Curso de Metaanálisis y Revisiones Sistemáticas

Lección 1 • Función del metaanálisis en la investigación

Explica cómo el metaanálisis agrupa cuantitativamente los resultados de los estudios para aumentar la precisión. Conecta la síntesis estadística con el objetivo más amplio de reducir la incertidumbre en un campo.

Lección 2 • Qué es una revisión sistemática

Define las revisiones sistemáticas y las contrasta con las revisiones narrativas y de alcance. Ancla el capítulo al establecer por qué la reproducibilidad y la transparencia son importantes en la síntesis de evidencia.

Lección 3 • Estándares éticos y de reporte

Presenta las guías de reporte y los requisitos de registro para las revisiones sistemáticas. Establece las normas profesionales que los estudiantes deben seguir a lo largo del curso.

Lección 1 • Evaluación del alcance y la factibilidad

Orienta una exploración preliminar de la literatura para estimar la evidencia disponible antes de comprometerse por completo con el protocolo. Evita el desperdicio de recursos en preguntas con literatura insuficiente o excesivamente abundante.

Lección 2 • Marcos estructurados para preguntas

Presenta los marcos PICO, PICOS y SPIDER para descomponer las preguntas de investigación. Un encuadre correcto previene la desviación del alcance y asegura que los criterios de elegibilidad sean internamente consistentes.

Lección 3 • Redacción y registro de un protocolo

Cubre la estructura de un protocolo de revisión formal y su envío a registros públicos. El registro fija los métodos antes de la recolección de datos, lo que reduce el sesgo de reporte selectivo de resultados.

Lección 1 • Identificación de las bases de datos relevantes

Mapea las principales bases de datos bibliográficas por disciplina y cobertura. Seleccionar la combinación correcta de fuentes es el primer paso hacia una recuperación integral.

Lección 2 • Documentación y reporte de las búsquedas

Establece estándares para el registro de fechas de búsqueda, cadenas de búsqueda y conteos de resultados. La documentación transparente permite la replicación y satisface los requisitos de reporte de PRISMA.

Lección 3 • Búsqueda más allá de las bases de datos

Extiende la recuperación a la literatura gris, las listas de referencias y los contactos con expertos. La búsqueda complementaria reduce el sesgo de publicación de las estrategias limitadas a bases de datos.

Lección 1 • Diseño de formularios de extracción de datos

Enseña la construcción de formularios estandarizados que capturen las características y los resultados de los estudios. Los formularios bien diseñados reducen los errores de extracción y garantizan la consistencia de los datos entre revisores.

Lección 2 • Realización y verificación de la extracción

Implementa flujos de trabajo de extracción y verificación dobles para minimizar los errores de transcripción. Los datos precisos son la base de los cálculos metaanalíticos válidos en los capítulos posteriores.

Lección 3 • Cribado de títulos y resúmenes

Cubre los procedimientos de cribado independiente por dos revisores y de resolución de conflictos. El cribado sistemático previene tanto la inclusión excesiva como la exclusión involuntaria de estudios elegibles.

Lección 1 • Herramientas para estudios observacionales

Cubre ROBINS-I y la Escala de Newcastle-Ottawa para diseños no aleatorizados. Los estudios observacionales requieren dominios de sesgo diferentes a los de los ensayos, lo que refleja los riesgos de confusión.

Lección 2 • Integración de la calidad en la síntesis

Traduce los juicios de sesgo en análisis de sensibilidad y calificaciones de certeza GRADE. La evaluación de la calidad determina la solidez de las conclusiones extraídas de las estimaciones agrupadas.

Lección 3 • Herramientas para ensayos aleatorizados

Aplica la herramienta Cochrane Riesgo de Sesgo 2 a los ensayos controlados aleatorizados. La evaluación estructurada basada en dominios reemplaza la calificación subjetiva de calidad para los ECA.

Lección 1 • Modelos de efectos fijos y de efectos aleatorios

Contrasta los supuestos y las fórmulas de la agrupación de efectos fijos y de efectos aleatorios. La elección del modelo refleja los supuestos sobre la heterogeneidad entre estudios y afecta la amplitud del intervalo.

Lección 2 • Medidas del tamaño del efecto y cálculo

Cubre las razones de momios, las razones de riesgo, las diferencias de medias y las diferencias de medias estandarizadas. La selección de la medida de efecto correcta es la primera decisión analítica en cualquier metaanálisis.

Lección 3 • Evaluación y cuantificación de la heterogeneidad

Introduce el estadístico Q, el índice I² y tau² para medir la variabilidad entre estudios. Cuantificar la heterogeneidad determina si la agrupación es apropiada y orienta la planificación de subgrupos.

Lección 1 • Análisis de sensibilidad

Prueba la robustez de las estimaciones agrupadas mediante la variación sistemática de las decisiones analíticas. Los análisis de sensibilidad revelan si las conclusiones dependen de estudios o supuestos específicos.

Lección 2 • Interpretación y reporte de los hallazgos

Sintetiza los resultados de heterogeneidad en resúmenes narrativos y tabulares coherentes. La interpretación precisa previene la exageración de los efectos moderadores en la revisión final.

Lección 3 • Principios del análisis de subgrupos

Define los subgrupos a priori vs. post hoc y los riesgos del dragado de datos. Los subgrupos preespecificados son la única base defendible para las afirmaciones de moderadores en una revisión.

Lección 1 • Detección del sesgo de publicación

Cubre los gráficos de embudo, la prueba de Egger y la prueba de Begg para identificar la asimetría debida al reporte selectivo. La detección del sesgo es esencial antes de interpretar las estimaciones agrupadas como resúmenes insesgados.

Lección 2 • Metanálisis de datos de participantes individuales

Explica los enfoques de una etapa y de dos etapas utilizando datos sin procesar a nivel de participante. El metaanálisis DPI permite análisis de subgrupos imposibles con datos agregados y reduce el sesgo ecológico.

Lección 3 • Redacción y envío de la revisión

Guía la redacción, la revisión por pares y el envío a revistas de una revisión sistemática completa. El apego a los requisitos de PRISMA y específicos de la revista maximiza la aceptación y el impacto.

Lección 4 • Ajuste por sesgo de publicación

Aplica el método de recortar y rellenar y los modelos de selección para ajustar las estimaciones agrupadas por estudios faltantes. Los métodos de ajuste proporcionan estimaciones corregidas, pero conllevan sus propios supuestos y limitaciones.