Un método de síntesis cuantitativa que combina resultados numéricos de múltiples estudios independientes que miden magnitudes de efecto comparables para obtener una estimación agrupada y su incertidumbre, empleando modelos estadísticos explícitos y métodos para evaluar y manejar la heterogeneidad entre estudios y los sesgos.

Principio

La agregación de estimaciones incrementa la precisión estadística y puede resumir un efecto global solo cuando los estudios miden cantidades suficientemente comparables y cuando se evalúa y aborda la heterogeneidad y los sesgos a nivel de estudio; una mayor precisión no corrige sesgos sistemáticos en los datos de entrada.

Demostración

Situación: Varios ensayos aleatorizados informan medidas de efecto tratamiento vs control sobre el mismo resultado. Reconocimiento: Las medidas de efecto y sus varianzas son extraíbles y se consideran comparables. Acción: Convertir medidas a una métrica común, elegir un modelo de efectos fijos o aleatorios adecuado, calcular una estimación agrupada y cuantificar la heterogeneidad y la sensibilidad a las decisiones del modelo. Consecuencia: Una estimación puntual agrupada con intervalo de confianza y métricas de heterogeneidad que informan la interpretación y la toma de decisiones, condicionada a la calidad y compatibilidad de los estudios incluidos.

Aplicación incorrecta

Combinar estudios que usan resultados diferentes, medidas no comparables o poblaciones fundamentalmente distintas sin la transformación o agrupamiento apropiado. El error semántico es tratar el agregado numérico como inherentemente válido independientemente de la incompatibilidad, lo que puede producir estimaciones engañosas.

Consecuencia

Una metaanálisis correctamente realizado puede aumentar la precisión, identificar consistencia o variabilidad entre estudios y aclarar patrones por dosis o subgrupos; sin embargo, agrupar estudios sesgados o heterogéneos puede producir un resumen preciso pero inválido que induzca a errores en políticas o práctica.

Inversión

Cuando la heterogeneidad entre estudios es grande e inexplicada, o cuando los estudios difieren en estimandos o medida, el agrupamiento cuantitativo puede ser inapropiado; en tales casos, presentar los resultados sin agregación o usar enfoques alternativos (por ejemplo, metarregresión, síntesis narrativa o metaanálisis con datos individuales) puede proporcionar inferencias más válidas.

Límite

Claramente dentro: agregación estadística de medidas de efecto comparables provenientes de estudios independientes con métodos documentados para evaluar la heterogeneidad. Caso límite: agrupar tamaños de efecto estandarizados obtenidos con distintos instrumentos de medida—la validez depende de las suposiciones sobre la equivalencia de constructos. Claramente fuera: síntesis cualitativas o conteo de resultados sin combinación cuantitativa de tamaños de efecto.

Tensión semántica

Precisión ganada por el agregado ↔ Validez amenazada por heterogeneidad y sesgo: mayor precisión estadística puede convivir con conclusiones poco fiables si los insumos son incompatibles o están sesgados.

Síntesis

El metaanálisis es una herramienta estadística para resumir evidencia cuantitativamente y aumentar la precisión, pero su utilidad depende de la compatibilidad de las medidas de efecto, la evaluación rigurosa de la heterogeneidad y el sesgo, y la transparencia sobre supuestos y análisis de sensibilidad.