Pregunta 43 · MIR 2022 — Estimador combinado en un metaanálisis

Por qué es la correcta y por qué no las otras

El metaanálisis combina cuantitativamente los efectos de varios estudios en un único estimador. No todos los estudios aportan la misma información: uno grande y preciso debe pesar más que uno pequeño. Por eso el estimador combinado es una media ponderada. El peso suele ser el inverso de la varianza, que depende sobre todo del tamaño muestral. Con el modelo de efectos fijos se usa solo la varianza intraestudio. Con el de efectos aleatorios (DerSimonian-Laird) se añade la varianza entre estudios cuando hay heterogeneidad. En el forest plot el peso se ve en el tamaño del cuadrado, y el resultado global en el rombo.

Por qué no las otras

• 1. Suma de los resultados de todos los estudios. No tiene sentido estadístico, porque los efectos (OR, RR, diferencias de medias) no se suman. Se combinan promediándolos con pesos.
• 2. Media aritmética simple. Da el mismo peso a un estudio de 30 pacientes que a uno de 3.000, lo que ignora la precisión de cada uno. Solo coincidiría con la ponderada si todos tuvieran idéntica varianza.
• 4. Porcentaje de estudios favorables a la hipótesis. Esto es el «recuento de votos» (vote counting), propio de revisiones narrativas. Es un método sesgado y poco potente que el metaanálisis pretende superar.

Clave para el MIR: El estimador global del metaanálisis es una media ponderada, normalmente por el inverso de la varianza: los estudios grandes y precisos pesan más (cuadrado mayor en el forest plot).