Meta análisis. Mirando críticamente

Son tiempo difíciles. Se libra una batalla, apenas conocida por el gran público, contra esos minúsculos seres que se afanan
en sortear los mecanismos de acción del cada vez más escuálido arsenal de agentes prestos a combatir, bajo nuestra más o menos
apropiada indicación.
Seguramente espoleados por la necesidad imperiosa de aportar conocimiento y de ratificar el ya existente, en los últimos tiempos
han proliferado los estudios de diseño conocido como metaanálisis, también en enfermedades infecciosas. En ellos combinamos los
resultados de varios autores con el objetivo de aumentar la potencia de una prueba estadística y obtener información no derivable
de manera fiable de los estudios individuales. Al valorar la consistencia entre diferentes estudios que analizan las mismas variables (e
incluso entre distintos niveles de la variable exposición, como un tratamiento antibiótico), se obtiene un estimador global de la relación
entre las variables analizadas y es posible identificar subgrupos que son particularmente susceptibles a la variable exposición. A priori,
todo parecen ventajas pero OJO: Intentar combinar estudios realizados en diferentes lugares y momentos, sobre distintas poblaciones
y con diseños y criterios diferentes a menudo acarrea problemas. Quizás el más importante, y que es motivo de esta entrada, es que
los resultados de los estudios combinados sean estadísticamente diferentes entre sí causando por tanto una heterogeneidad que no
puede obviarse al realizar un metaanálisis. En ello influyen cuestiones metodológicas y biológicas, ya que es posible que haya una
justificación causal para la heterogeneidad. De hecho, este tipo de análisis busca no sólo detectarla sino intentar explicar sus causas,
ya que existen procedimientos para neutralizarla como el análisis estratificado, la metaregresión o el metaanálisis acumulado.Merece
la pena conocer entonces qué estadísticos se usan frecuentemente para analizar la heterogeneidad y su interpretación práctica. En
el caso que nos ocupa, el contraste de hipótesis de la heterogeneidad, se establece mediante el estadístico Q, de forma que si Q
tiene un valor elevado y el valor de p es estadísticamente significativo o próximo a la significación, se rechaza la homogeneidad de
los estudios y por tanto la capacidad de combinarlos se pone en tela de juicio. Se suele exigir un valor d p superior a 0,1 como falta
de evidencia de heterogeneidad porque este test tiene poca potencia. Dicho de otro modo, no ser capaz de rechazar la hipótesis de
homogeneidad no significa que no exista heterogeneidad. Con muestras pequeñas no es posible detectar diferencias y con muestras
grandes se pueden detectar diferencias que son irrelevantes.
Una alternativa interesante puede ser el estadístico I cuadrado (I2), que cuantifica el grado de heterogeneidad y que además es comparable
entre distintos metaanálisis. Proporciona una medida de la inconsistencia entre los resultados de los estudios considerados
ya que describe directamente el porcentaje de la variabilidad total entre estudios que es debida a la heterogeneidad. En la práctica,
si tenemos I2= 0% se considera que hay ausencia de heterogeneidad, I2=25% baja heterogeneidad, I2=50% moderada y I2=75%
heterogeneidad alta.
El metaanálisis es una buena herramienta, pero no todo vale. Se ha de estudiar la heterogeneidad de los estudios incluidos en el
mismo y si es posible “controlarla”. Además, hay que evitar los sesgos y analizar con métodos estadísticos apropiados, pero ésa es
otra historia.