Meta analisis ii

META-ANALISIS IISebastián Molina Ríos

Grupo ReumavanceEnero - 2012

Establecimiento hipótesis. Cuantificación de los efectos. Búsqueda bibliográfica. Localización de los estudios. Criterios de inclusión y de exclusión. Evaluación calidad estudios. Análisis de heterogeneidad. Combinación de resultados. Identificación sesgo publicación. Análisis de sensibilidad.

Metodología para realizar un meta-análisis

Heterogeneidad estadística Vs clínica. De ella deriva el método utilizado para

combinar los resultados individuales.

En gral se basan en la hipótesis de heterogeneidad nula.

Prueba de Q. Gráfico de Galbraith. Gráfico de L’Abbé.

Análisis heterogeneidad

- - “Meta-análisis”, Curso farmacología clínica, Universidad Nacional de Colombia, 2010

- Hipertensión (Madr.). 2008;25(3):108-20- - Manrique RD , Metanalisis: consideraciones sobre su aplicación, Revista

CES medicina, VOL 16, 2002

Muy usada por cuestiones de validez y sencillez computacional.

Baja potencia tamaño muestral efectivo pequeño.

Calcular suma ponderada entre las diferencias entre el efecto de cada uno de los estudios y el promedio global.

Prueba Q




Si los estudios son homogéneos sigue una distribución X2 con k-1 valores de libertad.

Prueba de Q

El valor obtenido se confronta con la distribución teórica correspondiente:◦ Rechazar hipótesis homogeneidad (p<0,05). ◦ Aceptar la hipótesis de homogeneidad (p>0,05). ◦ Cuando el N de estudios es pequeño rechazar con

(p<0,1) Escasa potencia estadística resultado no

significativo suele ser insuficiente para concluir que no existe heterogeneidad ente los estudios.

Complementar con métodos gráficos:◦ Gráfico de Galbraith o el gráfico de L’Abbé

Prueba de Q




Mas fácil interpretación. Grado de inconsistencia entre los resultados de los

diferentes estudios.

“Reglas de andar por casa” para interpretar los valores de I2.

◦ 30% baja heterogeneidad buena consistencia.◦ 50% heterogeneidad moderada.◦ > 50% alta heterogeneidad.

Es necesario buscar la causa de la heterogeneidad:◦ Análisis subgrupos, análisis sensibilidad, metarregresion.

Indice I2

- Hipertensión (Madr.). 2008;25(3):108-20

Aplicable a cualquier tipo estudio. Representa la precisión de cada estudio

frente al efecto estandarizado.◦ Precisión: Inverso del error estándar de la

estimación del efecto.◦ Efecto estandarizado: Estimación del efecto

dividida entre error estándar. Muestra línea de regresión y una banda

ajustada.

Gráfico de Galbraith




Hipertensión (Madr.). 2008;25(3):108-20

Solo se aplica en meta-análisis de EC. Tasa de eventos del grupo tratamiento

frente a la tasa del grupo control solo se presenta cuando rta es binaria.

Grupo tto: eje Y. Grupo control: eje X. Línea de 45º lo divide en dos secciones.

◦ Sobre la línea rta favorable a grupo tto.◦ Bajo la línea rta favorable a grupo control.

Gráfico de L´Abbé




EJEMPLO

“Meta-análisis”, Curso farmacología clínica, Universidad Nacional de Colombia

Prueba de Q

ACEPTO O RECHAZO LA HIPOTESIS DE HOMOGENEIDAD?


Gráficos

Existe heterogeneidad?

“Meta-análisis”, Curso farmacología clínica, Universidad Nacional de Colombia, 2010

La prueba de Dersimonian y Laird’s indica, con un nivel de confianza del 95%, que no hay evidencia estadística de heterogeneidad (p=0,1280).

Gráficos: Ponen de manifiesto la heterogeneidad de los estudios.

Conclusion

Elección del método depende:◦ Tipo de medida de resultado/efecto.◦ Valoración del grado de heterogeneidad de los

resultados.

Modelo efectos fijos Modelo efectos aleatorios

Combinación resultados




Combinación de resultados

Estimación del efecto combinado:◦ Resultados de estudio individual se ponderan.◦ Inversa de varianza.◦ Tamaño muestral.

Heterogeneidad:◦ Se tiene en cuenta: modelo efectos aleatorios.◦ No se tiene en cuenta: modelo efectos fijos.

Combinación de resultados




Asume:◦ Existe un único efecto en la población.◦ No existe heterogeneidad entre los estudios.◦ Varianza del estudio (variabilidad intra-estudio) y

tamaño muestral únicos determinantes del peso.

