Page Comparison

Systematic reviews of DTA frequently find heterogeneity between studies Las revisiones sistemáticas de la EPD encuentran con frecuencia heterogeneidad entre los estudios (Macaskill et al. 2010). This can be due to differences in study populations, procedures followed for carrying out the test (index or reference), and the conditions or context of testing.Additionally, heterogeneity can be the result of differences in how studies have been conducted or their data analyzed which have biased the results (for example, one study may have included all test results in the final analysis, whereas another may exclude inconclusive outcomes, thereby making the test appear more accurate than it actually is). As such the presence of heterogeneity between studies should be carefully investigated. Displaying data graphically through paired forest plots or SROC curves can help to identify the presence or absence of heterogeneity (albeit subjectively), as large differences between studies, if present, will be recognizable. If there are differences in the diagnostic threshold between studies, then paired forest plots should not be used to estimate heterogeneity as variability should exist due to the interdependence of sensitivity and specificity. In these cases heterogeneity can be estimated by judging how well studies fit with the SROC curve (and not by how scattered they are). The Chi-square test or Fisher’s exact test can be used for more objective assessments of heterogeneity, however their power has been noted to be low Esto puede deberse a diferencias en las poblaciones de estudio, los procedimientos seguidos para realizar la prueba (índice o de referencia) y las condiciones o el contexto de la prueba.

Además, la heterogeneidad puede ser el resultado de diferencias en la forma en que se han realizado los estudios o se han analizado sus datos, lo que ha sesgado los resultados (por ejemplo, un estudio puede haber incluido todos los resultados de la prueba en el análisis final, mientras que otro puede excluir los resultados no concluyentes, haciendo así que la prueba parezca más exacta de lo que realmente es). Por ello, la presencia de heterogeneidad entre los estudios debe investigarse cuidadosamente. La visualización gráfica de los datos mediante diagramas de bosque en pares o curvas SROC puede ayudar a identificar la presencia o ausencia de heterogeneidad (aunque de forma subjetiva), ya que las grandes diferencias entre estudios, si las hay, serán reconocibles. Si existen diferencias en el umbral diagnóstico entre los estudios, no deben utilizarse diagramas de bosque en pares para estimar la heterogeneidad, ya que debe existir variabilidad debido a la interdependencia de la sensibilidad y la especificidad. En estos casos, la heterogeneidad puede estimarse juzgando lo bien que se ajustan los estudios a la curva SROC (y no por lo dispersos que estén). La prueba de Chi-cuadrado o la prueba exacta de Fisher pueden utilizarse para evaluaciones más objetivas de la heterogeneidad, aunque se ha observado que su potencia es baja (Dinnes et al. 2005). The I² test is not routinely used in DTA systematic reviews as it does not account for the influence that differing positivity thresholds can have.Where heterogeneity is found, its cause should be carefully investigated by comparing the characteristics of the differing studies. If this comparison suggests that the heterogeneity is due to the existence of specific risks of bias in some studies, then meta-analysis should be restricted to studies which do not possess the identified risks (as with all systematic reviews, efforts should be made to identify potential subgroup analyzes and the intention to carry them out declared a priori in the protocolLa prueba I² no se utiliza habitualmente en las revisiones sistemáticas de EPD, ya que no tiene en cuenta la influencia que pueden tener los diferentes umbrales de positividad.

Cuando se detecta heterogeneidad, su causa debe investigarse cuidadosamente comparando las características de los distintos estudios. Si esta comparación sugiere que la heterogeneidad se debe a la existencia de riesgos específicos de sesgo en algunos estudios, entonces el metaanálisis debe restringirse a los estudios que no posean los riesgos identificados (como en todas las revisiones sistemáticas, debe procurarse identificar posibles análisis de subgrupos y declarar a priori en el protocolo la intención de llevarlos a cabo) (White et al. 2011).  Unfortunately, subgroup analysis carries its own difficulties, as when subgroups contain a low number of studies, they are prone to heterogeneity Desafortunadamente, el análisis de subgrupos conlleva sus propias dificultades, ya que cuando los subgrupos contienen un número bajo de estudios, son propensos a la heterogeneidad (White et al. 2011).  The use of random effects models of meta-analysis (discussed above) can help to identify heterogeneity by adding a covariate into the model. The covariate, either categorical or continuous, is accordingly assumed to be the heterogeneity source. These values are not easily interpreted, however, as they show variation in parameters expressed on log odds scales El uso de modelos de efectos aleatorios de metaanálisis (comentados anteriormente) puede ayudar a identificar la heterogeneidad mediante la adición de una covariante al modelo. En consecuencia, se supone que la covariante, ya sea categórica o continua, es la fuente de heterogeneidad. Sin embargo, estos valores no son fáciles de interpretar, ya que muestran la variación de los parámetros expresados en escalas log odds (Leeflang et al. 2013). When the extent of heterogeneity cannot be explained, reviewers should refrain from meta-analysis and instead conduct a narrative synthesisCuando no se puede explicar el grado de heterogeneidad, los revisores deben abstenerse de realizar un metaanálisis y, en su lugar, llevar a cabo una síntesis narrativa.