Principal Otro Metanálisis de datos agregados o Metanálisis de datos de participantes individuales (análisis agrupados retrospectiva y prospectivamente)

Metanálisis de datos agregados o Metanálisis de datos de participantes individuales (análisis agrupados retrospectiva y prospectivamente)

Descripción general Software
Descripción Sitios web
Lecturas Cursos

Descripción general

El propósito de esta página es describir, comparar y contrastar tres enfoques cuantitativos: metanálisis de datos agregados, metanálisis de datos de participantes individuales (estudios combinados retrospectivos) y estudios combinados planificados prospectivamente, y proporcionar recursos para apoyar la adopción de estos métodos.

Descripción

El propósito de resumir la evidencia entre los estudios es evaluar e investigar si hay evidencia consistente o inconsistente que respalde relaciones específicas entre exposición y resultado y examinar fuentes de heterogeneidad en los estudios que podrían producir diferencias en los hallazgos (Blettner et al. 1999). Las revisiones cualitativas, como las revisiones narrativas no sistemáticas y las revisiones sistemáticas, proporcionan resúmenes no estadísticos de la literatura. Los métodos cuantitativos sintetizan información entre estudios utilizando métodos estadísticos para generar estimaciones resumidas que generalizan los hallazgos de los estudios individuales. Los tres métodos cuantitativos principales de síntesis de información incluyen metanálisis de datos agregados, metanálisis de datos de participantes individuales (estudios agrupados retrospectivos) y estudios agrupados planificados de forma prospectiva.

Metanálisis de datos agregados

Propósito: Un metanálisis de datos agregados (AD) utiliza análisis estadísticos para generar una estimación resumida (agrupada) utilizando estimaciones de efectos de estudios individuales informados en el publicado literatura.

Este tipo de revisión es el más comúnmente utilizado de los tres enfoques cuantitativos porque se puede completar con relativa rapidez, es de bajo costo y los datos que utiliza (información de artículos publicados, de texto completo) son relativamente fáciles de acceder (Blettner et al. 1999). A pesar de estas ventajas, los metanálisis de la EA están sujetos a los efectos del sesgo de publicación. Además, los investigadores que realizan el metanálisis tienen un control muy limitado sobre los datos y deben interpretar los efectos de resumen dentro del contexto de la heterogeneidad que surge entre los diversos diseños de estudios, selecciones de modelos, enfoques de análisis y categorizaciones de variables de los estudios originales.

Pasos de un metaanálisis de datos agregados:

1. Realice una revisión sistemática de la literatura:

El primer paso para realizar un metanálisis de la EA es realizar una revisión sistemática. Una revisión sistemática se centra principalmente en identificar todos los estudios relevantes disponibles que están relacionados con una cuestión de interés específica y bien definida. Para lograr esta revisión integral, los investigadores identifican términos de búsqueda específicos, utilizan múltiples bases de datos y establecen criterios de inclusión y exclusión bien definidos para identificar un grupo final de estudios relevantes.

2. Extraiga datos de artículos publicados:

Una vez que se identifica el grupo final de estudios relevantes, los datos deben extraerse de la literatura publicada. Es importante señalar que cada estudio solo debe estar representado una vez en el análisis, aunque la información del estudio puede publicarse en varios artículos (Higgins y Green, 2011). La estimación del efecto y la varianza deben extraerse para calcular la estimación resumida (Higgins y Deeks, 2011). Se deben extraer la exposición, el resultado y las covariables utilizadas en los modelos y cómo se definieron (p. Ej., Continuo, categórico con puntos de corte para las categorías) y las características del estudio (p. Ej., Diseño del estudio, tamaño de la muestra, datos demográficos de la muestra, año de publicación). para evaluar la heterogeneidad del estudio (Higgins y Deeks, 2011). Es posible que parte de la información no esté disponible en la literatura publicada y es aconsejable

3. Convertir estimaciones de estudios individuales a una escala común :

Los investigadores a menudo no adoptan enfoques idénticos para el diseño del estudio o el análisis de datos. Como tal, los estudios pueden informar diferentes medidas de efecto, como las razones de probabilidades, las razones de riesgo y las razones de riesgo. Si este es el caso, puede ser necesario convertir las estimaciones del efecto extraídas en un solo tipo de estimación del efecto para que puedan compararse y combinarse para generar la estimación resumida.

4. Informar estimaciones de estudios individuales :

Es necesario (y útil) visualizar las estimaciones del estudio individual y los intervalos de confianza en un diagrama de bosque. Esto permite que el investigador y el lector visualicen tendencias generales o hallazgos mixtos en los estudios.

5. Estimar una estimación resumida utilizando promedios ponderados de estimaciones de estudios individuales :

Los estudios incluidos en un metanálisis a menudo varían en tamaño, calidad y otras características. Al generar la estimación resumida, es necesario e importante ponderar las estimaciones del efecto de cada estudio para tener en cuenta esta heterogeneidad. Pueden adoptarse dos enfoques para la ponderación: efectos fijos y efectos aleatorios.

