una puntuación afirmativa en 7 de 7 en la lista de verificación, pero la generación de la secuencia se calificó como baja en solo 1 de 7 en la tabla SYRCLE y como poco clara en los otros 6. La evaluación de resultados a ciegas obtuvo una puntuación negativa en 7 de 7 en la lista de verificación, y el enmascaramiento de los evaluadores de resultados fue poco claro en 7 de 7 en SYRCLE. Los autores explican la primera discrepancia con sus propias palabras, señalando que «el método utilizado para generar la secuencia aleatoria a menudo no se especificaba». Un estudio puede afirmar que fue aleatorizado y aun así obtener una calificación de poco claro en la entrada 1 hasta que se describa el método.

La regla práctica se deduce de esto. Utilice las diez entradas de SYRCLE para evaluar el sesgo y alimentar el paso de riesgo de sesgo al calificar la certeza, como explica nuestra guía GRADE , y agregue elementos al estilo CAMARADES solo cuando la pregunta de la revisión también se refiera a la calidad de la presentación de informes. Mantenga ambos en tablas separadas. Qu y sus colegas hicieron exactamente eso, y afirman que sus juicios sobre el riesgo de sesgo para GRADE se basaron en la herramienta SYRCLE. Para una comparación más amplia de herramientas de evaluación en diferentes diseños de estudio, consulte nuestra guía de herramientas de evaluación de la calidad en revisiones sistemáticas.

Cómo se seleccionó y verificó el metaanálisis de ejemplo.

Buscamos en Europe PMC revisiones sistemáticas de estudios en animales con licencia CC BY que mencionaran SYRCLE y se publicaran a partir de junio de 2025. La búsqueda arrojó 797 registros, y examinamos los primeros 300 en busca de una tabla en el texto principal que calificara cada estudio según los diez criterios. Conservamos un estudio cuya tabla, recuento escrito y licencia pudimos verificar. El artículo es «Ali y colaboradores» , publicado en Frontiers in Pharmacology el 24 de julio de 2026 (PMID 42568838).

Cuatro fuentes coinciden en la licencia. Crossref indica la versión oficial bajo la licencia CC BY 4.0 con fecha de inicio del 24 de julio de 2026, Europe PMC marca el artículo como CC BY, el texto completo de JATS menciona la licencia Creative Commons Attribution y la página del editor enlaza con el documento CC BY 4.0. Tanto la copia de PMC como la página del editor tienen una fecha de corrección del 10 de agosto de 2026, y la página del editor describe el cambio como menor y sin efecto en el contenido científico. Comparamos la Tabla 2 y el párrafo sobre el riesgo de sesgo en la copia de PMC con la página del editor del 1 de noviembre de 2026 y encontramos que la Tabla 2 era idéntica y los porcentajes en el texto eran los mismos.

Cada fila a continuación muestra la sección donde se encuentra la evidencia, lo que hemos vuelto a calcular y una conclusión. " Volvido a calcular" significa que nuestro recuento de la Tabla 2 reproduce el porcentaje del texto. " Volvido a calcular, redondeado" significa que los recuentos coinciden y solo difiere el primer decimal. " Criterio de decisión" significa que los recuentos coinciden, a veces después del redondeo, pero otro revisor que utilice las preguntas de señalización podría calificar la entrada de manera diferente, porque el artículo no muestra el texto de apoyo. " Difiere" significa que una cifra no se puede volver a calcular. Cada cita tiene 25 palabras o menos, está entre comillas y se verificó con el texto completo. Esta es una verificación aritmética y de informes, por lo que no abrimos los 16 artículos primarios que respaldan las calificaciones.

