En estadística , la heterogeneidad (entre) estudios es un fenómeno que ocurre comúnmente cuando se intenta realizar un metanálisis . En un escenario simplista, los estudios cuyos resultados se van a combinar en el metanálisis se realizarían todos de la misma manera y con los mismos protocolos experimentales. Las diferencias entre los resultados solo se deberían a errores de medición (y, por lo tanto, los estudios serían homogéneos ). La heterogeneidad del estudio denota la variabilidad en los resultados que va más allá de lo que se esperaría (o podría explicarse) debido únicamente al error de medición.
Introducción
El metanálisis es un método que se utiliza para combinar los resultados de diferentes ensayos con el fin de obtener una síntesis cuantitativa. El tamaño de los ensayos clínicos individuales a menudo es demasiado pequeño para detectar los efectos del tratamiento de manera confiable. El metanálisis aumenta el poder de los análisis estadísticos al combinar los resultados de todos los ensayos disponibles.
A medida que se intenta utilizar el metanálisis para estimar un efecto combinado de un grupo de estudios similares, los efectos encontrados en los estudios individuales deben ser lo suficientemente similares como para que uno pueda estar seguro de que una estimación combinada será una descripción significativa del conjunto de estudios. Sin embargo, las estimaciones individuales del efecto del tratamiento variarán según el azar; Se espera alguna variación debido a errores de observación . Cualquier variación excesiva (ya sea aparente o detectable o no) se denomina heterogeneidad (estadística) . [1] La presencia de cierta heterogeneidad no es inusual, por ejemplo, los efectos análogos también se encuentran comúnmente incluso dentro de los estudios, en ensayos multicéntricos ( heterogeneidad entre centros ).
Las razones de la variabilidad adicional suelen ser diferencias en los estudios mismos, las poblaciones investigadas, los programas de tratamiento, las definiciones de los criterios de valoración u otras circunstancias. Los diferentes tipos de medidas de efecto (p. Ej., Razón de posibilidades versus riesgo relativo ) también pueden ser más o menos susceptibles a la heterogeneidad. [2]
Modelado
En caso de que se pueda identificar el origen de la heterogeneidad y se pueda atribuir a ciertas características del estudio, el análisis puede estratificarse (considerando subgrupos de estudios, que con suerte serían más homogéneos), o extendiendo el análisis a una metarregresión , teniendo en cuenta las variables moderadoras (continuas o categóricas ) . Además, la heterogeneidad generalmente se acomoda mediante el uso de un modelo de efectos aleatorios , en el que la heterogeneidad constituye un componente de la varianza . [3]
El modelo representa la falta de conocimiento sobre por qué los efectos del tratamiento pueden diferir al tratar las diferencias (potenciales) como incógnitas. El centro de esta distribución simétrica describe el promedio de los efectos, mientras que su ancho describe el grado de heterogeneidad. La elección de distribución obvia y convencional es una distribución normal . Es difícil establecer la validez de cualquier supuesto distributivo, y esta es una crítica común a los metanálisis de efectos aleatorios. Sin embargo, las variaciones de la forma distributiva exacta pueden no hacer mucha diferencia, [4] y las simulaciones han demostrado que los métodos son relativamente robustos incluso bajo supuestos distributivos extremos, tanto para estimar la heterogeneidad, [5] como para calcular el tamaño del efecto general. [6]
La inclusión de un efecto aleatorio en el modelo tiene el efecto de hacer que las inferencias (en cierto sentido) sean más conservadoras o cautelosas, ya que una heterogeneidad (distinta de cero) conducirá a una mayor incertidumbre (y evitará el exceso de confianza) en la estimación de los efectos generales. En el caso especial de una varianza de heterogeneidad cero, el modelo de efectos aleatorios se reduce nuevamente al caso especial del modelo de efectos comunes . [7]
Pruebas
