Metaánalisis

Qué es el metaanálisis

Metaanálisis es una palabra compuesta por dos raíces griegas. El prefijo meta procede de μετά, preposición que en griego antiguo significaba "más allá de", "después de" o "entre", y que en varios idiomas modernos ha terminado asociada a un nivel de reflexión superior sobre algo ya existente, como ocurre en metalenguaje o metadato. Análisis, a su vez, viene de ἀνάλυσις, formado por el prefijo ἀνά (ana, "de nuevo", "hacia atrás") y el sustantivo λύσις (lysis, "disolución", "soltura"), este último derivado del verbo λύειν (lyein, "desatar", "soltar"). Compuesta la palabra, el resultado literal viene a ser algo parecido a "un análisis de análisis".

La definición no es solo un juego etimológico. Metodológicamente, un metaanálisis se clasifica como estudio secundario: no genera datos originales, sino que reprocesa estadísticamente los datos ya publicados en estudios primarios (ensayos clínicos, estudios de cohortes u otros diseños comparables) para extraer de ellos una conclusión conjunta. El resultado no es un experimento nuevo. Es una relectura cuantitativa de los experimentos ya hechos.

En español conviven tres grafías: metaanálisis, metanálisis y meta-análisis. Ninguna de las tres figura todavía en el Diccionario de la lengua española de la Real Academia Española. La forma con las dos vocales seguidas, metaanálisis, es la más extendida en las publicaciones médicas en español, siguiendo la tendencia ortográfica de no separar con guion los prefijos que terminan en vocal (como sucede también en intraarticular o sobreestimulación).

Cómo se construye el resultado combinado

Cada estudio incluido en un metaanálisis aporta una medida de efecto propia (una diferencia de medias, un riesgo relativo, una odds ratio, según el tipo de variable) junto con su intervalo de confianza. El programa estadístico no promedia estas medidas sin más: asigna a cada estudio un peso relacionado con la inversa de su varianza, de modo que los estudios más grandes y más precisos pesan más en el resultado final que los pequeños y los imprecisos. La suma ponderada de todos ellos produce el efecto combinado, un único número que resume la evidencia disponible.

Este resultado se representa habitualmente en un forest plot, o diagrama de bosque (el nombre alude a la sucesión de líneas horizontales que recuerdan, con algo de imaginación, a un conjunto de árboles esquemáticos), en el que cada estudio ocupa una fila y el efecto combinado se marca con un rombo al final. Junto al forest plot suele figurar el estadístico I², que cuantifica qué parte de la variación entre estudios se debe a heterogeneidad real y no al azar. Cuando esa heterogeneidad es alta, conviene desconfiar del número único y buscar sus causas. Y para detectar si el conjunto de estudios publicados está sesgado hacia los resultados positivos, se recurre a un gráfico de embudo o funnel plot, propuesto por Vandenbroucke en 1988; Egger y su equipo añadieron, en 1997, una prueba estadística para confirmar objetivamente si la asimetría de ese embudo es real.

Modelos y variantes del metaanálisis

La elección del modelo estadístico depende, en gran medida, de la heterogeneidad detectada. El modelo de efecto fijo asume que todos los estudios comparten un único efecto verdadero y que las diferencias observadas entre ellos se deben solo al azar propio de cada muestra. El modelo de efectos aleatorios, más conservador, parte de una premisa distinta: el efecto real puede variar de un estudio a otro, de modo que el resultado combinado es un promedio de esos efectos variables, con un intervalo de confianza más amplio.

Según el origen de los datos que se combinan, se distingue también entre el metaanálisis de datos agregados, el más habitual, que trabaja con las estadísticas de resumen ya publicadas en cada estudio, y el metaanálisis de datos individuales (individual patient data, IPD), que reconstruye la base de datos original de cada participante. Este segundo enfoque exige la colaboración de los autores de los estudios originales (algo nada trivial cuando los datos originales llevan años guardados en un ordenador que ya nadie usa) y resulta mucho más laborioso, pero permite análisis de subgrupos que el primero no puede ofrecer. Por eso se considera, en la práctica, el estándar de referencia. Existe además el metaanálisis en red, que permite comparar de forma indirecta varios tratamientos entre sí aunque no exista ningún ensayo que los haya enfrentado directamente.

Un poco de historia

En 1904, el estadístico británico Karl Pearson publicó un informe sobre estadísticas de inoculación frente a la fiebre tifoidea en el que combinó los resultados de once estudios distintos para valorar en conjunto la eficacia de la vacuna (Pearson era, además, el fundador del primer departamento universitario de estadística del mundo, en el University College de Londres, siete años después de aquel trabajo). La palabra "metaanálisis" no existía todavía. El método, en cambio, ya estaba ahí.

