METANÁLISIS, UNA REVISIÓN SISTEMÁTICA CUANTITATIVA:
CONCEPTOS BÁSICOS
META-ANALYSIS, A QUANTITATIVE
SYSTEMATIC REVIEW: BASIC CONCEPTS
Vahid Nouri Kandany 
0000-0001-6361-5529,1 Heidy Gómez Muñoz 0000-0002-3104-6234,2 María Isabel Marte 0000-0002-5262-89893
1 Facultad de Ciencias de
la Salud, Universidad Autónoma de Santo Domingo, Foro Internacional de Medicina
Interna (FIMI). Asociación Dominicana de Médicos Internistas (ADOMEINT).
2 Departamento
de Ciclo Básico, Universidad ISA.
3 Universidad Tecnológica de Santiago (UTESA), Vicerrectoría de
Investigación, Santiago de los Caballeros, República Dominicana.
AUTOR PARA CORRESPONDENCIA
Vahid
Nouri Kandany. Correo electrónico: vnouri66@uasd.edu.do
Los autores manifiestan no poseer conflictos de
intereses.
Resumen
El metanálisis es una revisión sistemática que
combina estadísticamente los resultados de múltiples estudios para estimar con
mayor precisión la magnitud de un efecto. Su lectura crítica implica evaluar la
pregunta de investigación, la selección de estudios y el análisis metodológico,
diferenciando entre modelos de efectos fijos y aleatorios. Aunque no responde
todas las preguntas, proporciona una síntesis rigurosa y fundamentada. Este
artículo explora sus principios, interpretación y relevancia en la investigación
científica.
Palabras clave. Metanálisis, revisión sistemática, conceptos básicos.
Abstract
A
meta-analysis is a systematic review that statistically combines the results of
multiple studies to more accurately estimate the magnitude of an effect. Its
critical appraisal involves evaluating the research question, study selection,
and methodological analysis, distinguishing between fixed-effect and
random-effect models. Although it does not answer all research questions, it
provides a rigorous and well-founded synthesis. This article explores its
principles, interpretation, and relevance in scientific research.
Key words. Meta-analysis,
systematic review, basic concepts.
DOI: https://doi.org/10.61222/2cj0by11
Introducción
Un paciente de 90 años con disnea, edema, caquexia y fibrilación
auricular de respuesta rápida presenta una dilatación severa de ambos atrios,
insuficiencia mitral y tricuspídea severas, hipertensión pulmonar y ausencia de
colapso de la vena cava inferior. ¿Existen estudios recientes sobre el uso de
anticoagulantes en este contexto y cuál sería el más adecuado, considerando el
balance entre riesgo trombótico y hemorrágico, especialmente en pacientes
frágiles con cardiopatía avanzada?
Las revisiones sistemáticas (RS) y metanálisis (MA) son esenciales
para la toma de decisiones basadas en evidencia en la práctica clínica (1). Su creciente publicación refleja su aceptación y valor como
el nivel más alto de evidencia científica, proporcionando información fiable
para guiar el tratamiento médico (2,3).
Dada la variabilidad y volumen de estudios en medicina, su análisis
individual es limitado. Las RS y MA sintetizan la evidencia, mejorando la toma
de decisiones clínicas (4).
Los profesionales de la salud deben desarrollar la capacidad de leer e
interpretar críticamente RS y MA para evaluar la calidad y aplicabilidad de la
evidencia en su práctica. Este artículo aborda las bases para interpretar MA
mediante un caso hipotético.
Historia, concepto y tipos de RS y
MA
El uso de métodos para combinar datos en medicina se remonta a Carl
Pearson (1904) y fue consolidado por H.K. Beecher (1955) con The Powerful
Placebo, uno de los primeros MA en medicina. En 1972, Cochrane impulsó la medicina
basada en evidencia, y en 1976, Gene Glass acuñó el término metanálisis,
reconocido por la NLM en 1993 (6-9).