El metaanálisis de empagliflozina que respalda este ejemplo práctico

La revisión recopila estudios preclínicos de empagliflozina en modelos animales de enfermedad hepática esteatósica asociada a disfunción metabólica. Los autores realizaron búsquedas en Scopus, Web of Science, PubMed, Wiley Online Library y la Biblioteca Cochrane, encontraron 1,127 registros, conservaron 816 tras eliminar los duplicados e incluyeron 16 artículos. Un artículo, Kim y colaboradores 2023, aportó dos conjuntos de datos independientes, por lo que el análisis tiene 17 filas. Trece artículos utilizaron ratones C57BL/6 y tres utilizaron ratas. Las dosis variaron de 8 a 30 mg/kg por día, y los resultados combinados fueron diferencias de medias estandarizadas bajo un modelo de efectos aleatorios.

El resumen se titula SYRCLE, y la descripción completa se encuentra en la sección C de Resultados («Calidad del estudio y riesgo de sesgo»), junto con la Tabla 2 y la Figura 2. La sección de Métodos no incluye una subsección específica sobre el riesgo de sesgo. El artículo indica que «El riesgo de sesgo fue evaluado por dos investigadores independientes, y las discrepancias fueron resueltas por el líder del equipo de investigación». Cada estudio fue calificado como bajo (+), incierto (?) o alto (−) en diez ítems etiquetados de la A a la J. Las letras de la A a la J corresponden a las diez entradas en el orden de la Tabla 1 anterior.

Las entradas 1 a 3 de la herramienta de riesgo de sesgo SYRCLE se aplicaron al ejemplo.

Tabla 3. Entradas SYRCLE 1 a 3 (sesgo de selección) aplicadas a Ali et al. 2026
Entrada¿En qué parte del artículo?Evidencia y rederivaciónLlame hoy al
1Resultados, sección C; Tabla 2, columna ASe observó un resultado bajo en 17 de 17 filas (100.0 %), lo que coincide con el “100 % de los estudios” del texto. El primer criterio de inclusión de la revisión fueron los ensayos controlados aleatorizados, lo que explica por qué todas las filas lo cumplen. El artículo no especifica, para cada estudio, el componente aleatorio (una tabla o un generador) que solicita la herramienta, y un artículo original que solo indica “aleatorizado” normalmente se calificaría como poco claro.Decisión de juicio
2Resultados, sección C; Tabla 2, columna BBajo en 15 filas, poco claro en 2 (Abdalla (2023), Heo (2022)), alto en ninguna. Nuestros cálculos arrojan un 88.2 por ciento frente al 88.3 por ciento del texto. La Tabla 1 informa sobre la especie, el tamaño del grupo y la edad para la mayoría de las filas, lo que proporciona al lector los primeros factores de referencia, pero el momento de inducción de la enfermedad no se evalúa por separado.Recalculado, redondeado
3Resultados, sección C; Tabla 2, columna CEl porcentaje es bajo en una fila (Zambrano-Vásquez 2025) y poco claro en la fila 16. Nuestros cálculos arrojan un 5.9 % frente al 5.8 % que aparece en el texto. La sección de Discusión respalda este patrón, señalando la «falta de información detallada sobre la ocultación de la asignación, el enmascaramiento de los experimentos y la aleatorización para la evaluación de los resultados».Recalculado, redondeado

Las entradas 4 a 7 se aplican al ejemplo (sesgo de rendimiento y detección).

