Esta página fue traducida del inglés usando IA. Puedes encontrar el original aquí.

Metaanálisis: medida continua

Comando:

Estadística

Metaanálisis

Medida continua

Descripción

Para obtener una breve descripción general del metanálisis en MedCalc, consulte Metanálisis: introducción.

Para el metanálisis de estudios con una medida continua (comparación de medias entre casos tratados y controles), MedCalc utiliza el estadístico g de Hedges como formulación para la diferencia de medias estandarizada según el modelo de efectos fijos. A continuación, se incorpora el estadístico de heterogeneidad para calcular la diferencia de medias estandarizada resumida según el modelo de efectos aleatorios (DerSimonian y Laird, 1986).

La diferencia de medias estandarizada g de Hedges es la diferencia entre las dos medias dividida por la desviación estándar agrupada, con una corrección por sesgo de muestra pequeña:

$$ s_{pooled} = \sqrt{\frac{(n_1-1)s_1^2 + (n_2-1)s_2^2}{n_1+n_2-2}} $$ $$ g = \frac{\bar{x}_1 - \bar{x}_2}{s_{pooled}} $$ $$ J(n) = \frac{\Gamma(n/2)}{\sqrt{n/2 \,}\,\Gamma((n-1)/2)} $$ $$ g_{corrected} = g \times J(n_1+n_2-2) $$

donde Γ es la función Gamma.

Cómo introducir datos

Los datos de diferentes estudios se pueden ingresar de la siguiente manera en la hoja de cálculo:

Cómo introducir datos para un metanálisis: medida continua

En este ejemplo, en un primer estudio se trataron 40 casos y la media del parámetro de interés fue de 23,52 con una desviación estándar de 1,38. En 40 casos de control, la media fue de 20,12 con una desviación estándar de 3,36. En las siguientes filas de la hoja de cálculo se muestran los datos de otros cuatro estudios.

Entrada requerida

El cuadro de diálogo 'Metaanálisis: medida continua' se puede completar de la siguiente manera:

Metaanálisis: medida continua - cuadro de diálogo

Estudios : variable que contiene una identificación de los diferentes estudios.

Grupos de intervención y grupos de control:

Número de casos, Media, Desviación estándar: variables que contienen el número de casos, media y desviación estándar observados en los diferentes estudios, en los grupos de intervención y grupo control respectivamente.

Filtro : un filtro para incluir sólo un subgrupo seleccionado de casos en el gráfico.

Opciones

Diagramma de bosque: crea una diagramma de bosque.
- Tamaño del marcador en relación con el peso del estudio: opción para que el tamaño de los marcadores que representan los efectos de los estudios varíe según los pesos asignados a cada estudio. Puede elegir entre pesos del modelo de efectos fijos o aleatorios.
- Gráfico de efectos agrupados - modelo de efectos fijos: opción para incluir el efecto agrupado bajo el modelo de efectos fijos en el gráfico forestal.
- Gráfico de efectos agrupados - modelo de efectos aleatorios: opción para incluir el efecto agrupado bajo el modelo de efectos aleatorios en el gráfico forestal.
- Diamantes para efectos agrupados: opción para representar los efectos agrupados utilizando un diamante (la ubicación del diamante representa el tamaño del efecto estimado y el ancho del diamante refleja la precisión de la estimación).
Gráfico de embudo: crea un gráfico de embudo para comprobar la existencia de sesgo de publicación. Véase Metanálisis: introducción.

Resultados

Metaanálisis: medida continua - resultados

El programa enumera los resultados de los estudios individuales: número de casos positivos, número total de casos, diferencia de medias estandarizada (DME) con IC del 95%.

La diferencia media estandarizada total con IC del 95 % se proporciona tanto para el modelo de efectos fijos como para el modelo de efectos aleatorios.

Si el valor 0 no está dentro del IC del 95%, entonces la SMD es estadísticamente significativa al nivel del 5% (P<0,05).

La regla general de Cohen para la interpretación de la estadística SMD es: un valor de 0,2 indica un efecto pequeño, un valor de 0,5 indica un efecto medio y un valor de 0,8 o mayor indica un efecto grande.

El modelo de efectos aleatorios tenderá a ofrecer una estimación más conservadora (es decir, con un intervalo de confianza más amplio), pero los resultados de ambos modelos suelen coincidir cuando no hay heterogeneidad. Véase Metanálisis: introducción para la interpretación de las estadísticas de heterogeneidad de las preguntas e inferencias de Cochran ^2. En presencia de heterogeneidad, el modelo de efectos aleatorios debe ser el modelo preferido.

Consulte Metaanálisis: introducción para la interpretación de las diferentes pruebas de sesgo de publicación.

Diagramma de bosque

Los resultados de los diferentes estudios, con IC del 95%, y la diferencia media estandarizada general con IC del 95% se muestran en el siguiente diagrama forestal :

Metaanálisis: medida continua - diagrama de bosque

Literatura

Borenstein M, Hedges LV, Higgins JPT, Rothstein HR (2009) Introduction to meta-analysis. Chichester, UK: Wiley.
DerSimonian R, Laird N (1986) Meta-analysis in clinical trials. Controlled Clinical Trials 7:177-188.
Hedges LV, Olkin I (1985) Statistical methods for meta-analysis. London: Academic Press.
Higgins JP, Thompson SG, Deeks JJ, Altman DG (2003) Measuring inconsistency in meta-analyses. BMJ 327:557-560.
Petrie A, Bulman JS, Osborn JF (2003) Further statistics in dentistry. Part 8: systematic reviews and meta-analyses. British Dental Journal 194:73-78.