Metaanalisis

Vista previa del material en texto

Metaanalisis.
Un metaanálisis es la representación cuantitativa de los resultados de una revisión sistemática de la literatura.(Único resultado que represente la frecuencia resumida de toso los estudios)
Objetivos
· Su objetivo es calcular una medida global de efecto(Resumir todos los valores)
· Permiten resumir los resultados de múltiples estudios(Prueba de Begg, Prueba de Egger,Funnel plot)
· Permiten conocer el análisis del sesgo de publicación
· Permiten conocer el análisis de heterogeneidad
· Permiten conocer el análisis de sensibilidad
· Permiten conocer la significancia estadística de la medida global de efecto
Funnel plot
· Eje vertical habla de la precisión del estudio es decir el error, son inversos 
· Entre más arriba (En el 0 del eje Y) más mejoro la precisión porque disminuyo el error 
· Entre más abajo (En el 5 del eje Y) disminuyo la precisión porque aumento el error 
 
Interpretación del gráfico 
Si encontramos muchos estudios de un solo lado del gráfico (visualmente) 
NO HAY QUE CONTARLOS 
Como se lee: Como hay visualmente más puntos del lado derecho que del izquierdo (o de izquierda a derecha), PUEDE haber sesgo de publicación. 
Debido a que visualmente se ven iguales, PUEDE que no hay sesgo de publicación 
 
Cuando hay un error estándar bajito, tiene un tamaños de muestra grande 
Prueba de Begg y Egger sirven para evaluar estadísticamente si hay o no sesgo de publicación 
Prueba de Begg
· Menos usada
· Muy mala si el número de estudios es pequeño (poco poder)
· Compara si hay una correlación de rangos entre los rangos de los efectos estimados y los rangos de sus varianzas
Si el valor P mayor a 0,05 No hay sesgo de publicación 
Si el valor P menor a 0,05 Si hay sesgo de publicación 
Prueba de Egger
· Más común
· Tolera más un número pequeño de estudios (poco poder)
· Es una prueba de correlación lineal entre los efectos estimados y los errores estándar obtenidos
· Se puede graficar la línea de la regresión
Si el valor P mayor o igual a 0,10 No hay sesgo de publicación 
Si el valor P menor a 0,10 Si hay sesgo de publicación 
El análisis de heterogeneidad 
Es importante saber si los estudios son diferentes entre sí 
 
Existen dos tipos: 
· Clínica: no se calcula, depende de lo que usted sabe. 
· Reconoce las diferencias en las poblaciones muestras y características en los estudios.
 
· Estadística: nos importa porque es la que podemos calcular 
· Implica calcular estadísticamente la probabilidad de que la diferencia en los resultados obtenidos sea debido al azar.
 
Hay dos formas de evaluar la heterogeneidad: 
· Prueba Q de Cochrane, Der Simonian 
· Estadístico I2 (cuadrado): 25%, 50% y 75% como posibles marcas para indicar una heterogeneidad baja, moderada o alta respectivamente. Usualmente el punto de corte es 30%. 
 
Prueba Chi 2 (cuadrado) 
Valor P Mayor 0,05 homogeneidad 
Valor P Menor 0,05 Heterogeneidad 
 