Ejemplos clásicos incluyen el MA de 1982 sobre estreptoquinasa, que redujo un
20% la mortalidad por infarto, el análisis de los Centros para el Control y la
Prevención de Enfermedades estadounidenses (CDC, su sigla en inglés) en 1992
sobre la vacuna contra la tuberculosis, con un 50% de protección, y la revisión
Cochrane (2000), que refutó la eficacia de la vitamina C en el resfriado (10-13).
Las RS son estudios secundarios basados en investigaciones primarias.
Si no siguen un proceso sistemático, se denominan revisiones narrativas,
las cuales no son reproducibles y dependen de la opinión de los autores (14,15). Las RS cualitativas analizan sin
métodos estadísticos, mientras que las RS cuantitativas o MA los emplean para
obtener estimaciones más precisas (1,14).
La medicina basada en la evidencia (MBE) es la más acertada disponible
en la ciencia médica (16). La mejor persuasión de la MBE
proviene de los MA, lo cual proporciona estimaciones con menos errores y más
precisas en la búsqueda de alternativas diagnósticas y tratamientos de los
enigmas clínicos (17-19).
Los resultados de un MA suministran una estimación de la eficacia del
tratamiento, el pronóstico y la precisión de una prueba diagnóstica (20,21).
El MA es una metodología cuantitativa en revisiones científicas que
responde preguntas específicas con objetividad, repetibilidad y precisión (19,22). Sus objetivos incluyen resumir
estudios con fines comunes, mejorar la precisión en la estimación de efectos y
combinar estudios pequeños para evaluar impactos con mayor certeza (23).
Lectura crítica de un metanálisis
Existen varios pasos para realizar una lectura crítica e
interpretación de un MA (24):
1. Formular la pregunta de investigación.
2. Búsqueda de investigaciones relevantes.
3. Determinar las debilidades de un MA.
4. Determinar fortalezas de un MA.
5. Especificar el modelo utilizado: Modelos de efectos fijos vs.
aleatorios.
6. Herramientas para la evaluación de un MA.
7. Interpretación de los resultados.
1. Formular la pregunta de investigación
En un MA, la pregunta de investigación analiza la relación entre dos
variables, evaluando su existencia y magnitud. Su adecuada formulación es clave
en estudios clínicos y observacionales, y requiere cuatro segmentos esenciales
en MA y RS (19):
- Objetivo
de estudio.
- Tipo
de investigación (intervención u observacional).
- Determinar
el grupo de control para comparación.
- Resultado
y magnitud de efecto.
2. Búsqueda de investigaciones relevantes
Para un MA confiable, se recomienda buscar en bases como PubMed,
Scopus, CENTRAL y Web of Science, que aseguran calidad y precisión en la
selección. La inclusión de estudios sigue dos etapas: búsqueda bibliográfica y
aplicación de criterios adicionales (23,25).
3. Determinar las debilidades de un MA
- Heterogeneidad
entre los estudios
Antes
de realizar un MA, es esencial evaluar la heterogeneidad, definida como la
disimilitud estadística entre los estimadores de los estudios primarios
incluidos (26). Aunque se espera una variabilidad mínima por
azar en estudios con la misma pregunta de investigación, una diferencia
significativa puede deberse a factores clínicos y/o metodológicos (25).
Para
evaluar la heterogeneidad en un MA y mejorar la confiabilidad de sus
resultados, se emplean diversos métodos:
- Diagrama
de bosque (forest plot): Representa las estimaciones puntuales,
intervalos de confianza y peso estadístico de cada estudio. La baja
heterogeneidad se observa cuando las estimaciones se superponen visualmente,
mientras que una alta heterogeneidad afecta la validez del MA (14,23,25) (Fig. 2).
- Estadísticos de heterogeneidad: Incluyen Q de Cochran, I2, χ2 y Tau2.
- Q
de Cochran: Evalúa diferencias entre estudios, aunque con baja sensibilidad en
MA con pocos estudios; p <0,10 indica heterogeneidad (27).
- I2: Es el más utilizado y no depende del número de estudios. I2 = 0% indica heterogeneidad nula y I2 = 100%,
máxima variabilidad. Valores de 25%, 50% y 75% indican heterogeneidad baja,
moderada y alta, respectivamente (28-30).