El término tal como se usa en la actualidad tiene un origen mucho más concreto. Lo acuñó el psicólogo estadounidense Gene V. Glass en 1976, en un artículo publicado en la revista Educational Researcher titulado "Primary, secondary, and meta-analysis of research", donde definió la técnica, en sus propias palabras, como "el análisis de análisis". Glass la aplicó primero a estudios de psicología y de ciencias sociales. Su adopción en medicina llegó después, de forma progresiva durante la década de 1980, sobre todo en cardiología, oncología y perinatología, y se consolidó como método habitual en las publicaciones médicas ya en la década siguiente.

En qué se diferencia de una revisión sistemática y de un ensayo clínico aislado

Una revisión sistemática es el proceso completo: formular una pregunta concreta, buscar de forma exhaustiva y reglada toda la literatura disponible sobre ella y valorar críticamente la calidad de cada estudio encontrado. El metaanálisis es, dentro de ese proceso, el paso estadístico opcional que combina numéricamente los resultados cuando los estudios seleccionados son lo bastante parecidos entre sí como para sumarlos con sentido. No toda revisión sistemática incorpora un metaanálisis: cuando los estudios son demasiado heterogéneos, combinarlos aritméticamente puede ser engañoso, y entonces la revisión se queda en la síntesis narrativa. Tampoco existe, en sentido estricto, un metaanálisis sin una búsqueda sistemática previa que le dé sustento.

Frente a un ensayo clínico aislado, la ventaja del metaanálisis es el tamaño de muestra conjunto: al sumar los participantes de varios ensayos, gana potencia estadística para detectar efectos pequeños que un solo estudio, con menos casos, podría no llegar a mostrar como significativos. Esa ventaja tiene un límite claro. Un metaanálisis nunca corrige los defectos de diseño de los estudios que incluye; si estos arrastran sesgos, el resultado combinado los hereda, solo que con una falsa apariencia de precisión. De ahí la crítica clásica, formulada como una advertencia contra mezclar en un mismo análisis estudios demasiado distintos entre sí, la llamada mezcla de manzanas y naranjas.

Preguntas frecuentes

¿De dónde procede exactamente la palabra metaanálisis?

Une el prefijo griego meta (más allá, entre) con análisis (soltura, disolución de un todo en sus partes). La Real Academia Española todavía no ha incorporado el término a su diccionario, pese a su uso generalizado en la literatura científica en español desde hace décadas.

¿Es lo mismo un metaanálisis que una revisión sistemática?

No. La revisión sistemática es la búsqueda y valoración crítica de toda la literatura disponible sobre una pregunta. El metaanálisis es, cuando procede, el paso final que combina esos resultados en una única estimación numérica.

¿Por qué se sitúa el metaanálisis en lo más alto de la jerarquía de la evidencia científica?

Porque, al sumar los participantes de varios ensayos aleatorizados, ofrece habitualmente estimaciones más precisas y menos sujetas al azar que las de cualquiera de esos ensayos por separado. También reduce el riesgo de que un hallazgo llamativo pero aislado se confunda con un efecto real. Esa posición privilegiada no es, sin embargo, incondicional. Un metaanálisis mal construido, con estudios heterogéneos forzados a combinarse o afectado por sesgo de publicación, puede ofrecer una conclusión menos fiable que un único ensayo grande y bien diseñado. Por eso las guías clínicas más rigurosas exigen valorar también la calidad metodológica del metaanálisis en sí, no solo su posición nominal en la pirámide de evidencia. El sistema GRADE, adoptado entre otras por la Colaboración Cochrane, es hoy el más utilizado para hacer esa valoración explícita y transparente. No todo lo que ocupa la cúspide merece, por eso solo, la máxima confianza.

¿Qué diferencia práctica hay entre un metaanálisis de datos agregados y uno de datos individuales?

El primero trabaja con las medias, proporciones u otras estadísticas de resumen que ya aparecen publicadas en cada estudio. El segundo reconstruye la base de datos de cada participante, lo que exige la colaboración de los investigadores originales y multiplica el trabajo, pero permite análisis de subgrupos y ajustes que el primero no puede ofrecer.

¿Puede un metaanálisis combinar cualquier tipo de estudio sobre un mismo tema?

Estrictamente, no. Combinar solo tiene sentido cuando los estudios comparten población, intervención y variable de resultado con un grado razonable de similitud. Cuando esa condición no se cumple, el metaanálisis puede acabar mezclando datos que no son comparables entre sí, un problema que la evaluación previa de heterogeneidad está pensada precisamente para detectar.

Referencias

1. The James Lind Library. A statistical note on Karl Pearson's 1904 meta-analysis.
2. Fau C, Nabzo S. Metaanálisis: bases conceptuales, análisis e interpretación estadística. Revista Mexicana de Oftalmología, SciELO México.
3. Revista Chilena de Anestesia. ¿Qué es un metaanálisis?
4. MedCalc. Metaanálisis: Introducción.