Tabla 4. Entradas SYRCLE 4 a 7 aplicadas a Ali et al. 2026
Entrada¿En qué parte del artículo?Evidencia y rederivaciónLlame hoy al
4Resultados, sección C; Tabla 2, columna DValores bajos en 15 filas y poco claros en 2 (Elseweidy (2023), Perakakis (2021)). Nuestros cálculos arrojan un 88.2 por ciento frente al 88.3 por ciento del texto. La herramienta acepta viviendas idénticas como vía hacia un riesgo bajo, lo que podría ser la base aquí, pero el artículo no lo especifica. Un valor bajo en la entrada 4, junto con valores poco claros en las entradas 3, 5 y 6 para la mayoría de las filas, es un patrón que el lector podría querer analizar.Decisión de juicio
5Resultados, sección C; Tabla 2, columna ECalificaciones bajas en 3 filas (Lee 2022, Heo 2025, Zambrano-Vásquez 2025) y poco claras en 14. Nuestros cálculos arrojan un 17.6 por ciento, el mismo que el del texto. La herramienta vincula esta entrada con las reglas de vivienda de la entrada 4, por lo que una calificación baja en la 4 con una calificación poco clara aquí es coherente.Rederivado
6Resultados, sección C; Tabla 2, columna FValores bajos en 2 filas (Heo 2025, Zambrano-Vásquez 2025) y poco claros en 15. Nuestros cálculos arrojan un 11.8 por ciento frente al 11.7 por ciento que aparece en el texto. El artículo describe esta entrada como «aleatoria para la evaluación de resultados».Recalculado, redondeado
7Resultados, sección C; Tabla 2, columna GBaja en 11 filas y poco clara en 6 (Xu (2017), Abdalla (2023), Kim (2023) (a), Kim (2023) (b), Heo (2022), Ma (2022)). Nuestros cálculos dan 64.7 por ciento, lo mismo que el texto. La herramienta dice que se debe evaluar esta entrada para cada resultado principal, y el artículo da una calificación por fila sin decir si era específica del resultado. La herramienta también acepta un evaluador no cegado para resultados que es poco probable que se vean influenciados, como la mortalidad. Los resultados en la Tabla 1 incluyen puntuaciones histológicas como la puntuación de actividad de NAFLD, por lo que un lector puede preguntarse en qué se basan las 11 calificaciones bajas.Decisión de juicio

Las entradas 8 a 10 se aplican al ejemplo (desgaste, informes y otros sesgos).

Tabla 5. Entradas SYRCLE 8 a 10 aplicadas a Ali et al. 2026
Entrada¿En qué parte del artículo?Evidencia y rederivaciónLlame hoy al
8Resultados, sección C; Tabla 2, columna HBaja en 17 de 17 filas (100.0 %), lo que coincide con el texto. La Tabla 1 proporciona un valor de n por brazo y deja el campo n en blanco para Radlinger 2023; además, el artículo no muestra los animales asignados en comparación con los animales analizados. Un revisor que siga las cuatro preguntas de señalización querría realizar esta comparación antes de calificar cada fila con una puntuación baja.Decisión de juicio
9Resultados, sección C; Tabla 2, columna IValores bajos en 16 filas y poco claros en 1 (Abdalla 2023). Nuestros cálculos arrojan un 94.1 % frente al 94.2 % que aparece en el texto. La herramienta pregunta cómo se examinó la notificación selectiva: a partir de un protocolo o de una comparación de métodos y resultados. El artículo no especifica qué método se utilizó.Decisión de juicio
10Resultados, sección C; Tabla 2, columna JBaja en 14 filas y alta en 3 (Xu 2017 y ambos conjuntos de datos de Kim 2023), lo que coincide con el 82.4 % y el 17.6 % del texto. Las tres calificaciones altas provienen de dos artículos. No se especifican las razones, y la herramienta enumera la contaminación, la influencia del financiador, los errores en la unidad de análisis, los riesgos específicos del diseño y los abandonos reemplazados como las posibles causas.Rederivado

La tabla SYRCLE completa, rediseñada.

La matriz que se muestra a continuación reproduce las 17 filas de la Tabla 2 del artículo como datos y suma los totales de nuestras columnas. Las entradas del 1 al 10 siguen el orden de la Tabla 1. Las celdas utilizan los símbolos del artículo: un signo más indica riesgo bajo, un signo de interrogación riesgo incierto y un signo menos riesgo alto.