- χ2: Evalúa si los estudios tienen efectos similares. En MA con pocos
estudios, su poder es bajo, por lo que se usa p <010 en lugar de 0,05
para detectar heterogeneidad (29,31).
- Tau7: Se usa en modelos de efectos aleatorios para estimar la varianza
entre los tamaños de efecto sin un punto de corte definido (29).
Figura 2. Ejemplo
de interpretación de un funnel plot.
- Las
fuentes de la heterogeneidad:
- Análisis
de subgrupos
El
análisis de subgrupos en un MA permite comparar estimaciones entre grupos con
posibles diferencias biológicas o sociales (26). Para
evaluar diferencias significativas, se usan las diferencias en la prueba por
subgrupos, y se consideran relevantes si p <0,10 (32).
Además, este análisis ayuda a evaluar la heterogeneidad, lo cual asegura la
uniformidad de los subgrupos incluidos (32).
- Prueba
de sensibilidad
El
análisis de sensibilidad evalúa la influencia de cada estudio en la estabilidad
del MA, excluyéndolos individualmente para detectar sesgos y garantizar la
fiabilidad de los resultados. Si las combinaciones de estudios mantienen
dirección, significación estadística y magnitud de efecto, los resultados se
consideran robustos; de lo contrario, la ausencia de un estimador sólido debe
ser interpretada críticamente (26,33).
- Metarregresión
La
metarregresión es útil para explorar las causas de heterogeneidad en un MA,
ajustando los efectos de confusión. Realizar una metarregresión será posible
siempre que haya suficiente información de todos los estudios incluidos en el
MA (34).
- Posibles
sesgos en un MA
Es
muy importante plantear esta pregunta: “¿Metanálisis, el pináculo de la ciencia
o un ejercicio plagado de errores?” (35).
Tres
sesgos potenciales que afectan a los MA son: el sesgo de publicación, el sesgo
de búsqueda y el sesgo de selección (23).
- Sesgo
de publicación
El
sesgo de publicación favorece la difusión de estudios con resultados positivos,
lo que puede inflar la estimación global en un MA (23,25,26). En antidepresivos, este sesgo
aumentó el tamaño del efecto entre 11% y 69% (36). Para
detectarlo, se usan herramientas como el funnel plot, las pruebas de
Egger y Begg, el método trim and fill y los modelos de selección (37). Un funnel plot simétrico indica ausencia de sesgo,
mientras que uno asimétrico sugiere sesgo de reporte, y requiere al menos diez
estudios para su interpretación fiable (38) (Fig. 2).
- Sesgo
en la búsqueda de información
Una
búsqueda incompleta puede afectar un MA incluso sin sesgo de publicación. Es
crucial utilizar un conjunto exhaustivo de palabras clave, razón por la cual
muchos MA ahora incluyen esta lista. Además, las diferencias en las estrategias
de búsqueda entre bases de datos pueden generar variaciones significativas en
los estudios recuperados (39,40).
- Sesgo
de selección
La
selección de artículos en un MA ayuda a eliminar estudios irrelevantes,
duplicados y a mejorar la calidad de los datos (23). La
variabilidad entre estudios se reduce mediante estratificación, clasificándolos
por calidad (participantes, aleatorización, cegamiento) o por tamaño de
muestra, ya que los estudios grandes pueden influir en los resultados finales (39,42,43).
4. Determinar las fortalezas de un MA
- Aumento de la precisión y generación de
hipótesis
El
tamaño de la muestra en un ensayo clínico aleatorizado (ECA) influye en la
precisión de los resultados, y los ECA pequeños pueden no ser concluyentes para
decisiones clínicas (40,44). Un ejemplo
fue la aprobación de los stents con liberación de drogas basada en estudios
pequeños, que luego mostraron un posible aumento en la mortalidad (45-48). Los MA pueden mejorar la precisión
al combinar múltiples ECA, pero deben considerarse una estimación optimista y
no una conclusión definitiva (45,49). En
general, los ECA grandes son esenciales para obtener evidencia confiable sobre
un tratamiento.
