Estudio de heterogeneidad - Study heterogeneity

En estadística , la heterogeneidad (entre) estudios es un fenómeno que ocurre comúnmente cuando se intenta realizar un metanálisis . En un escenario simplista, los estudios cuyos resultados se van a combinar en el metanálisis se realizarían todos de la misma manera y con los mismos protocolos experimentales. Las diferencias entre los resultados solo se deberían a errores de medición (y, por lo tanto, los estudios serían homogéneos ). La heterogeneidad del estudio denota la variabilidad en los resultados que va más allá de lo que se esperaría (o podría explicarse) debido únicamente al error de medición.

Introducción

El metanálisis es un método que se utiliza para combinar los resultados de diferentes ensayos con el fin de obtener una síntesis cuantitativa. El tamaño de los ensayos clínicos individuales a menudo es demasiado pequeño para detectar los efectos del tratamiento de manera confiable. El metanálisis aumenta el poder de los análisis estadísticos al combinar los resultados de todos los ensayos disponibles.

A medida que se intenta utilizar el metanálisis para estimar un efecto combinado de un grupo de estudios similares, los efectos encontrados en los estudios individuales deben ser lo suficientemente similares como para que uno pueda estar seguro de que una estimación combinada será una descripción significativa del conjunto de estudios. Sin embargo, las estimaciones individuales del efecto del tratamiento variarán según el azar; Se espera alguna variación debido a errores de observación . Cualquier variación excesiva (ya sea aparente o detectable o no) se denomina heterogeneidad (estadística) . La presencia de cierta heterogeneidad no es inusual, p. Ej., Los efectos análogos también se encuentran comúnmente incluso dentro de los estudios, en ensayos multicéntricos ( heterogeneidad entre centros ).

Las razones de la variabilidad adicional suelen ser diferencias en los estudios mismos, las poblaciones investigadas, los programas de tratamiento, las definiciones de los criterios de valoración u otras circunstancias. Los diferentes tipos de medidas de efecto (p. Ej., Razón de posibilidades versus riesgo relativo ) también pueden ser más o menos susceptibles a la heterogeneidad.

Modelado

En caso de que se pueda identificar el origen de la heterogeneidad y se pueda atribuir a ciertas características del estudio, el análisis puede estratificarse (considerando subgrupos de estudios, que con suerte serían más homogéneos), o extendiendo el análisis a una metarregresión , teniendo en cuenta las variables moderadoras (continuas o categóricas ) . Además, la heterogeneidad generalmente se acomoda mediante el uso de un modelo de efectos aleatorios , en el que la heterogeneidad constituye un componente de la varianza .

El modelo representa la falta de conocimiento sobre por qué los efectos del tratamiento pueden diferir al tratar las diferencias (potenciales) como incógnitas. El centro de esta distribución simétrica describe el promedio de los efectos, mientras que su ancho describe el grado de heterogeneidad. La elección de distribución obvia y convencional es una distribución normal . Es difícil establecer la validez de cualquier supuesto distributivo, y esta es una crítica común a los metanálisis de efectos aleatorios. Sin embargo, las variaciones de la forma distributiva exacta pueden no hacer mucha diferencia, y las simulaciones han demostrado que los métodos son relativamente robustos incluso bajo supuestos distributivos extremos, tanto para estimar la heterogeneidad como para calcular el tamaño del efecto general.

La inclusión de un efecto aleatorio en el modelo tiene el efecto de hacer que las inferencias (en cierto sentido) sean más conservadoras o cautelosas, ya que una heterogeneidad (distinta de cero) conducirá a una mayor incertidumbre (y evitará el exceso de confianza) en la estimación de los efectos generales. En el caso especial de una varianza de heterogeneidad cero, el modelo de efectos aleatorios se reduce nuevamente al caso especial del modelo de efectos comunes .

Pruebas

Las pruebas estadísticas para una varianza de heterogeneidad distinta de cero a menudo se realizan en base a la Q de Cochran o procedimientos de prueba relacionados. Sin embargo, este procedimiento común es cuestionable por varias razones, a saber, el bajo poder de tales pruebas, especialmente en el caso muy común de que solo se combinan unas pocas estimaciones en el análisis, así como la especificación de la homogeneidad como la hipótesis nula que luego solo se rechaza. en presencia de pruebas suficientes en su contra.

Estimacion

Si bien el objetivo principal de un metanálisis suele ser la estimación del efecto principal , la investigación de la heterogeneidad también es crucial para su interpretación. Se dispone de una gran cantidad de estimadores ( frecuentistas y bayesianos ) . La estimación bayesiana de la heterogeneidad generalmente requiere la especificación de una distribución previa adecuada .

Si bien muchos de estos estimadores se comportan de manera similar en el caso de un gran número de estudios, surgen diferencias en su comportamiento en el caso común de solo unas pocas estimaciones. Con frecuencia se obtiene una estimación incorrecta de la varianza de cero entre estudios, lo que lleva a una falsa suposición de homogeneidad. En general, parece que la heterogeneidad se subestima constantemente en los metanálisis.

Cuantificación

La varianza de heterogeneidad se denota comúnmente por τ², o la desviación estándar (su raíz cuadrada) por τ. La heterogeneidad es probablemente más fácilmente interpretable en términos de τ, ya que este es el parámetro de escala de la distribución de heterogeneidad , que se mide en las mismas unidades que el efecto general en sí.

Otra medida común de heterogeneidad es I², una estadística que indica el porcentaje de varianza en un metanálisis que es atribuible a la heterogeneidad del estudio (algo similar a un coeficiente de determinación ). I² relaciona la magnitud de la varianza de la heterogeneidad con el tamaño de las varianzas de las estimaciones individuales ( errores estándar al cuadrado ); Sin embargo, con esta normalización, no es del todo obvio qué constituiría exactamente cantidades "pequeñas" o "grandes" de heterogeneidad. Para una heterogeneidad constante (τ), la disponibilidad de estudios más pequeños o más grandes (con errores estándar asociados correspondientemente diferentes) afectaría la medida I²; por lo que la interpretación real de un valor I² no es sencilla.

La consideración conjunta de un intervalo de predicción junto con un intervalo de confianza para el efecto principal puede ayudar a tener una mejor idea de la contribución de la heterogeneidad a la incertidumbre en torno a la estimación del efecto.

Ver también

Referencias

Otras lecturas