5a. Efectos fijos :

El supuesto subyacente en un enfoque de efectos fijos es que todos los estudios incluidos en el metanálisis están estimando el mismo efecto real subyacente (Borenstein et al. 2007). Se supone que la variabilidad (error) se origina dentro de cada estudio, no entre los estudios. La declaración del modelo para el enfoque de efectos fijos se ve así:

β̂s= β + εs, s = 1 a S estudios

β = estimación del efecto común verdadero (p. ej., logaritmo del riesgo relativo)

mis= dentro de la varianza del estudio

β̂s= estimación del efecto estimado en el estudio s

Bajo un enfoque de efectos fijos, se utiliza el método de varianza inversa para los estudios de ponderación. Los estudios se ponderan por el inverso de la varianza específica del estudio y la estimación resumida se calcula como una media ponderada de las estimaciones individuales, como se muestra en esta fórmula:

Debido a que los estudios solo se ponderan por la varianza entre los individuos dentro de un estudio, los estudios más pequeños, que generalmente se espera que sean menos precisos (es decir, tienen una mayor varianza porque hay menos puntos de datos), se ponderarán menos y los estudios más grandes se ponderarán más (Borenstein et al. 2007):​

5b. Efectos aleatorios :

En un enfoque de efectos aleatorios, la suposición es que no hay una estimación del efecto real, sino una distribución normal de los efectos (Borenstein et al. 2007). Se cree que la variabilidad surge tanto de la varianza dentro como entre los estudios. La declaración del modelo para un modelo de efectos aleatorios se escribe así:

β̂s= β + Us+ εs, s = 1 a S estudios

β = estimación media del efecto verdadero (p. ej., logaritmo del riesgo relativo)

mis= dentro de la varianza del estudio

Us= varianza entre estudios

β̂s= estimación del efecto estimado en el estudio s

Bajo un enfoque de efectos aleatorios, se utiliza el modelo de DerSimonian y Laird para los estudios de ponderación. Al calcular las estimaciones agrupadas, las estimaciones de los estudios individuales se ponderan teniendo en cuenta tanto la varianza dentro como entre ellas, como se muestra en esta fórmula:

    Un enfoque de efectos aleatorios para derivar la estimación resumida significa que las ponderaciones están más equilibradas (es decir, los estudios pequeños no se trivializan tanto y los estudios grandes no se ponderan tanto) (Borenstein et al. 2007). La compensación de este enfoque es la precisión en los intervalos de confianza resumidos; en general, las estimaciones resumidas que utilizan modelos de efectos aleatorios producen variaciones agrupadas e intervalos de confianza más grandes que el enfoque de efectos fijos (Borenstein et al. 2007).

    6. Evaluar e identificar fuentes de heterogeneidad:

    Además de generar la estimación resumida, el otro objetivo principal de un metanálisis de la EA es la evaluación e identificación de la heterogeneidad del estudio. La heterogeneidad de los estudios surge de diferencias sistemáticas entre los estudios que pueden surgir de factores como el diseño del estudio o las características de la muestra. Las dos principales estadísticas de heterogeneidad son la estadística Q de Cochran y el índice de inconsistencia. En resumen, la estadística Q de Cochran (χ2prueba de heterogeneidad, gl = k-1) es una suma ponderada de las desviaciones al cuadrado (Borenstein et al. 2007). Tiene escaso poder estadístico para detectar heterogeneidad entre un pequeño número de estudios. El índice de inconsistencia (I2) es el porcentaje de variación total entre los estudios que se debe a la heterogeneidad (Higgins et al., 2003). El yo2está menos influenciado por el número de estudios incluidos en el metanálisis y se puede comparar entre los metanálisis.

    Cuando cualquiera de estas medidas de heterogeneidad es alta, las estimaciones resumidas deben interpretarse con cautela. Los altos niveles de heterogeneidad pueden justificar que el metanálisis no avance o que los estudios se dividan y se obtengan estimaciones de resumen de subgrupos separados (Deeks et al. 2011). Se debe realizar una investigación adicional de las fuentes de heterogeneidad. En los metanálisis de la EA, los análisis de sensibilidad para investigar la heterogeneidad se centran en las características del estudio. Los investigadores pueden estratificar según las características del estudio (p. Ej., Diseño del estudio) o pueden excluir los estudios con una característica particular y volver a calcular la estimación resumida, informando las diferencias entre la estimación original y la nueva (Deekset al. 2011). La metarregresión también se puede utilizar para investigar la heterogeneidad debida a variables a nivel de estudio.

    En el metanálisis de la EA, se debe evaluar el sesgo de publicación. El sesgo de publicación ocurre cuando se publica un mayor porcentaje de estudios que sugieren efectos beneficiosos o grandes, pero se publican menos estudios que informan efectos nulos, efectos negativos o estudios más pequeños (Sterne et al. 2011). Si hay sesgo de publicación, entonces un metanálisis de la EA informará un efecto de resumen que solo refleja los efectos encontrados en los estudios publicados y no reflejará el efecto real o la distribución de los efectos reales en una población.