- Cuantificar los efectos adversos y raros
Los
MA son útiles para evaluar la incidencia de eventos adversos al combinar datos
de múltiples ensayos clínicos (45). Un ejemplo es la mayor
frecuencia de trombosis en stents liberadores de fármacos frente a los
metálicos (50). También permiten analizar eventos raros para
los cuales los estudios individuales carecen de poder estadístico suficiente (23). Sin embargo, la baja incidencia de estos eventos dificulta
su análisis, y pequeñas variaciones pueden afectar los resultados,
especialmente con medidas relativas como la razón de posibilidades u odds
ratio, en lugar de diferencias absolutas (23,51).
5. Especificar el modelo utilizado
- Modelos de efectos fijos vs. aleatorios
Un
MA combina los tamaños de efecto de los estudios primarios, asignando pesos
según el tamaño de muestra o la varianza (52). Existen dos
modelos principales: efectos fijos y efectos aleatorios (53). Si la
heterogeneidad es alta (I2 ≥40%), se
recomienda el modelo de efectos aleatorios, que proporciona un intervalo de
confianza más amplio y pondera la varianza intra e interestudios para una
estimación más fiable (31,54).
6. Herramientas para evaluación de un MA
Al encontrar múltiples RS sobre una misma pregunta, es crucial evaluar
su calidad metodológica. Herramientas como “A MeaSurement Tool to Assess
systematic Reviews” (AMSTAR-II) (55) y Critical Appraisal
Skills Programme español (CASPe) permiten una evaluación crítica, mientras que
checklist Preferred Reporting Items for Systematic Reviews and Meta-Analyses
(PRISMA) sirve como guía para la redacción y presentación, pero no mide el rigor
metodológico (31).
Dependiendo de si la RS es de estudios observacionales o ECA se puede
utilizar la guía MOOSE o PRISMA, respectivamente (31,56).
7. Interpretación de los resultados
El último paso de un MA consiste en resumir los resultados para sacar
conclusiones que mejoren la toma de decisiones en las intervenciones clínicas
cotidianas, así como en los casos complejos. En este nivel se deben discutir
las debilidades y fortalezas de los estudios incluidos en un MA (57).
Revisiones sistemáticas y práctica
clínica
El MA es una herramienta clave en la práctica clínica, y permite
decisiones informadas de manera rápida y precisa (58).
Además, optimiza recursos y ayuda en el diseño de estudios, la regulación y la
actualización de prácticas médicas (59). Sin embargo, aunque
los resultados sean sólidos, el juicio clínico sigue siendo fundamental en la
toma de decisiones.
Antes de tomar decisiones basadas en RS y MA, se recomienda (4,26,60):
1. Evaluar la factibilidad y aplicabilidad: Analizar la relevancia del MA en la situación clínica individual,
considerando factores biológicos y sociales.
2. Determinar el riesgo-beneficio: Evaluar el equilibrio entre riesgos, efectos adversos y beneficios
según los objetivos del tratamiento.
3. Considerar las preferencias del paciente: Incluir al paciente en la decisión mejora la adherencia y los
resultados clínicos.
4. Interpretar en el contexto clínico: Adaptar los hallazgos del MA a cada paciente evita generalizaciones
inapropiadas.
Presentación de un caso ficticio
(Fig. 1):
1. Identificación de los estudios: La primera columna enumera los estudios incluidos en el MA,
proporcionando una referencia clara.
2. Eventos en el tratamiento A (grupo
experimental): Muestra el número de
eventos observados en este grupo para cada estudio, lo cual permite evaluar la
efectividad del tratamiento.
3. Eventos en el tratamiento B (grupo de
control): Indica los eventos en el grupo de
control, lo que facilita la comparación con el tratamiento experimental.
4. Peso estadístico: Representa la influencia de cada estudio dentro del MA, determinada
por su tamaño y variabilidad.
