7.3.6.5.1 Metaanálisis de investigaciones observacionales

Un metaanálisis es un procedimiento estadístico que combina los hallazgos de múltiples estudios primarios en una única estimación resumida global. Un metaanálisis puede realizarse para mejorar la potencia estadística para detectar un efecto del tratamiento, estimar un efecto medio resumido, identificar subgrupos asociados con un resultado negativo o un efecto beneficioso, y explorar las diferencias en el tamaño o la dirección del efecto del tratamiento asociadas con variables específicas del estudio. La interpretación de los tamaños del efecto resumidos a partir de los metaanálisis de estudios epidemiológicos que abordan cuestiones etiológicas es difícil debido a las diferencias en los factores controlados en los análisis multivariantes de los estudios individuales, y también debido a la información deficiente en los estudios originales con falta de detalles adecuados o completos. Para más información y orientación sobre el metaanálisis, consulte el Capítulo 3 de este manual.

En un metaanálisis se indica el tamaño del efecto global. Se calcula para cada estudio y los hallazgos se agrupan para extraer conclusiones generales. Hay muchos tipos diferentes de tamaño del efecto y es posible convertir un tamaño del efecto en otro, por lo que cada uno ofrece una medida de la fuerza de un efecto o una relación en una escala diferente. Los revisores deben ser conscientes de que existen diferentes directrices para la interpretación de la significación práctica de los tamaños del efecto, como OR y RR (Tufanaru C, Huang WJ et al. 2012). Una guía propuesta para la interpretación de los tamaños del efecto sugiere que un valor de 2 para una estimación del riesgo (como un riesgo relativo RR o una odds ratio OR) se considera el valor mínimo significativo desde un punto de vista práctico; un valor de 3 se considera moderadamente significativo; un valor de 4 se considera que indica una fuerte significación desde un punto de vista práctico (Tufanaru C, Huang WJ et al. 2012).

Con frecuencia, los estudios primarios publicados que investigan el riesgo de una exposición diseñarán el estudio y presentarán los datos disponibles en diferentes niveles de la exposición, o en diferentes categorías para reflejar una relación "dosis-respuesta" entre la exposición y la variable de resultado. Naturalmente, surgirán dificultades si diferentes estudios han utilizado diferentes categorías de exposición y han presentado estos datos de formas diversas. Lo más habitual es investigar una relación dosis-respuesta entre una exposición y el resultado para reforzar el apoyo a la inferencia causal o la causalidad (Greenland y Longnecker 1992, Bekkering, Harris et al. 2008). Los estudios individuales pueden presentar los resultados de forma estratificada, ya sea en diferentes grupos de exposición o en diferentes cuantiles. Por ejemplo, considerando el riesgo de la ingesta de alcohol y el cáncer de pulmón, los datos pueden presentarse como diferentes grupos de exposición, como en vasos/semana o en gramos de alcohol. Independientemente de ello, existen métodos para combinar los resultados de estudios individuales que presentan dichos datos de "tendencias". Dependiendo del tipo de datos que se presenten en dicha investigación de dosis-respuesta, existen métodos aceptados para resumir los datos en una estimación coherente del riesgo que pueda utilizarse posteriormente en un metaanálisis.

­En un estudio sobre la utilidad de los resultados en un metaanálisis, Bekkering et al. indicaron que la mayoría de los resultados utilizables notificados eran odds, risk o hazard ratios que comparaban una o más categorías de exposición con una categoría de referencia (Bekkering, Harris et al. 2008). Además, sugieren algunas ventajas de notificar los resultados en OR, RR y HR, que incluyen la comprobación informal de los efectos no lineales de la exposición y una interpretación más sencilla de la magnitud de la asociación (Bekkering, Harris et al. 2008). En caso de asociaciones no lineales, existe el riesgo de que las conclusiones del metaanálisis dosis-respuesta sean engañosas, por lo que se sugiere que se comprueben los supuestos de linealidad para cada estudio cuando se realice un metaanálisis dosis-respuesta (Greenland y Longnecker 1992, Bekkering, Harris et al., 2008). Bekkering et al. (Bekkering, Harris et al. 2008), Chene y Thompson (Chene y Thompson 1996), Greenland y Longnecker (Greenland y Longnecker 1992), Hamling et al. (Hamling, Lee et al. 2008), y Orsini et al (Orsini, Bellocco et al. 2006) describen métodos para realizar metaanálisis dosis-respuesta lineales y no lineales. Esencialmente, para el metaanálisis dosis-respuesta lineal, el método implica la estimación de una curva dosis-respuesta lineal para cada estudio cuando se combinan estudios con diferentes definiciones de categorías de exposición. Además, requiere el número de casos y no casos (resultados) y personas/persona-año (persona­tiempo) y las estimaciones del efecto (RR u OR) con intervalos de confianza para al menos tres categorías cuantitativas de exposición (Aromataris, Hopp L et al. 2011).

Nota sobre la heterogeneidad (ver Capítulo 3 para más detalles)

A pesar del impedimento que supone para el metaanálisis la heterogeneidad de los datos publicados, ya sea por razones metodológicas, clínicas o estadísticas, el metaanálisis de estudios observacionales para informar sobre la etiología y el riesgo casi siempre es posible y puede ofrecer un medio válido para explorar la heterogeneidad y su impacto dentro de un conjunto de datos. Un análisis combinado de estudios individuales, más allá del objetivo directo de una mayor precisión debido a un mayor tamaño de la muestra, puede ser deseable, ya que permite explorar posibles factores confundentes e interacciones y otros efectos modificadores que pueden explicar la heterogeneidad entre los estudios incluidos. Se sugiere que la decisión de realizar un metaanálisis no se base únicamente en consideraciones estadísticas relativas a la heterogeneidad, sino que se base en la pregunta de la revisión, las características de los estudios y la interpretabilidad de los resultados.