    Reportando

    En la actualidad, la Declaración PRISMA es una guía ampliamente utilizada y aceptada para realizar e informar revisiones sistemáticas y metanálisis. La Declaración PRISMA incluye una lista de verificación de elementos que deben ejecutarse e informarse como parte de un metanálisis y también incluye un diagrama de flujo que permite a los lectores seguir el proceso de selección y eliminación de los artículos que se incluyen en el metanálisis ( Liberati et al.2009).

    Metanálisis de datos de participantes individuales (DPI) (análisis agrupados)

    Propósito: El metanálisis de datos de participantes individuales (IPD), también conocido como análisis agrupado retrospectivo, utiliza análisis estadísticos para generar una estimación resumida utilizando datos de participantes individuales de publicado y inédito estudios.

    Los metanálisis de DPI toman más tiempo para completarse (varios años), cuestan significativamente más (para cubrir el costo de personal, alojamiento de datos, limpieza y armonización de datos) y pueden enfrentar más desafíos para obtener los datos (los investigadores del estudio original deben estar de acuerdo en compartir datos originales) que los metanálisis de la EA (Cooper y Patall, 2009; Riley et al. 2010). A pesar de estos desafíos, los investigadores son recompensados ​​con un mayor control sobre los datos y el análisis, lo que les permite reducir parte de la heterogeneidad entre los estudios que resulta de los criterios de exclusión, la selección de covariables y la selección del análisis (Stewart y Tierney, 2002). Además, el uso de datos individuales permite a los investigadores plantear nuevas preguntas que pueden no haber sido el objetivo de los estudios originales y aumenta el poder estadístico para investigar enfermedades raras y exposiciones.

    Pasos de un metaanálisis de DPI:

    1. Realizar una revisión sistemática de la literatura, identificar estudios no publicados y obtener datos a nivel individual de los investigadores originales.

    Al igual que un metanálisis de la EA, un metanálisis de DPI comienza con una revisión sistemática y utiliza métodos como la selección de palabras clave y criterios de inclusión y exclusión a priori para identificar un grupo de estudios elegibles (Blettner et al. 1999; Stewart et al. .2015). Además, los investigadores se comunican con los investigadores en el campo para identificar cualquier estudio no publicado que pueda ser elegible para ser incluido en el metanálisis (Stewart et al. 2015). Una vez que se ha identificado el grupo final de estudios, se contacta a los investigadores para obtener los datos originales. Esto requiere la construcción de relaciones, objetivos claramente establecidos del metanálisis, cooperación y confianza para facilitar el intercambio de datos y la aclaración continua sobre los métodos de estudio a lo largo del proceso de armonización de datos. A menudo se forma una colaboración entre investigadores para realizar el metanálisis (Stewart et al. 2011). Los metanálisis de DPI también requieren fondos importantes y un medio para almacenar y limpiar datos de forma segura. Cerca de la conclusión de esta entrada, se hace una breve nota para discutir las preocupaciones éticas cuando se trabaja con datos de nivel individual.

    2. Armonizar los datos

    nba live mobile hackear sin verificación humana

    El objetivo de la armonización de datos es maximizar la comparabilidad entre estudios reduciendo la heterogeneidad que surge de diferentes evaluaciones / categorizaciones de variables. En los metanálisis de la EA, los investigadores se limitan a las especificaciones variables publicadas en los manuscritos. En los metanálisis de DPI, los investigadores tienen acceso a los datos originales y pueden utilizar las mismas medidas originales en un rango de estudios (por ejemplo, IMC en lugar de obesidad categórica / no obesidad). En otros casos, las medidas pueden no ser las mismas en todas las variables, pero puede ser posible una categorización común entre los estudios (p. Ej., Síntomas depresivos altos versus síntomas depresivos bajos si se utilizan diferentes escalas de síntomas depresivos) (Stewart y Tierney, 2002) . En algunos casos, la armonización de los datos no es posible, particularmente cuando los investigadores originales utilizaron diferentes medidas (por ejemplo, dieta evaluada a través del retiro de 3 días, cuestionario de frecuencia de alimentos específico del país / grupo).

    3. Agrupar estudios para calcular una estimación resumida

    Una vez que se han armonizado los datos, es posible que los investigadores deseen aplicar criterios de exclusión adicionales a los datos a nivel individual. Estas exclusiones deben aplicarse a las observaciones de todos los estudios (Stewart y Tierney, 2002).

    Cuando los investigadores estén listos para agrupar los datos, se pueden tomar dos enfoques: el enfoque de un paso y el enfoque de dos pasos. El enfoque de dos pasos es más familiar porque se parece mucho a la metodología de un metanálisis de la EA, pero puede llevar más tiempo que el enfoque de un paso. Aún así, el enfoque de dos pasos es probablemente un buen primer paso en un metanálisis de DPI porque le da al investigador una idea de la tendencia de las estimaciones en los estudios individuales antes de obtener una estimación combinada.