5. Razón de riesgo e intervalo de confianza
(IC) del 95%: Compara el riesgo de eventos
entre los grupos: valores menores a 1 favorecen el tratamiento experimental,
mientras que valores mayores indican mayor riesgo.
6. Forest plot: Visualiza las razones de riesgo individuales y el efecto combinado.
Los cuadrados representan los estudios, su tamaño es proporcional al peso y las
líneas indican el IC del 95%. El diamante refleja el efecto global (Fig. 3).
7. Interpretación del eje: La escala logarítmica del eje horizontal permite identificar si los
valores favorecen al grupo experimental o al de control.
8. Heterogeneidad: incluye indicadores como I², que en este caso es del 90%, sugiriendo
alta variabilidad entre los estudios.
9. Prueba de efecto global: presenta el estadístico Z y su valor de p (0,85), indicando que
no hay un efecto significativo en el MA.
Figura 1. Interpretación
de diagramas de bosque (forest plot) en estudios de tratamiento A vs.
tratamiento B.
Ejemplo de interpretación de un funnel
plot
La mayoría de los puntos parecen estar distribuidos de manera
razonablemente simétrica alrededor de la línea central, aunque hay cierta
variabilidad.
- No
se observa una asimetría extrema, lo que no sugiere un sesgo de publicación
fuerte.
- Sin
embargo, si hubiera una notable ausencia de estudios en un lado del embudo (p.
ej., si los puntos estuvieran sólo en la parte derecha), podría sospecharse
sesgo de publicación. Ejemplo ficticio e interpretación de un funnel plot.
Interpretación del forest plot
según la ubicación del diamante
En un forest plot, el efecto global está representado por un
diamante que muestra la razón de posibilidades combinada y su IC del 95%. Según
su ubicación, podemos interpretar la efectividad del tratamiento A en
comparación con el tratamiento B (Fig. 3).
I. Diamante a la izquierda del valor 1: Indica que el tratamiento A es más efectivo que el tratamiento B, con
un OR menor que 1 y una diferencia estadísticamente significativa si el
diamante no toca la línea de efecto nulo (valor 1).
II. Diamante centrado en el valor 1: Sugiere que no hay una diferencia significativa entre los
tratamientos, con un OR aproximadamente igual a 1 y el IC del 95% cruzando el
valor 1.
III. Diamante a la derecha del valor 1: Indica que el tratamiento B es más efectivo que el tratamiento A, con
un OR mayor que 1 y una diferencia estadísticamente significativa si el IC del
95% no incluye el valor 1.
En resumen, la posición del diamante en el forest plot es
crucial: a la izquierda favorece el tratamiento experimental, centrado indica
neutralidad y a la derecha favorece el tratamiento de control. Estas
interpretaciones ayudan a tomar decisiones informadas sobre la efectividad
relativa de los tratamientos.
Figura 3. Ejemplo
de evaluación del efecto global en un metanálisis.
Conclusiones
Los MA son herramientas clave para sintetizar información científica
con mayor validez y rapidez, respondiendo preguntas de investigación y
generando nuevas hipótesis. Su impacto es fundamental en la medicina basada en
la evidencia, la investigación y el diseño de políticas de salud pública. Sin
embargo, pueden estar sujetos a sesgos e interpretaciones engañosas (23), por lo que sus hallazgos no deben considerarse estándares
inmutables. La aplicabilidad clínica debe ajustarse al paciente, considerando
el juicio médico, la factibilidad y la relación riesgo-beneficio en cada caso (14,60).