Las pruebas estadísticas para una varianza de heterogeneidad distinta de cero a menudo se realizan en base a la Q de Cochran [8] o procedimientos de prueba relacionados. Sin embargo, este procedimiento común es cuestionable por varias razones, a saber, la baja potencia de tales pruebas [9], especialmente en el caso muy común de que solo se combinan unas pocas estimaciones en el análisis, [10] [5] , así como la especificación de homogeneidad. como la hipótesis nula que luego solo se rechaza en presencia de pruebas suficientes en su contra. [11]
Estimacion
Si bien el objetivo principal de un metanálisis suele ser la estimación del efecto principal , la investigación de la heterogeneidad también es crucial para su interpretación. Se dispone de una gran cantidad de estimadores ( frecuentistas y bayesianos ) . [12] La estimación bayesiana de la heterogeneidad generalmente requiere la especificación de una distribución previa adecuada . [7] [13]
Si bien muchos de estos estimadores se comportan de manera similar en el caso de un gran número de estudios, surgen diferencias en particular en su comportamiento en el caso común de solo unas pocas estimaciones. [14] Con frecuencia se obtiene una estimación incorrecta de la varianza cero entre estudios, lo que lleva a una falsa suposición de homogeneidad. En general, parece que la heterogeneidad se subestima constantemente en los metanálisis. [5]
Cuantificación
La varianza de heterogeneidad se denota comúnmente por τ², o la desviación estándar (su raíz cuadrada) por τ. La heterogeneidad es probablemente más fácilmente interpretable en términos de τ, ya que este es el parámetro de escala de la distribución de heterogeneidad , que se mide en las mismas unidades que el efecto general en sí. [13]
Otra medida común de heterogeneidad es I², una estadística que indica el porcentaje de varianza en un metanálisis que es atribuible a la heterogeneidad del estudio (algo similar a un coeficiente de determinación ). [15] I² relaciona la magnitud de la varianza de la heterogeneidad con el tamaño de las varianzas de las estimaciones individuales ( errores estándar al cuadrado ); Sin embargo, con esta normalización, no es del todo obvio qué constituiría exactamente cantidades "pequeñas" o "grandes" de heterogeneidad. Para una heterogeneidad constante (τ), la disponibilidad de estudios más pequeños o más grandes (con errores estándar asociados correspondientemente diferentes) afectaría la medida I²; por lo que la interpretación real de un valor I² no es sencilla. [16] [17]
La consideración conjunta de un intervalo de predicción junto con un intervalo de confianza para el efecto principal puede ayudar a tener una mejor idea de la contribución de la heterogeneidad a la incertidumbre en torno a la estimación del efecto. [3] [18] [19]
Ver también
- Homogeneidad (estadísticas)
- Modelo de efectos aleatorios
- Desviación estándar , parámetro de escala , varianza
- Metarregresión
Referencias
- ^ Singh, A .; Hussain, S .; Najmi, AN (2017), "Número de estudios, heterogeneidad, generalizabilidad y elección del método para el metanálisis", Revista de Ciencias Neurológicas , 15 (381): 347, doi : 10.1016 / j.jns.2017.09. 026 , PMID 28967410
- ^ Deeks, JJ; Altman, DG (2001), "Medidas de efecto para el metanálisis de ensayos con resultados binarios", en Egger, M .; Davey Smith, G .; Altman, D. (eds.), Revisiones sistemáticas en el cuidado de la salud: metaanálisis en contexto (2.a ed.), BMJ Publishing, págs. 313–335, doi : 10.1002 / 9780470693926.ch16 , ISBN 9780470693926
- ^ a b Riley, RD; Higgins, JP; Deeks, JJ (2011), "Interpretación de metanálisis de efectos aleatorios", BMJ , 342 : d549, doi : 10.1136 / bmj.d549 , PMID 21310794
- ^ Bretthorst, GL (1999), "La casi irrelevancia de las distribuciones de frecuencia de muestreo", en von der Linden, W .; et al. (eds.), Máxima entropía y métodos bayesianos , Kluwer Academic Publishers, págs. 21–46, doi : 10.1007 / 978-94-011-4710-1_3 , ISBN 978-94-010-5982-4
- ^ a b c Kontopantelis, E .; Springate, DA; Reeves, D. (2013). "Un nuevo análisis de los datos de la biblioteca Cochrane: los peligros de la heterogeneidad no observada en los metanálisis" . PLOS ONE . 8 (7): e69930. doi : 10.1371 / journal.pone.0069930 . PMC 3724681 . PMID 23922860 .
- ^ Kontopantelis, E .; Reeves, D. (2012). "Rendimiento de métodos estadísticos para el metanálisis cuando los verdaderos efectos del estudio no se distribuyen normalmente: un estudio de simulación" . Métodos estadísticos en la investigación médica . 21 (4): 409–26. doi : 10.1177 / 0962280210392008 . PMID 21148194 .