    3a. El enfoque de dos pasos

    El enfoque de dos pasos en un análisis de DPI es similar al metanálisis de datos agregados. Primero, se calcula la estimación de cada estudio individual (en lugar de extraerla de la literatura publicada). Estas estimaciones individuales se trazan utilizando un diagrama de bosque y se comparan para observar similitudes y diferencias. El mismo análisis estadístico, inclusión de covariables, definición de exposiciones y resultados se utilizan al calcular la estimación de cada estudio individual. A continuación, las estimaciones individuales se ponderan y agrupan utilizando métodos de efectos fijos o aleatorios, como se describe anteriormente.

    3b. El enfoque de un solo paso

    En el enfoque de un paso, los puntos de datos individuales de todos los estudios se ajustan en un solo modelo o conjunto de análisis, en lugar de calcular estimaciones para cada estudio individualmente. Al ajustar el modelo, se debe tener en cuenta la agrupación o, de lo contrario, los investigadores se arriesgan a encontrar efectos significativos cuando no los hay, o viceversa (Abo-Zaid et al. 2013). Se puede usar un enfoque de efectos fijos (por ejemplo, usar variables ficticias para conglomerados), o se pueden usar modelos de regresión jerárquica o de efectos mixtos para incorporar efectos aleatorios (tanto para pendientes como intersecciones) en el modelo.

    En general, el enfoque de un paso producirá efectos resumidos similares al enfoque de dos pasos, con la excepción de cuando hay datos de resultados binarios (Stewart et al. 2012). Incluso si los efectos de resumen son similares, el enfoque de un solo paso puede ofrecer una flexibilidad adicional que lo haga útil para incorporar métodos estadísticos más complejos utilizados en los análisis de un solo estudio. En primer lugar, los enfoques de un solo paso permiten a los investigadores centrarse en las diferencias de efectos dentro del estudio (entre individuos), ajustando la agrupación mediante modelos de efectos fijos o de efectos aleatorios. En segundo lugar, el enfoque de un solo paso permite a los investigadores comparar varios modelos diferentes con diferentes supuestos o comparar modelos anidados utilizando medidas de ajuste del modelo como AIC (Stewart et al. 2012). Si bien esto también se puede lograr en un enfoque de dos pasos, cada nuevo modelo debe calcularse para cada estudio individual antes de la agrupación, lo que puede llevar mucho tiempo. En tercer lugar, el enfoque de un solo paso puede ser preferible a abordar preguntas utilizando datos longitudinales (Jones et al. 2009). En el enfoque de un paso, los investigadores pueden tener en cuenta la correlación de las observaciones repetidas en el análisis, en lugar de perder esa información en el paso de agrupación del enfoque de dos pasos. Se espera que esto produzca errores estándar más apropiados para la estimación combinada. Por último, el enfoque de un paso puede ofrecer más flexibilidad para investigar interacciones que el enfoque de dos pasos, lo que permite el ajuste de covariables no lineales, por ejemplo (Stewart et al. 2012; Cooper y Patall, 2009).

    Si bien el enfoque de un solo paso permite una mayor complejidad del modelo y la no linealidad de las exposiciones y covariables, los modelos también pueden ser más difíciles de interpretar y pueden requerir experiencia estadística adicional (Riley et al. 2010). Además, un supuesto importante del enfoque de un solo paso es que las variables se miden de manera comparable en todos los estudios (Smith-Warner et al. 2006).

    4. Evaluar e identificar fuentes de heterogeneidad

    La evaluación de la heterogeneidad del modelo en un metanálisis de DPI es tan importante como en el metanálisis de la EA. En un metanálisis de DPI, la heterogeneidad se reduce mediante la armonización de datos, la selección de la misma medida del efecto (p. Ej., RR, HR) y la selección de las mismas covariables. Incluso después de esto, puede haber algunas diferencias significativas entre los estudios y esto debe evaluarse utilizando la estadística de la prueba Q de Cochran.

    Los análisis de sensibilidad también se completan para los metanálisis de DPI. En lugar de centrarse en enfoques a nivel de estudio (p. Ej., Separar los hallazgos por diseño del estudio), pueden centrarse en las investigaciones que se ven más comúnmente en los análisis de un solo estudio, como el cambio de categorizaciones de variables, la inclusión o exclusión de covariables y los análisis de subgrupos (p. , raza o sexo). En el caso de que no se pudieran obtener algunos datos individuales, se podría realizar un análisis de sensibilidad que combine los resultados publicados y los resultados del DPI (Stewart y Tierney, 2002). Otros análisis de sensibilidad pueden incluir la comparación de estimaciones resumidas derivadas de enfoques de uno o dos pasos y análisis que utilizan efectos fijos o aleatorios.

    Reportando

    En 2015, se publicó una Comunicación especial en JAMA sobre el desarrollo de la Declaración PRISMA-IPD. Este informe proporciona algunas actualizaciones de la Declaración PRISMA que abordan específicamente las características únicas de los metanálisis de DPI (Stewart et al. 2015).

    Análisis agrupados prospectivamente planificados

    Propósito: De manera similar a los metanálisis / análisis agrupados retrospectivos de DPI, los análisis agrupados planificados prospectivamente tienen como objetivo agrupar los datos de los participantes individuales en los estudios individuales. Sin embargo, en lugar de revisar la literatura existente y contactar a los investigadores para identificar todos los estudios existentes disponibles, el proceso de análisis agrupados prospectivamente implica la creación de grupos de colaboración inclusivos para planificar estudios futuros.