Tabla 6. Calificaciones para las 17 filas de la Tabla 2 en Ali et al. 2026, con totales de columna de Editverse
Fila de estudio12345678910
Lee et al. (2022)++?++?++++
Petito-da-Silva y otros (2019)++?+??++++
Nasiri-Ansari y otros (2021)++?+??++++
Radlinger y otros (2023)++?+??++++
Elseweidy et al. (2023)++????++++
Fu et al. (2025)++?+??++++
Xu et al. (2017)++?+???++-
Perakakis et al. (2021)++????++++
Heo et al. (2025)++?+++++++
Zambrano-Vásquez et al. (2025)++++++++++
Abdalla y otros (2023)+??+???+?+
Kim et al. (2023) (a)++?+???++-
Kim et al. (2023) (b)++?+???++-
Heo et al. (2022)+??+???+++
Niu et al. (2023)++?+??++++
Ma y otros (2022)++?+???+++
Kurtz y otros (2022)++?+??++++
Bajo (+), n17151153211171614
¿No está claro?, n0216214156010
Alto (−), n0000000003
Bajo, porcentaje de 17100.088.25.988.217.611.864.7100.094.182.4

Sumando los datos de las 170 celdas, la tabla presenta 111 calificaciones bajas, 56 poco claras y 3 altas. La Figura 1 muestra el gráfico elaborado por los autores a partir de la misma tabla, y sus barras coinciden con los totales anteriores.

Resultados de la herramienta de riesgo de sesgo SYRCLE para 17 estudios en animales con empagliflozina, porcentaje de riesgo bajo y alto por entrada.
Figura 1. Porcentaje de las 17 filas clasificadas como de riesgo bajo (verde) o alto (rojo) en cada entrada de SYRCLE. Las clasificaciones poco claras aparecen como segmentos blancos, aunque la leyenda indica que el amarillo indica las clasificaciones poco claras. Reproducido de Ali et al., Front Pharmacol 2026;17:1822157, Fig. 2, doi:10.3389/fphar.2026.1822157, CC BY 4.0.

Leer un perfil de estudio a través de las diez entradas

Al leer una fila, se obtiene un perfil del estudio. Zambrano-Vásquez 2025 es la única fila con una calificación baja en las diez entradas. Heo 2025 tiene una calificación baja en nueve, y la ocultación de la asignación no está clara. Abdalla 2023 tiene una calificación baja en cuatro entradas (1, 4, 8 y 10) y no está clara en las otras seis, y es la única fila con una calificación no clara para la presentación selectiva de resultados. Xu 2017 y los dos conjuntos de datos de Kim 2023 comparten un perfil, con calificaciones bajas en las entradas 1, 2, 4, 8 y 9, calificaciones no claras en 3, 5, 6 y 7, y una calificación alta en la entrada 10.

Estos perfiles describen un patrón y no constituyen una clasificación, ya que los autores de la herramienta desaconsejan sumarlas. El documento sobre la herramienta sugiere realizar un análisis de sensibilidad que excluya los estudios de alto riesgo. La revisión de ejemplo realizó análisis de exclusión de un estudio y una verificación sin dos estudios con grandes desviaciones estándar, y, según nuestra interpretación, el artículo no especifica si las tres filas mejor valoradas se analizaron de forma independiente.

El cuadro de mando SYRCLE para el ejemplo

Las diez entradas se desglosan en 2 recalculadas, 3 recalculadas con diferencias de redondeo y 5 decisiones basadas en el criterio del evaluador. El cuadro de puntuación sigue exactamente las decisiones de las Tablas 3 a 5.

Tabla 7. Cuadro de mando para las diez entradas SYRCLE del ejemplo
Llame hoy alEntriesCual
Rederivado2Entradas 5 y 10
Recalculado, redondeado3Entradas 2, 3 y 6
Decisión de juicio5Entradas 1, 4, 7, 8 y 9
Total10Las diez entradas

Una segunda revisión abarca las cifras que rodean la tabla. Seis datos no coinciden en todo el artículo, y dos de ellos no son insignificantes. Los reportamos como diferencias en nuestros cálculos, no como errores de los autores, ya que el artículo podría contener información que no se muestra.