Referencias bibliográficas
1. Cook DJ. Systematic reviews: synthesis of best
evidence for clinical decisions. Ann
Intern Med; publicación
electrónica: 1 de marzo de 1997;126:376. Disponible en: https://pubmed.ncbi.nlm.nih.gov/9054282/
2. Moher D, Tetzlaff J, Tricco AC, Sampson M, Altman DG. Epidemiology
and reporting characteristics of systematic reviews. PLoS Med; publicación
electrónica: 27 de marzo de 2007;4:e78
3. Chalmers I, Haynes B. Systematic reviews: reporting, updating, and
correcting systematic reviews of the effects of health care. BMJ; publicación
electrónica: 1 de octubre de 1994;309:862-5
4. Murad MH,
Montori VM, Ioannidis JPA, et al. How
to read a systematic review and meta-analysis and apply the results to patient
care. JAMA; publicación electrónica: 9 de julio de 2014;312:171-9
5. Munn Z, Stern C, Aromataris E, Lockwood C, Jordan Z. What kind of
systematic review should I conduct? A proposed typology and guidance for
systematic reviewers in the medical and health sciences. BMC Med Res Methodol; publicación electrónica: 10 de enero de 2018;18:5
6. Shannon HS. A statistical note on Karl Pearson’s 1904
meta-analysis. J R Soc Med 2016;109:310-1
7. Beecher HK.
The powerful placebo. JAMA; publicación electrónica: 24 de diciembre de
1955;159:1602-6. Disponible en: https://jamanetwork.com/journals/jama/article-abstract/303530
8. Cochrane AL. Effectiveness and efficiency: random reflections on
health services. Londres: British
Medical Journal, 1972
9. Glass GV. Primary, secondary, and meta-analysis of research. Educ Res 1976;5:3-8
10. Gruppo Italiano
per lo Studio della Streptochinasi nell’Infarto Miocardico. Effectiveness of intravenous thrombolytic treatment in
acute myocardial infarction. The Lancet; publicación electrónica: 22 de
febrero de 1986;1:397-402. Disponible en: https://pubmed.ncbi.nlm.nih.gov/2868337/
11. Colditz GA, Brewer TF, Berkey CS, et al. Efficacy of BCG vaccine
in the prevention of tuberculosis: meta-analysis of the published literature. JAMA; publicación electrónica: 2 de marzo de 1994;271:698-702. Disponible
en: https://jamanetwork.com/journals/jama/article-abstract/366365
12. Hunt M. How science takes stock: the story of meta-analysis.
Nueva York: Russell Sage Foundation, 1997
13. Douglas RM, Hemilä H, Chalker E, Treacy B. Vitamin C for
preventing and treating the common cold. Cochrane Database Syst Rev 2007:CD000980. Disponible en: https://www.ncbi.nlm.nih.gov/pubmed/17636648/
14. Ferreira
González I, Urrútia G, Alonso-Coello P. Revisiones sistemáticas y metanálisis:
bases conceptuales e interpretación. Rev Esp Cardiol 2011;64:688-96
15. Pieper D, Heb S, Faggion CM. A new method for testing
reproducibility in systematic reviews was developed but needs more testing. BMC Med Res Methodol; publicación electrónica: 29 de julio de 2021;21:181
16. Sackett DL,
Rosenberg WMC, Gray JAM, et al. Evidence-based
medicine: what it is and what it isn’t. BMJ; publicación electrónica: 13
de enero de 1996;312:71-2
17. Swanson JA, Schmitz D, Chung KC. How to practice evidence-based
medicine. Plast Reconstr Surg 2010;126:1-7. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4389891/
18. Guyatt GH. Users’ guides to the medical literature. JAMA;
publicación electrónica: 13 de diciembre de 1995;274:1800-4. Disponible en: https://jamanetwork.com/journals/jama/article-abstract/392650
19. Botella J,
Zamora Á. El meta-análisis: una metodología para la investigación en educación.