    Los análisis agrupados planificados de forma prospectiva son los que tardan más en completarse (varios años) de los tres métodos y son más costosos de completar que los metanálisis de la EA. A pesar de los costos adicionales de tiempo y dinero, ofrecen la ventaja de tener un control adicional sobre el diseño del estudio y la medición de datos que los metanálisis de DPI porque se planifican de manera prospectiva.

    Pasos para realizar análisis agrupados planificados prospectivamente

    Los pasos para realizar un análisis agrupado planificado prospectivamente son los mismos que los descritos anteriormente para el metanálisis de DPI y no se detallan más aquí. En cambio, se describen dos diferencias notables.

    1. En lugar de comenzar con una revisión sistemática de la literatura, los análisis agrupados planificados prospectivamente comienzan con una discusión entre investigadores para formar un grupo colaborativo. La colaboración está diseñada para ser lo más inclusiva posible y, a menudo, incluye centros de investigación de varios países. Si bien las recompensas de participar en la colaboración son excelentes, se necesita una cantidad significativa de tiempo y dinero para manejar la logística de la colaboración. La logística incluye identificar quién será el secretario que supervisará la colaboración, el centro que almacenará los datos de forma segura y las responsabilidades de limpieza de datos (Stewart et al. 2011). Además, será necesario discutir el informe final y la publicación y, a menudo, es posible que los estudios individuales no puedan publicar sus hallazgos únicos del estudio hasta que se hayan publicado los resultados del estudio colaborativo.

    2. La estandarización de datos, más que la armonización de datos, es uno de los principales objetivos del proceso de planificación. La estandarización de datos tiene como objetivo establecer una forma uniforme en la que se definirán, medirán y recopilarán las variables. El proceso de estandarización puede ser fácil cuando existe un estándar de oro, pero puede requerir más discusión y compromiso si hay varias medidas para evaluar una variable. Las diferencias en el enfoque de la medición de variables pueden variar de un país a otro o entre centros de investigación.

    Aunque las variables de interés están estandarizadas entre los estudios, los análisis combinados planificados prospectivamente no son lo mismo que los ensayos multicéntricos. Se espera que los centros involucrados en los análisis agrupados se adhieran a las mismas medidas de variables estandarizadas y algunos criterios de inclusión clave para los participantes, pero se les permite diferir en muchos otros aspectos (por ejemplo, población, país, otras variables recopiladas) y no se espera que sigan un único protocolo de estudio en todos los sitios (Riley et al. 2010).

    Nota: preocupaciones éticas al trabajar con datos de nivel individual

    A diferencia de los metanálisis de la EA, los metanálisis de DPI y los análisis agrupados planificados de forma prospectiva deben tener una consideración adicional de la privacidad y confidencialidad de los participantes. Cualquier análisis que utilice datos a nivel de participante debe garantizar que los datos se puedan almacenar y acceder de forma segura. Esto requiere que una de las instituciones dentro de la colaboración asuma la responsabilidad de almacenar y alojar esta información. Debido a que muchas de estas colaboraciones son de naturaleza internacional, este almacenamiento de datos debe satisfacer las necesidades de seguridad y confidencialidad de todos los países participantes de los investigadores (Ragin y Taioli, 2008). En el caso de análisis agrupados planificados de forma prospectiva, estas consideraciones pueden tenerse en cuenta desde el principio y deben incorporarse en los costos planificados para el proyecto, los protocolos presentados a las juntas de revisión de investigaciones humanas en cada institución participante y los documentos de consentimiento informado de los participantes.

    En el caso de análisis agrupados retrospectivos, es posible que la recopilación de datos ya esté completa. En el proceso de obtener los datos originales, los investigadores que realizan el análisis de datos secundarios también deben verificar que los estudios originales hayan aprobado protocolos en sujetos humanos. Además, se reconoce que los participantes del estudio probablemente dieron su consentimiento para el estudio de investigación original, pero es posible que no hayan dado su consentimiento para participar en un estudio secundario con preguntas de investigación potencialmente diferentes. En los EE. UU., El análisis de datos secundarios está permitido siempre que el protocolo haya recibido la aprobación del IRB y no esté identificado (Philips et al. 2013). Este proceso difiere de un país a otro (Philips et al. 2013) y debe investigarse antes de seguir adelante con el metanálisis de DPI.

    Resumen de comparaciones de enfoques

    Se proporciona una breve tabla que compara los tres enfoques cuantitativos para resumir la evidencia entre los estudios para una referencia rápida.