Tabla 8. Cifras que no se volvieron a derivar o que no coincidieron dentro del artículo.
ParámetroLo que dice el artículoLo que encontramosLlame hoy al
Calificaciones generalesEl artículo indica que el 64.1% son bajos, el 34.1% no están claros y el 1.8% son altos.Nuestro recuento de la Tabla 2 es 111 bajas, 56 inciertas y 3 altas de 170 celdas, lo que representa el 65.3%, el 32.9% y el 1.8%. Los porcentajes del artículo se ajustan a 109, 58 y 3 celdas, por lo que hay dos celdas diferentes.Difiere
AnimalesEl artículo menciona 584 animales, 251 de ellos en el grupo de control y 251 en el grupo de intervención.La suma de n por brazo en la Tabla 1 es 240 en las 16 filas que lo indican, y la fila de Radlinger no proporciona ningún valor de n. El desglose a 584 y 251 no se muestra.Difiere
Porcentajes por entrada94.2, 88.3, 11.7 y 5.8 por ciento.94.1, 88.2, 11.8 y 5.9 por ciento. Las diferencias son de 0.1 puntos porcentuales y se dan en ambas direcciones, por lo que no siguen una única regla de redondeo.Clasificacion "Minor"
Año de ElseweidyLas tablas 1 y 2 muestran los datos de 2023.El texto y la lista de referencias indican 2024.Clasificacion "Minor"
Mi añoLa fila está etiquetada como Ma et al. (2022) en la Tabla 1.La columna del año en la misma fila dice 2023.Clasificacion "Minor"
Figura 2 coloresLa leyenda indica que el color amarillo representa un riesgo incierto.Los segmentos poco claros están dibujados en blanco.Clasificacion "Minor"

Dos filas difieren y cuatro presentan diferencias menores. Ninguna de ellas altera el panorama general, que es que la ocultación de la asignación, el enmascaramiento de los cuidadores y la evaluación aleatoria de los resultados son, en su mayoría, poco claros en estos estudios. Sin embargo, sí demuestran por qué una revisión debería publicar sus declaraciones de apoyo y una tabla a nivel de celda, para que el lector pueda repetir el recuento.

Frases modelo para informar sobre una evaluación SYRCLE

Los corchetes son marcadores de posición para tus propios datos. Son plantillas y no texto del artículo.

Frases que puedes adaptar

  • Métodos. El riesgo de sesgo se evaluó con la herramienta de riesgo de sesgo de SYRCLE para estudios en animales, que consta de diez entradas. Dos revisores calificaron cada estudio de forma independiente como de riesgo bajo, alto o incierto en cada entrada, utilizando las preguntas de señalización, y resolvieron los desacuerdos mediante discusión con un tercer revisor. No se calculó una puntuación global.
  • Reglas específicas de la revisión. Antes de la evaluación, los revisores acordaron que [las características de referencia] y [otros elementos de sesgo] eran relevantes para esta revisión, y que la vivienda idéntica entre los grupos se consideraría de bajo riesgo para la entrada 4.
  • Entradas a nivel de resultado. El enmascaramiento de los evaluadores de resultados se evaluó por separado para [resultado primario] y [resultado secundario].
  • Apoyar. La frase en cada informe que respalda cada calificación se proporciona en la Tabla Suplementaria [S].
  • Resultados. De [n] estudios, [k] describieron un componente aleatorio para la generación de secuencias y [k] describieron el enmascaramiento de la asignación. La mayoría de los estudios fueron calificados como poco claros en [entradas], porque los informes no proporcionaron la información.

Un flujo de trabajo SYRCLE breve

  1. Redacta la pregunta de evaluación y decide qué características básicas son importantes para la entrada 2 antes de que comience cualquier calificación.
  2. Pruebe las diez entradas en dos o tres estudios con ambos revisores y establezca las reglas para las entradas 4, 5 y 10.
  3. Califique cada entrada de forma independiente y copie la oración que la respalda del documento en una columna aparte, junto con el número de página.
  4. Califique la entrada 7 para cada resultado principal.
  5. Resuelva los desacuerdos, póngase en contacto con los autores cuando falte algún detalle y mantenga la ambigüedad cuando el informe guarde silencio.
  6. Muestre una tabla por estudio y un gráfico resumen, y no sume las calificaciones para obtener una puntuación.
  7. Llevar las calificaciones al análisis de sensibilidad y al paso de riesgo de sesgo de GRADE para evidencia preclínica, luego informar la revisión bajo nuestro Guía PRISMA 2020.