Estadístico I2 (cuadrado) 
<30% Homogeneidad 
>30% Heterogeneidad 
Dos tipos de análisis estadístico según la heterogeneidad:
-Existen dos tipos:
· Efectos fijos: cuando hay muestra de homogeneidad
· Efectos aleatorios: solo se usa cuando la medida da heterogeneidad.
· Esta diferencia se basa en dar un peso a cada estudio según su tamaño muestral e intervalo de confianza.
· La medida global de efecto es una media ponderada de las medidas de efecto obtenidas.
Entre mayor es el tamaño de la muestra, menor es el error de estándar. 
El análisis de sensibilidad
· Se refiere a que se puede calcular si la medida global de efecto o el modelo del metaanálisis se ve afectado al eliminar estudios.
· Esto se hace para saber si algún estudio favorece o modifica sustancialmente la medida global de efecto.
· Se calcula un resultado (una medida global) eliminando un estudio a la vez del análisis. 
· Eje vertical izquierdo estudios.
· El signo menos indica que la medida global de efecto calculada en el eje derecho donde estan las lineas, es que se calcularon sin ese estudio.
· N=cantidad de participantes que hubo en dicho estudio.
· Mayor a 1= Factor de Riesgo, Menor a 1= Factor protector
Forest plot
· Línea de la mitad: línea de no efecto (se encuentra el 1 y es el número indeseable porque no hay diferencia)
· La flecha indica que no cabe dentro de la escala que se dibujó.
· El cuadrado representa el peso, y exactamente en el centro es el valor de la medida de efecto
· El rombo es el resultado del metaanálisis, las dos esquinas centrales indican donde cae la medida global de efecto, tienen pesos y los pesos representan pesos de todo el metaanálisis.
· Medida de significancia de la medida global de efecto en función del valor p (lo pregunta en los parciales) 
· Columna de tratamiento: En este caso es de un ensayo clínico, peor si fuera un metaanálisis sería el grupo expuesto o si fuera de casos y controles sería el grupo de casos y así sucesivamente 
· N minúscula número de personas con el evento en 24-48h.(En este ejemplo lo de las horas) 
· N mayúscula a la población total de ese grupo. 
· Grupo de control o de referencia, en un estudio de cohortes(No expuestos), casos y controles(controles).
· Debajo de la medida de efecto, aparece si es de efecto fijos o aleatorizados, pero si no aparece nada, se asume que es de efectos fijo
· El peso del estudio se calcula con el error estándar que aporta cada uno de los estudios a la medida global de efecto, estudios con menor error estándar aportan más, estudios con mayor error estándar aportan menos 
· En la prueba de efecto global se ve la p y si el valor P es menor a 0.05 hay significancia estadística de la medida global de efecto, si es mayor no hay significancia 
Variables cualitativas
· Nivel nominal:
Implica cualidades: los Colores
· Nivel ordinal:
Implica un orden: primero, segundo, tercero...
Variables cuantitativas
· Nivel de razón: 
Existe un cero absoluto: eI tiempo
· Nivel de intervalo:
EI cero es relativo: la temperatura
Sensibilidad
· Es la capacidad de la prueba de dar positivo en un individuo que está enfermo.
· Sabemos que el individuo está enfermo porque comparamos con el estándar de referencia
• Proporción de enfermos que tienen resultado positivo en la prueba
Interpretación: En el estudio de tal/les, en tal año, en tal lugar, el X% de los enfermos de tal enfermedad son positivos para tal prueba.. 
Especificidad:
· Es la capacidad de la prueba de dar negativo en un individuo que está sano
· Sabemos que el individuo está sano porque comparamos con el estándar de referencia
• Proporción de sanos que tienen resultado negativo en la prueba
Interpretación: 
· En el estudio de tal/les, en tal año, en tal lugar, el X% de los sanos de tal enfermedad son negativos en tal estudio(Test). 
Seguridad: los valores predictivos
· Predicen la probabilidad de estar enfermo o sano.
· Dependen de la prevalencia de la enfermedad:
- Baja prevalencia: mejor valor predictivo negativo
- Alta prevalencia: mejor valor predictivo positivo
Indican probabilidad a priori, antes o preprueba
Valor predictivo positivo(VPP)
· Probabilidad de teniendo un resultado positivo, estar enfermo.
Interpretación:
· EI x por ciento de quienes tienen un resultado positivo, estarán realmente enfermos.
· X de cada 100 personas con resultado positivo estarán realmente enfermos.
Valor predictivo positivo(VPN)
· Probabilidad de tener un resultado negativo, estar sano.
Interpretación:
· EI x por ciento de quienes tienen un resultado negativo, estarán realmente sanos
· X de cada 100 personas con resultado negativo estarán realmente sanos
Razones de probabilidad o coeficientes de verosimilitud
· Comparan la probabilidad de los resultados verdaderos vs. los falsos
· No dependen de la prevalencia
· Indican la probabilidad de equivocarse clasificando como sano o enfermo
· Sirven para comparar pruebas entre sí mejor que la sensibilidad y especificidad.
Coeficiente de verosimilitud positiva
· Probabilidad de obtener un resultado verdadero positivo contra lade tener un falso positivo.
Interpretación:
· Por cada falso positivo en la prueba hay X verdaderos positivos detectados
Coeficiente de verosimilitud negativa
• Probabilidad de obtener un Gresultado verdadero negativo contra la de tener un falso negativo.
Interpretación:
· Por cada verdadero negativo en la prueba hay X falsos negativos detectados