    Metaanálisis de la EA

    Metanálisis de DPI / análisis agrupado retrospectivo

    Análisis agrupado planificado prospectivamente

    Tiempo para completar

    Corto

    Largo

    Largo

    Gastos

    Bajo

    Elevado

    Elevado

    Control sobre los datos

    Bajo

    Elevado

    Más alto

    Preocupación por el sesgo de publicación

    Elevado

    N / A

    N / A

    Colaboración y cooperación con otros investigadores

    Ninguno

    Control sobre modelos

    Bajo

    Elevado

    Elevado

    Preocupaciones éticas adicionales

    Ninguno

    Capacidad para investigar enfermedades raras y exposiciones poco frecuentes

    Bajo

    Elevado

    Elevado

    Capacidad para analizar datos longitudinales

    Bajo

    Elevado

    Elevado

    Evaluación de interacciones

    Bajo

    Alto (especialmente enfoque de 1 paso)

    Alto (especialmente enfoque de 1 paso)

    Referencias

    Abo-Zaid, G, Guo, B, Deeks, JJ, Debray, TPA, Steyerberg, EW, Moons, KGM y Riley, RD (2013) Los metanálisis de datos de participantes individuales no deben ignorar la agrupación. J Clin Epidemiol; 66 (8): 865-873.

    Blettner, M, Sauerbrei, W, Schlehofer, B, Scheuchenpflug, T y Friedenreich, C. (1999) Revisiones tradicionales, metanálisis y análisis agrupados en epidemiología. Revista Internacional de Epidemiología; 28: 1-9.

    Borenstein, M, Hedges, L y Rothstein, H (2009) Modelos de efectos fijos frente a modelos de efectos aleatorios. En: Introducción al metaanálisis. Eds: Borenstein, M, Hedges, LV, Higgins, JPT y Rothstein, HR. John Wiley & Sons, Ltd., West Sussex, Reino Unido.

    Cooper, H y Patall, EA (2009) Los beneficios relativos del metanálisis realizado con datos de participantes individuales versus datos agregados. Métodos psicológicos; 14 (2), 165-176.

    Deeks, JJ, Higgins, JPT y Altman, DG (2011) Capítulo 9: Análisis de datos y realización de metanálisis. Manual Cochrane para revisiones sistemáticas de intervenciones. Versión 5.1.0 [actualizada en marzo de 2011]. Higgins JPT, Green S (editores). Disponible de www.cochrane-handbook.org .

    Higgins JPT, Green S (editores). Manual Cochrane para revisiones sistemáticas de intervenciones Versión 5.1.0 [actualizada en marzo de 2011]. The Cochrane Collaboration, 2011. Disponible en www.cochrane-handbook.org .

    Higgins, JPT, Thompson, SG, Deeks, JJ y Altman, DG. (2003) Medición de la inconsistencia en los metanálisis. BMJ; 327 (7414): 557-560.

    Higgins, JPT y Deeks, JJ (2011) Capítulo 7: Selección de estudios y recopilación de datos. Manual Cochrane para revisiones sistemáticas de intervenciones Versión 5.1.0 [actualizada en marzo de 2011]. Higgins JPT, Green S (editores). Disponible de www.cochrane-handbook.org .

    Jones, AP, Riley, RD, Williamson, PR y Whitehead, A (2009) Metanálisis de datos de pacientes individuales versus datos agregados de ensayos clínicos longitudinales. Ensayos clínicos; 6: 16-27.

    Liberati A, Altman DG, Tetzlaff J, Mulrow C, Gøtzsche P, et al. (2009) La declaración PRISMA para informar revisiones sistemáticas y metanálisis de estudios que evalúan intervenciones de atención de salud: explicación y elaboración. PLoS Med 6: e1000100. doi: 10.1371 / journal.pmed.1000100.

    Philips B, Ranasinghe, N, Stewart, LA y PICNICC Collaboration (2013) Consideraciones éticas y reglamentarias en el uso de datos de participantes individuales para estudios de predicción de enfermedades. Arch Dis Child; 98: 567-568.

    Ragin, C y Taioli, E (2008) Metanálisis y análisis combinado: datos genéticos y ambientales. En: Epidemiología Molecular de Enfermedades Crónicas; CP Wild, P Vineis y S Garte. John Wiley e hijos.

    Riley, RD, Lambert, PC y Abo-Zaid, G (2010) Metanálisis de datos de participantes individuales: fundamento, conducta e informes. BMJ; 340; c221.

    Smith-Warner, SA, Spiegelman, D, Ritz, J y col. (2006) Métodos para combinar los resultados de los estudios epidemiológicos: Proyecto de combinación de estudios prospectivos de la dieta y el cáncer. Am J Epidemiol; 163: 1053-1064.

    Sterne, JAC, Egger, M y Moher, D (2011) Capítulo 10: Abordar los sesgos de notificación. Manual Cochrane para revisiones sistemáticas de intervenciones Versión 5.1.0 [actualizada en marzo de 2011]. Higgins JPT, Green S (editores). Disponible de www.cochrane-handbook.org .

    Stewart, GB, Altman, DG, Askie, LM, Duley, L, Simmonds, MC y Stewart, LA. (2012) Análisis estadístico de metanálisis de datos de participantes individuales: una comparación de métodos y recomendaciones para la práctica. Más uno; 7 (10): e46042.