Los resultados tienden a ser menos conservadores que modelo efectos aleatorios.

Intervalos de confianza mas estrechos.

Efectos fijos




Tiene en cuenta la heterogeneidad. Asume:

◦ Efectos exposición/intervención con diversos.◦ Estudios incluidos son solo una muestra aleatoria

de todos los posibles efectos. Ponderación de los estudios considera:

◦ Varianza propia de los estudios (variabilidad intra-estudio).

◦ Varianza existente entre los estudios (variabilidad entre-estudios).

Genera IC mas amplios.

Efectos aleatorios




EJEMPLO


Se representa resultado de estudios escala horizontal orden arbitrario.

Resultado representado con símbolo: rombo – cuadrado.

Línea horizontal: IC para cada resultado. Línea vertical: punto de ausencia de efecto. Parte inferior: resultado global (efectos fijos

o aleatorios) Tamaño símbolos proporcional a

contribución dentro del resultado global.

Representación gráfica“Forest plot”




EJEMPLO

“Meta-análisis”, Curso farmacología clínica,

Universidad Nacional de Colombia

Importante para validez del estudio.

Varios métodos propuestos:

Método simple. Grafico en embudo. Prueba de Begg. Prueba de Egger.

Id sesgo publicación




Utiliza análisis de sensibilidad.

Calcula número de estudios negativos realizados y no publicados que debería haber para modificar conclusión "positiva".

Numero elevado prob baja que sesgo haya modificado los resultados se acepta la existencia de las diferencias sugeridas por el meta-análisis.

Método simple


Tb conocido como “Funnel plot”.

Asume:◦ Estudios “negativos”: > prob de no ser publicados. ◦ Estudios de pequeño tamaño: > prob de no

publicarse.

Ejes:◦ Tamaño de los estudios (tamaño muestral, error

estándar).◦ Medida del efecto analizado.

Grafico en embudo




Efecto global calculado: línea que atraviesa el grafico.◦ Estudios de gran tamaño: tienden a agruparse a

línea de efecto global.◦ Estudios de pequeño tamaño: mayor dispersión.

Asimetrías del grafico: sospecha sesgo de publicación.

Interpretación muy subjetiva.

Grafico en embudo




Begg y Mazumdar: prueba de correlación de rangos.

Estudia:◦ Presencia de asociación entre las estimaciones de

los efectos y sus varianzas. Sesgo: correlación entre estos factores.

Baja potencia estadística:◦ Resultado bajo no puede ser tomado como

ausencia de sesgo. Funnel plot: equivalente grafico.

Prueba de Begg




Mas especifica que la de Begg. Ajusta recta de regresión a los puntos:

◦ Abscisa: Precisión (variable independiente).◦ Ordenada: Efecto estandarizado (variable

dependiente). Regresión se pondera por el inverso de la

varianza. Ordenada en el origen igual a cero NO hay

sesgo de publicación. Cuanto mas se aleja de cero mas asimetría

mas evidente sesgo.

Prueba de Egger




EJEMPLO


“Meta-análisis”, Curso farmacología clínica, Universidad Nacional de Colombia, 2010

Heterogeneidad se evalúa con Prueba Q. Prueba Q:

◦ Rechazar hipótesis homogeneidad (p<0,05). ◦ Aceptar la hipótesis de homogeneidad (p>0,05). ◦ Cuando el N de estudios es pequeño rechazar con

(p<0,1) Complementar con métodos gráficos:

◦ Gráfico de Galbraith o el gráfico de L’Abbé

Gráfico de Galbraith◦ Muestra línea de regresión y una banda ajustada.

Para recordar

Gráfico de L’Abbé◦ Línea de 45º lo divide en dos secciones.

Sobre la línea rta favorable a grupo tto. Bajo la línea rta favorable a grupo control.

Para recordar

Combinación de resultados◦ Heterogeneidad:

Se tiene en cuenta: modelo efectos aleatorios. No se tiene en cuenta: modelo efectos fijos.

Representación grafica = Forest plot

Para recordar

Id sesgo de publicación◦ Grafico en embudo: Asimetrías del grafico:

sospecha sesgo de publicación. ◦ Prueba de Begg: Graficada por Grafico en

embudo. ◦ Prueba de Egger:

Ordenada en el origen igual a cero NO hay sesgo de publicación.

Cuanto mas se aleja de cero mas asimetría mas evidente sesgo

Para recordar

Para recordar

GRACIAS

Meta analisis ii

Documents

Transcript of Meta analisis ii