Preguntas frecuentes sobre la herramienta SYRCLE para evaluar el riesgo de sesgo.

¿Cuántas entradas tiene la herramienta de riesgo de sesgo SYRCLE?

Diez. Se clasifican en seis tipos de sesgo: selección, desempeño, detección, deserción, notificación y otros. Cada entrada se califica como baja, alta o incierta.

¿La herramienta SYRCLE es la misma que ARRIVE?

No. ARRIVE indica a los autores qué deben reportar, mientras que SYRCLE permite que un revisor evalúe un estudio que ya ha sido reportado. Un buen reporte en ARRIVE facilita las calificaciones de SYRCLE, ya que reduce la cantidad de entradas ambiguas. Consulte nuestro ejemplo práctico de ARRIVE 2.0.

¿Se puede cegar a los animales en un experimento?

Las entradas 5 y 7 se refieren a personas, no a animales. Preguntan si los cuidadores, los investigadores y los evaluadores de resultados sabían qué tratamiento recibió cada animal.

¿Deberían los revisores calcular una puntuación SYRCLE?

Los autores de la herramienta desaconsejan su uso, ya que el cálculo total requiere ponderaciones difíciles de justificar. Los revisores informan las diez calificaciones por estudio y las utilizan en el análisis de sensibilidad.

¿La palabra "aleatorizado" obtiene una calificación baja en la entrada 1?

No por sí sola. La herramienta requiere un componente aleatorio en la generación de la secuencia, por lo que un informe que solo indica que los animales fueron asignados aleatoriamente normalmente sigue siendo poco claro hasta que se especifica el método.

¿Qué herramienta se ajusta mejor a un ensayo aleatorizado en humanos?

Utilice RoB 2 para ensayos en humanos. SYRCLE está diseñado para estudios de intervención en animales.

Herramientas de investigación gratuitas de Editverse

  • GraphProCrea gráficos listos para publicar, de 25 tipos, con pruebas t, ANOVA, correlación y valores p de chi-cuadrado integrados. Gratis, sin necesidad de registrarse.
  • EstatProCalculadoras estadísticas gratuitas y una herramienta de selección de pruebas que abarca comparaciones de grupos, resultados categóricos, análisis de tiempo hasta el evento y precisión diagnóstica.
  • Diagrama de flujo Pro, genere diagramas de flujo PRISMA 2020, PRISMA-ScR, CONSORT, STROBE, STARD, MOOSE y ARRIVE directamente en su navegador.

Apoyo profesional para la evaluación del riesgo de sesgo y el metaanálisis.

Las tablas de riesgo de sesgo y las estimaciones combinadas son dos pasos de una revisión sistemática que requieren documentación verificable. Dos servicios de Editverse se corresponden con los pasos anteriores.

Evaluación del riesgo de sesgo

¿Necesita una tabla de riesgo de sesgo para cada estudio incluido?

$350

Usted envía los estudios incluidos y sus diseños. Recibirá formularios de evaluación completos, tablas de riesgo de sesgo, visualizaciones de semáforo y una descripción de la sección de métodos. El plazo de entrega estándar es de 4 a 6 días hábiles. La página del servicio enumera las herramientas que ofrece; por lo tanto, envíe un correo electrónico a co ***** @ ******* se.com con sus estudios antes de realizar el pedido si su protocolo menciona alguna en particular.

Ver evaluación del riesgo de sesgo →

Meta-análisis

¿Los datos extraídos están listos para ser combinados?

$1,000

Usted proporciona los datos extraídos. Recibirá el análisis estadístico con efectos fijos o aleatorios, la evaluación de la heterogeneidad, diagramas de bosque, un diagrama de embudo con pruebas de sesgo, análisis de sensibilidad, una sección de resultados lista para su publicación y los archivos de análisis. El plazo de entrega estándar es de 2 a 3 semanas a partir de la recepción de los datos.