    Stewart, LA, Clark, M, Rovers, M, Riley, RD, Simmonds, M, Stewart, G, Tierney JF y The PRISMA-IPD Development Group (2015) Elementos de informe preferidos para una revisión sistemática y metanálisis de un participante individual datos: Declaración PRISMA-IPD. JAMA; 313 (16): 1-1665.

    Stewart, LA y Tierney, JF (2002) ¿A IPD o no a IPD? Ventajas y desventajas de las revisiones sistemáticas que utilizan datos de pacientes individuales. Evaluación y Profesiones de la Salud; 25 (1): 76-97.

    Stewart, LA, Tierney, JF y Clarke, M (2011) Capítulo 18: Revisiones de datos de pacientes individuales. Manual Cochrane para revisiones sistemáticas de intervenciones Versión 5.1.0 [actualizada en marzo de 2011]. Higgins JPT, Green S (editores). Disponible de www.cochrane-handbook.org .

    Lecturas

    Revisión sistemática

    Higgins JPT, Green S (editores). Manual Cochrane para revisiones sistemáticas de intervenciones Versión 5.1.0 [actualizada en marzo de 2011]. The Cochrane Collaboration, 2011. Disponible en www.cochrane-handbook.org .

    Metanálisis de datos agregados

    Borenstein, M, Hedges, LV, Higgins, JPT y Rothstein, HR (2009) Capítulo 7: Conversión entre tamaños de efectos. En: Introducción al metaanálisis. Eds: Borenstein, M, Hedges, LV, Higgins, JPT y Rothstein, HR. John Wiley & Sons, Ltd., West Sussex, Reino Unido.

    Borenstein, M, Hedges, L y Rothstein, H (2007) Modelos de efectos fijos frente a modelos de efectos aleatorios. En: Introducción al metaanálisis. Eds: Borenstein, M, Hedges, LV, Higgins, JPT y Rothstein, HR. John Wiley & Sons, Ltd., West Sussex, Reino Unido.

    Deeks, JJ, Higgins, JPT y Altman, DG (2011) Capítulo 9: Análisis de datos y realización de metanálisis. Manual Cochrane para revisiones sistemáticas de intervenciones Versión 5.1.0 [actualizada en marzo de 2011]. Higgins JPT, Green S (editores). Disponible de www.cochrane-handbook.org .

    Higgins, JPT y Deeks, JJ (2011) Capítulo 7: Selección de estudios y recopilación de datos. Manual Cochrane para revisiones sistemáticas de intervenciones Versión 5.1.0 [actualizada en marzo de 2011]. Higgins JPT, Green S (editores). Disponible de www.cochrane-handbook.org .

    Higgins, JPT, Thompson, SG, Deeks, JJ y Altman, DG. (2003) Medición de la inconsistencia en los metanálisis. BMJ. 327 (7414): 557-560.

    Liberati A, Altman DG, Tetzlaff J, Mulrow C, Gøtzsche P, et al. (2009) La declaración PRISMA para informar revisiones sistemáticas y metanálisis de estudios que evalúan intervenciones de atención de salud: explicación y elaboración. PLoS Med 6: e1000100. doi: 10.1371 / journal.pmed.1000100.

    Metanálisis de datos individuales (análisis agrupado retrospectivo) y análisis agrupado planificado prospectivamente

    Abo-Zaid, G, Guo, B, Deeks, JJ, Debray, TPA, Steyerberg, EW, Moons, KGM y Riley, RD (2013) Los metanálisis de datos de participantes individuales no deben ignorar la agrupación. J Clin Epidemiol; 66 (8): 865-873.

    Cooper R, Hardy R, Aihie Sayer A, Ben-Shlomo Y, Birnie K, Cooper C, et al. (2011) Diferencias de edad y género en los niveles de capacidad física desde la mediana edad en adelante: la armonización y el metanálisis de datos de ocho estudios de cohortes del Reino Unido. PLoS ONE 6 (11): e27899. doi: 10.1371 / journal.pone.0027899

    Philips B, Ranasinghe, N, Stewart, LA y PICNICC Collaboration (2013) Consideraciones éticas y reglamentarias en el uso de datos de participantes individuales para estudios de predicción de enfermedades. Arch Dis Child; 98: 567-568.

    Riley, RD, Lambert, PC y Abo-Zaid, G (2010) Metanálisis de datos de participantes individuales: fundamento, conducta e informes. BMJ; 340; c221.

    Riley, RD y Steyerberg, EW (2010) Metanálisis de resultado binario utilizando datos de participantes individuales y datos agregados. Métodos de síntesis de investigación; 1 (1): 2-19.

    Smith-Warner, SA, Spiegelman, D, Ritz, J y col. (2006) Métodos para combinar los resultados de los estudios epidemiológicos: Proyecto de combinación de estudios prospectivos de la dieta y el cáncer. Am J Epidemiol; 163: 1053-1064.

    Stewart, GB, Altman, DG, Askie, LM, Duley, L, Simmonds, MC y Stewart, LA. (2012) Análisis estadístico de metanálisis de datos de participantes individuales: una comparación de métodos y recomendaciones para la práctica. Más uno; 7 (10): e46042.

