Necesidad de los Meta-Análisis

En la actualidad existe una auténtica explosión de información publicada. A menudo se realizan estudios experimentales u observacionales muy similares entre sí, sobre una misma hipótesis y objetivos científicos, que muestran resultados diferentes, cuando no contradictorios. Se hace necesario, por tanto, una metodología que ayude a la hora de integrar o combinar varias conclusiones en una única conclusión global.

Se entiende por Meta-Análisis aquel conjunto de técnicas que permiten la revisión y combinación de resultados experimentales de distintos estudios previos para contestar una misma pregunta científica. El Meta-Análisis está entroncado en la disciplina de la Medicina Basada en la Evidencia. Se diferencia de otros procedimientos para combinar información (revisiones, conferencias de consenso, paneles de experto, …) en que no existe en su metodología ningún componente subjetivo.

Una variante muy atractiva es el Meta-Análisis acumulativo, en el que la información se acumula estudio a estudio por orden cronológico, de forma que es posible determinar en qué momento la cantidad de evidencia hubiera sido significativa.

En la realización de un Meta-Análisis se pueden identificar dos fases bien diferenciadas y distintas:

Una primera fase consiste en la identificación de los trabajos que estudien los objetivos del estudio. Esta fase de recopilación no es exclusiva del Meta-Análisis, puesto que también hay que pasar por ella cuando se realizan revisiones o puestas al día, y es el material de base empleado por los paneles de expertos o en las conferencias de consenso.

En una segunda fase se combina la información disponible mediante las técnicas estadísticas del Meta-Análisis. La dificultad de las técnicas matemáticas del Meta-Análisis no es muy elevada con relación a la cantidad de información adicional que aportan.

La fase crítica del Meta-Análisis es la elección de los estudios de partida, que deben tener calidad científica y ser homogéneos metodológicamente entre sí. La calidad científica se verifica mediante listas de chequeo y se refleja en una puntuación final. La homogeneidad metodológica hace referencia a que los trabajos que se estudien sean comparables entre sí en términos de fuentes de información, idioma, periodo de publicación, entidad clínica, población, variables de eficacia, "end points" y medida de efecto. Si los estudios no son homogéneos metodológicamente no se puede realizar el Meta-Análisis.

Es conocido que no todos los estudios tienen la misma probabilidad de publicarse, con lo que se establece el denominado sesgo de publicación. Así suelen ser menos publicados los estudios no significativos, los que dan pequeñas diferencias de efecto, los estudios randomizados, los comparativos, los pilotos y los patrocinados por la industria farmacéutica. Contra este sesgo nada se puede hacer. Lo único posible es estimar el número de trabajos N no publicados mediante el siguiente procedimiento: se ordenan los p-valores de los k estudios publicados de menor a mayor, se toma el mayor de estos que se denota por p_máx y se aplica la siguiente fórmula:

,

siendo Int la parte entera de un número. Así, por ejemplo, si el máximo p-valor de 10 estudios es 0,75. El número estimado de trabajos no publicados N es:

En la fase de diseño de un Meta-Análisis hay que tener en cuenta si se han recogido todos los estudios disponibles o si se han recogido sólo una muestra. En el primer caso nos encontramos ante un Modelo de Efectos Fijos (Fixed Effects Model: FEM), en el segundo ante un modelo de Efectos Aleatorios (Random Effects Model: REM). Los FEM son generalizables sólo a la muestra de estudios y tienen en cuenta la variabilidad "dentro". Los REM son generalizables al universo de estudios y tienen en cuenta la variabilidad "dentro" y "entre". En cualquier caso la decisión de utilizar un FEM o un REM tiene que ser tomada " a priori".

No hay que confundir la homogeneidad metodológica con la homogeneidad estadística. La homogeneidad metodológica es un requisito indispensable para poder realizar un Meta-Análisis. La homogeneidad estadística hace referencia a si estadísticamente son combinables los estudios. Pudiera ocurrir que siendo los estudios homogéneos metodológicamente, no lo fueran estadísticamente. Esto ocurriría en situaciones donde la medida del efecto fuera muy distinta en magnitud en los distintos estudios o incluso que fuera de distinto signo. Existen pruebas estadísticas para detectar la falta de homogeneidad estadística (heterogeneidad), siendo la más utilizada la Q_H de Homogeneidad que sigue una chi-cuadrado con (k-1) grados de libertad.

Si hemos elegido un modelo FEM y nos encontramos con falta de homogeneidad, las conclusiones del Meta-Análisis son cuestionables porque no se puede hablar de un estimado global de la medida de efecto. Si se ha elegido un REM, la falta de homogeneidad estadística no plantea problemas si se sigue la metodología de Dersimonian-Laird.