Ver metaanálisis independiente →

Nuestro trabajo se ajusta a las directrices de COPE, ICMJE y GPP 2022, y cumple con los requisitos éticos institucionales y específicos de cada país.

Utilizar correctamente la herramienta de riesgo de sesgo SYRCLE

La herramienta de riesgo de sesgo SYRCLE premia la especificidad. La revisión de ejemplo aplica las diez entradas a 17 filas, publica una tabla a nivel de celda y un recuento escrito, y así permite que un lector repita el recuento. Todos los diez porcentajes por entrada se vuelven a calcular dentro de 0.1 puntos porcentuales, y las entradas que permanecen en su mayoría poco claras, ocultamiento de la asignación, cegamiento de los cuidadores y evaluación aleatoria de resultados, son las que los autores nombran en su Discusión. Las llamadas que merecen una segunda revisión son las altas proporciones de calificaciones bajas en generación de secuencia, alojamiento, deserción e informes selectivos, donde el artículo no muestra su respaldo. Escriba la oración de respaldo para cada celda, califique la entrada 7 para cada resultado, mantenga los elementos de estilo CAMARADES en su propia tabla y deje las calificaciones como un perfil sin un total.

Referencias

  1. Hooijmans CR, Rovers MM, de Vries RB, Leenaars M, Ritskes-Hoitinga M, Langendam MW. Herramienta de riesgo de sesgo de SYRCLE para estudios con animales. Método BMC Med Res. 2014;14:43. doi:10.1186/1471-2288-14-43. PMID 24667063. PMCID PMC4230647.
  2. Ali LS, Mostafa MO, Alsharayiah D, Elkholy MA, Ahmed KA, El-Mansy AA, et al. Efectos hepatoprotectores de la empagliflozina en la enfermedad hepática esteatósica asociada a disfunción metabólica: una revisión sistemática y metaanálisis de estudios preclínicos. Front Pharmacol. 2026;17:1822157. doi:10.3389/fphar.2026.1822157. PMID 42568838. PMCID PMC13448050.
  3. Qu G, Bi Y, Wang L, Xu L, Zhang Y, Ma Y, et al. Eficacia de Dang Gui Shao Yao San en el tratamiento de la demencia vascular en modelos animales: una revisión sistemática y metaanálisis. Front Aging Neurosci. 2026;18:1701536. doi:10.3389/fnagi.2026.1701536. PMID 41907844. PMCID PMC13021646.
  4. Macleod MR, O'Collins T, Howells DW, Donnan GA. La agrupación de datos experimentales en animales revela la influencia del diseño del estudio y el sesgo de publicación. Stroke. 2004;35(5):1203-8. doi:10.1161/01.STR.0000125719.25853.20. PMID 15060322.
  5. Higgins JP, Altman DG, Gøtzsche PC, Jüni P, Moher D, Oxman AD, et al. Herramienta de la Colaboración Cochrane para evaluar el riesgo de sesgo en ensayos aleatorizados. BMJ. 2011;343:d5928. doi:10.1136/bmj.d5928. PMID 22008217. PMCID PMC3196245.
  6. Hooijmans CR, de Vries RBM, Ritskes-Hoitinga M, Rovers MM, Leeflang MM, IntHout J, et al. Facilitando las decisiones en atención médica mediante la evaluación de la certeza de la evidencia de estudios preclínicos en animales. PLoS One. 2018;13(1):e0187271. doi:10.1371/journal.pone.0187271. PMID 29324741.
  7. Percie du Sert N, Hurst V, Ahluwalia A, Alam S, Avey MT, Baker M, et al. Las directrices ARRIVE 2.0. Directrices actualizadas para la notificación de investigaciones con animales. PLoS Biol. 2020;18(7):e3000410. doi:10.1371/journal.pbio.3000410. PMID 32663219. PMCID PMC7360023.