- ^ a b Röver, C. (2020), "Metanálisis de efectos aleatorios bayesianos utilizando el paquete bayesmeta R", Journal of Statistical Software , 93 (6): 1–51, doi : 10.18637 / jss.v093.i06
- ^ Cochran, WG (1954), "La combinación de estimaciones de diferentes experimentos", Biometrics , 10 (1): 101-129, doi : 10.2307 / 3001666 , JSTOR 3001666
- ^ Hardy, RJ; Thompson, SG (1998), "Detectando y describiendo la heterogeneidad en el metanálisis", Estadística en Medicina , 17 (8): 841–856, doi : 10.1002 / (SICI) 1097-0258 (19980430) 17: 8 <841: : AID-SIM781> 3.0.CO; 2-D , PMID 9595615
- ^ Davey, J .; Turner, RM; Clarke, MJ; Higgins, JPT (2011), "Características de los metanálisis y sus estudios componentes en la base de datos Cochrane de revisiones sistemáticas: un análisis descriptivo transversal", BMC Medical Research Methodology , 11 (1): 160, doi : 10.1186 / 1471-2288-11-160 , PMC 3247075 , PMID 22114982
- ^ Li, W .; Liu, F .; Snavely, D. (2020), "Revisión de los métodos de prueba y luego en grupo y algunas consideraciones prácticas", Estadísticas farmacéuticas , 19 (5): 498–517, doi : 10.1002 / pst.2009 , PMID 32171048
- ^ Veroniki, AA; Jackson, D .; Viechtbauer, W .; Bender, R .; Bowden, J .; Knapp, G .; Kuß, O .; Higgins, JPT; Langan, D .; Salanti, G. (2016), "Métodos para estimar la varianza entre estudios y su incertidumbre en el metanálisis", Research Synthesis Methods , 7 (1): 55–79, doi : 10.1002 / jrsm.1164 , PMC 4950030 , PMID 26332144
- ^ a b Röver, C .; Bender, R .; Dias, S .; Schmid, CH; Schmidli, H .; Sturtz, S .; Weber, S .; Friede, T. (2021), "Sobre distribuciones previas débilmente informativas para el parámetro de heterogeneidad en el metanálisis de efectos aleatorios bayesianos", Research Synthesis Methods , arXiv : 2007.08352 , doi : 10.1002 / jrsm.1475 , PMID 33486828
- ^ Friede, T .; Röver, C .; Wandel, S .; Neuenschwander, B. (2017), "Metaanálisis de unos pocos estudios pequeños sobre enfermedades huérfanas", Research Synthesis Methods , 8 (1): 79–91, arXiv : 1601.06533 , doi : 10.1002 / jrsm.1217 , PMC 5347842 , PMID 27362487
- ^ Higgins, JPT; Thompson, SG; Deeks, JJ; Altman, DG (2003), "Midiendo la inconsistencia en los metanálisis", BMJ , 327 (7414): 557–560, doi : 10.1136 / bmj.327.7414.557 , PMC 192859 , PMID 12958120
- ^ Rücker, G .; Schwarzer, G .; Carpenter, JR; Schumacher, M. (2008), "La confianza indebida en I² para evaluar la heterogeneidad puede inducir a error", BMC Medical Research Methodology , 8 (79): 79, doi : 10.1186 / 1471-2288-8-79 , PMC 2648991 , PMID 19036172
- ^ Borenstein, M .; Higgins, JPT; Setos, LV; Rothstein, HR (2017), "Conceptos básicos del metanálisis: I² no es una medida absoluta de heterogeneidad" (PDF) , Research Synthesis Methods , 8 (1): 5–18, doi : 10.1002 / jrsm.1230 , hdl : 1983 / 9cea2307-8e9b-4583-9403-3a37409ed1cb , PMID 28058794
- ^ Chiolero, A; Santschi, V .; Burnand, B .; Platt, RW; Paradis, G. (2012), "Metanálisis: ¿con intervalos de confianza o de predicción?" (PDF) , European Journal of Epidemiology , 27 (10): 823–5, doi : 10.1007 / s10654-012-9738-y , PMID 23070657
- ^ Bender, R .; Kuß, O .; Koch, A .; Schwenke, C .; Hauschke, D. (2014), Aplicación de intervalos de predicción en metanálisis con efectos aleatorios (PDF) , Declaración conjunta de IQWiG , GMDS e IBS-DR
Otras lecturas
- Borenstein, M .; Setos, LV; Higgins, JPT; Rothstein, HR (2010), "Una introducción básica a los modelos de efectos fijos y de efectos aleatorios para el metanálisis", Research Synthesis Methods , 1 (2): 97-111, doi : 10.1002 / jrsm.12 , PMID 26061376
- Fleiss, JL (1993), "La base estadística del metanálisis", Métodos estadísticos en la investigación médica , 2 (2): 121–145, doi : 10.1177 / 096228029300200202 , PMID 8261254
- Higgins, JPT; Thomas, J .; Chandler, J .; Cumpston, M .; Iluminado.; Page, MJ; Welch, VA (2019), manual Cochrane para revisiones sistemáticas de intervenciones (2a ed.), Wiley Blackwell, ISBN 9781119536611
- Mosteller, F .; Colditz, GA (1996), "Comprensión de la síntesis de la investigación (metanálisis)", Annual Review of Public Health , 17 : 1–23, doi : 10.1146 / annurev.pu.17.050196.000245 , PMID 8724213
- Sutton, AJ; Abrams, KR; Jones, DR (2001), "Una guía ilustrada de los métodos de metanálisis", Journal of Evaluation in Clinical Practice , 7 (2): 135-148, doi : 10.1046 / j.1365-2753.2001.00281.x , PMID 11489039