9.2.7.2.2 Modelos

Los métodos para realizar metaanálisis relativos a las pruebas diagnósticas siguen siendo objeto de debate en la literatura y hay nuevos desarrollos estadísticos en curso (Eusebi et al. 2014). Existen tres modelos principales. El primero corresponde a un modelo de efectos fijos, mientras que los otros dos son modelos de efectos aleatorios. Estos dos últimos se basan en un modelo jerárquico que tiene en cuenta la variabilidad presente dentro de los estudios y entre ellos. Los detalles matemáticos exactos de cada modelo analizado figuran en el Anexo III.

• El modelo Moses-Littenberg (Littenberg et al. 1990; Moses et al. 1993) se ha utilizado ampliamente para metaanálisis de EPD (Holling et al. 2012).

Sin embargo, se trata principalmente de un modelo de efectos fijos, mientras que para muchos análisis de este tipo se requiere un modelo de efectos aleatorios. Permite la realización de curvas SROC en un enfoque exploratorio. Al ser un modelo de efectos fijos, no tiene en cuenta ni considera la variabilidad entre estudios.

Debido a su evidente simplicidad (en particular, no integra la variabilidad entre estudios), este modelo puede, en algunas circunstancias, producir curvas SROC muy diferentes en comparación con el modelo jerárquico descrito a continuación (Harbord et al. 2008). La Colaboración Cochrane recomienda un uso cuidadoso de este modelo, que debería limitarse a análisis preliminares. Los intervalos de confianza en las estimaciones estadísticas o las investigaciones de heterogeneidad no deben estudiarse con este modelo. 19

• El modelo bivariante (Reitsma et al. 2009) estima los parámetros de resumen: sensibilidad y especificidad a través de estudios primarios. Se presenta en el Manual Cochrane (Macaskill et al. 2010) y en el artículo de Leeflang et al. 2014 como método de elección.

En este método, siguiendo a Chu & Cole et al. 2006, la variabilidad dentro del estudio se modela mediante distribuciones binomiales, una para la sensibilidad y otra para la especificidad. Estas distribuciones se tratan de manera conjunta, ya que las estimaciones de sensibilidad y especificidad, dentro de cada estudio, no son independientes.

• Para tratar la variabilidad en los valores del punto de corte de positividad, Rutter y Gatsonis. 2001 desarrollaron el modelo SROC jerárquico (HSROC). Produce una SROC en la que cada estudio proporciona solo un par de valores para la sensibilidad y para la especificidad. Se presenta en el Manual Cochrane (Macaskill et al. 2010) y en el artículo de Leeflang et al. 2014 como método de elección para obtener curvas SROC.