Educ XX1 2017;20:17-38
20. Fletcher RH, Fletcher SW, Fletcher GS. Clinical epidemiology:
the essentials. 5a. ed. Filadelfia: Wolters Kluwer/Lippincott Williams
& Wilkins, 2014
21. Vetter TR, Mascha EJ. In the beginning—there is the
introduction—and your study hypothesis. Anesth Analg; publicación
electrónica: 1 de mayo de 2017;124:1709-11. Disponible en: https://journals.lww.com/anesthesia-analgesia/Fulltext/2017/05000/In_the_Beginning_There_Is_the_Introduction_and.50.aspx
22. Botella E, Gambara J. International Journal of Clinical and
Health Psychology International Journal of Clinical and Health Psychology
[Internet] 2006; publicación electrónica: 16 de julio de 2023;6:425-40. Disponible en: https://www.redalyc.org/pdf/337/33760212.pdf
23. Walker E,
Hernández AV, Kattan MW. Meta-analysis:
its strengths and limitations. Cleve
Clin J Med; publicación
electrónica: 1 de junio de 2008;75:431-9
24. Lee YH. An overview of meta-analysis for clinicians. Korean J Intern Med; publicación electrónica: 1 de marzo de 2018;33:277-83. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC5840596/
25. Fernández-Chinguel
JE, Zafra-Tanaka JH, Goicochea-Lugo S y col. Aspectos básicos sobre la lectura
de revisiones sistemáticas y la interpretación de meta-análisis. Acta Med
Peru 2019;36:157-69. Disponible en: http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S1728-59172019000200013&lng=es
26. Guyatt G, Oxman AD, Kunz R, et al. Corrigendum to GRADE guidelines
6. Rating the quality of evidence-imprecision. J Clin Epidemiol 2021;137:265
27. Whitehead A, Whitehead J. A general parametric
approach to the meta-analysis of randomized clinical trials. Stat Med 1991;10:1665-77
28. Higgins JPT, Thompson SG. Quantifying heterogeneity in
a meta-analysis. Stat Med.
2002;21:1539-58. Disponible en: https://www.ncbi.nlm.nih.gov/pubmed/12111919
29. Higgins JPT, Green S, eds. Cochrane handbook for systematic
reviews of interventions. Version
5.1.0 [última visita: marzo de 2011]. The Cochrane Collaboration, 2011.
Disponible en: www.handbook.cochrane.org
30. Thakkinstian A, McElduff P, D’Este C, et al. A method for
meta-analysis of molecular association studies. Stat Med
2005;24:1291-306
31. Moher D, Liberati A, Tetzlaff J, Altman DG; PRISMA Group.
Preferred reporting items for systematic reviews and meta-analyses: the PRISMA
statement. PLoS Med; publicación electrónica: 21 de julio de
2009;6:e1000097
32. Richardson M, Garner P, Donegan S. Interpretation of subgroup
analyses in systematic reviews: a tutorial. Clin Epidemiol Glob Health; publicación electrónica: 1 de junio de 2019;7:192-8. Disponible en: https://www.sciencedirect.com/science/article/abs/pii/S221339841830099X
33. Copas J, Shi JQ. Meta-analysis, funnel plots and sensitivity
analysis. Biostatistics; publicación electrónica: 1 de septiembre de
2000;1:247-62
34. Thompson SG,
Higgins JPT. How should meta-regression analyses be
undertaken and interpreted? Stat Med 2002;21:1559-73
35. Cleophas TJ, Zwinderman AH. Modern meta-analysis: review and
update of methodologies. Cham: Springer International Publishing; 2017
36. Turner EH, Matthews AM, Linardatos E, et al. Selective publication
of antidepressant trials and its influence on apparent efficacy. N Engl J Med; publicación electrónica: 17 de enero de 2008;358:252-60
37. Shi X, Nie C,
Shi S, et al. Effect comparison between Egger’s test and
Begg’s test in publication bias diagnosis in meta-analyses: evidence from a
pilot survey. Int J Res Stud Biosci 2017;5:14-20
38. Guyatt G, Oxman A, Akl E, et al. GRADE guidelines: 1.
Introduction—GRADE evidence profiles and summary of findings tables. J Clin
Epidemiol 2011;64:383-94
39. Steinbrook R. Searching for the right search—reaching the medical
literature. N Engl J Med; publicación electrónica: 5 de enero de
2006;354:4-7
40. Dickersin K, Scherer R, Lefebvre C. Identifying relevant studies
for systematic reviews. BMJ; publicación electrónica: 12 de noviembre de
1994;309:1286-91. Disponible en: https://www.ncbi.nlm.nih.gov/pubmed/7718048
41. Ng TT, McGory ML, Ko CY, Maggard MA. Meta-analysis in surgery:
methods and limitations. Arch Surg 2006;141:1125-30
42. Moher D, Cook DJ, Eastwood S, et al. Improving the quality of
reports of meta-analyses of randomised controlled trials: the QUOROM statement.
Lancet 1999;354:1896-900. Disponible en: https://www.ncbi.nlm.nih.gov/pubmed/10584742
43. Nissen SE, Wolski K. Effect of rosiglitazone on the risk of
myocardial infarction and death from cardiovascular causes. N Engl J Med; publicación
electrónica: 14 de junio de 2007;356:2457-71
44. Pogue J, Yusuf S. Overcoming the limitations of current
meta-analysis of randomized controlled trials. Lancet 1998;351:47-52
45. Sandoya E. ¿Por
qué se necesitan grandes estudios randomizados? Rev Urug Cardiol 1998;4(Suppl
1):38A-41A
46. Moses JW, Leon MB, Popma JJ, et al. Sirolimus-eluting stents
versus standard stents in patients with stenosis in a native coronary artery.
N Engl
J Med 2003;349:1315-23. Disponible en: https://www.ncbi.nlm.nih.gov/pubmed/14523139
47. Stone GW, Ellis
SG, Cox DA, et al. A polymer-based,
paclitaxel-eluting stent in patients with coronary artery disease. N Engl J Med; publicación electrónica: 15 de enero de 2004;350:221-31
48. Maisel WH. Unanswered questions—drug-eluting stents and the risk
of late thrombosis. N Engl J
Med; publicación electrónica: 8 de marzo de
2007;356:981-4
49. Doval HC, Tajer
CD. Interpretación de ensayos clínicos, metanálisis, diagnóstico y pronóstico y
ensayos de no inferioridad. Herramientas conceptuales y técnicas. En: Doval HC,
Tajer CD, eds. Evidencias en cardiología: de los ensayos clínicos a las
conductas terapéuticas. 5a. ed.
Buenos Aires: GEDIC, 2008, p. 1-24
50. Farb A, Boam AB. Stent thrombosis redux—the FDA perspective. N Engl J Med; publicación electrónica: 8 de marzo de 2007;356:984-7
51. Shuster JJ,
Jones LS, Salmon DA. Fixed vs random effects
meta-analysis in rare event studies: the rosiglitazone link with myocardial
infarction and cardiac death. Stat Med 2007;26:4375-85
52. Egger M, Smith GD, Phillips AN. Meta-analysis: principles and
procedures. BMJ; publicación electrónica: 6 de diciembre de
1997;315:1533-7
53. Rothwell PM, Robertson G. Meta-analysis of randomised controlled
trials. Lancet 1997;350:1181-2
54. Serghiou S, Goodman SN. Random-effects meta-analysis. JAMA; publicación electrónica: 22
de enero de 2019;321:301
55. Shea BJ, Reeves BC, Wells G, et al. AMSTAR 2: a critical appraisal
tool for systematic reviews that include randomised or non-randomised studies
of healthcare interventions, or both. BMJ; publicación electrónica: 21
de septiembre de 2017;358:j4008
56. Alkhaqani AL. Application of the consolidated standards of
reporting trials (CONSORT) statement guideline in nursing studies: analytical
review. Kufa J Nurs Sci 2021;11:96-104
57. Hanley T, Cutts L. What is a systematic review? Couns Psychol
Rev 2013;28:3-6
58. O'Mathúna DP. Critical appraisal of systematic reviews. Int J
Nurs Pract 2010;16:414-8. doi: 10.1111/j.1440-172X.2010.01863.x
59. Berlin JA. The role of meta-analysis in the regulatory process for
foods, drugs, and devices. JAMA; publicación electrónica: 3 de marzo de
1999;281:830-4
60. Straus SE, McAlister F. Applying the results of trials and
systematic reviews to our individual patients. Evid Based Ment Health;
publicación electrónica: 1 de febrero de 2001;4:6-7