    Stewart, LA, Clark, M, Rovers, M, Riley, RD, Simmonds, M, Stewart, G, Tierney JF y The PRISMA-IPD Development Group (2015) Elementos de informe preferidos para una revisión sistemática y metanálisis de un participante individual datos: Declaración PRISMA-IPD. JAMA; 313 (16): 1-1665.

    Comparaciones de enfoques

    Blettner, M, Sauerbrei, W, Schlehofer, B, Scheuchenpflug, T y Friedenreich, C. (1999) Revisiones tradicionales, metanálisis y análisis agrupados en epidemiología. Revista Internacional de Epidemiología; 28: 1-9.

    Cooper, H y Patall, EA (2009) Los beneficios relativos del metanálisis realizado con datos de participantes individuales versus datos agregados. Métodos psicológicos; 14 (2), 165-176.

    Jones, AP, Riley, RD, Williamson, PR y Whitehead, A (2009) Metanálisis de datos de pacientes individuales versus datos agregados de ensayos clínicos longitudinales. Ensayos clínicos; 6: 16-27.

    Ragin, C y Taioli, E (2008) Metanálisis y análisis combinado: datos genéticos y ambientales. En: Epidemiología Molecular de Enfermedades Crónicas; CP Wild, P Vineis y S Garte. John Wiley e hijos.

    Stewart, LA y Tierney, JF (2002) ¿A IPD o no a IPD? Ventajas y desventajas de las revisiones sistemáticas que utilizan datos de pacientes individuales. Evaluación y Profesiones de la Salud; 25 (1): 76-97.

    Otros recursos relacionados

    Higgins JPT, Green S (editores). Manual Cochrane para revisiones sistemáticas de intervenciones. Versión 5.1.0 [actualizada en marzo de 2011]. The Cochrane Collaboration, 2011. Disponible en www.cochrane-handbook.org .

    Higgins, JPT, Thompson, SG, Deeks, JJ y Altman, DG. (2003) Medición de la inconsistencia en los metanálisis. BMJ; 327 (7414): 557-560.

    Sterne, JAC, Egger, M y Moher, D (2011) Capítulo 10: Abordar los sesgos de notificación. Manual Cochrane para revisiones sistemáticas de intervenciones Versión 5.1.0 [actualizada en marzo de 2011]. Higgins JPT, Green S (editores). Disponible de www.cochrane-handbook.org .

    Stewart, LA, Tierney, JF y Clarke, M (2011) Capítulo 18: Revisiones de datos de pacientes individuales. Manual Cochrane para revisiones sistemáticas de intervenciones Versión 5.1.0 [actualizada en marzo de 2011]. Higgins JPT, Green S (editores). Disponible de www.cochrane-handbook.org .

    Sitios web

    Efectos fijos y aleatorios: entrada de Métodos de salud de la población en la metarregresión.

    La metarregresión también se puede utilizar para investigar la heterogeneidad debida a variables a nivel de estudio. Se puede encontrar información adicional sobre este método en la página de Métodos de salud de la población sobre la metarregresión.

    Más información sobre la Declaración PRISMA está disponible en: http://www.prisma-statement.org/

    Artículos De Interés

    La Elección Del Editor

    ¿Detecta una garrapata? Toma una foto
    ¿Detecta una garrapata? Toma una foto
    Los científicos ciudadanos pueden ayudar a combatir la enfermedad de Lyme con The Tick App, una aplicación gratuita para teléfonos inteligentes desarrollada por Maria Diuk-Wasser y sus colegas.
    James Meredith '68: un pionero de la justicia racial
    James Meredith '68: un pionero de la justicia racial
    Después de arriesgar su vida para eliminar la segregación de Ole Miss en 1962, Meredith continuó su activismo en la Facultad de Derecho de Columbia.
    Versión actual de Chrome
    Versión actual de Chrome
    Aquí puede verificar o encontrar fácilmente la versión actual de Chrome y la última versión de Google Chrome para su sistema. Vea cómo actualizar el navegador Google Chrome
    Debido a la pandemia de COVID-19, esta y las siguientes sesiones de Crítica 13/13 fueron suspendidas. Lea la introducción a Critique 11/13 aquí.
    Debido a la pandemia de COVID-19, esta y las siguientes sesiones de Crítica 13/13 fueron suspendidas. Lea la introducción a Critique 11/13 aquí.
    El consumo problemático de cannabis aumenta en los estados donde las drogas son legales
    El consumo problemático de cannabis aumenta en los estados donde las drogas son legales
    El trastorno por consumo de cannabis, también conocido como consumo problemático, entre los adultos aumentó después de la legalización del consumo recreativo de marihuana, según un nuevo estudio de la Facultad de salud pública Mailman de la Universidad de Columbia y la Facultad de medicina de la Universidad de Nueva York. Entre los adultos de 26 años o más, el consumo de marihuana en el último mes después de la legalización fue un 26 por ciento más alto que en los estados no recreativos. Similar,
    Programas
    Programas
    Ayudando a los pastores en África a adaptarse al cambio climático
    Ayudando a los pastores en África a adaptarse al cambio climático
    Un pastor de ganado migratorio en Bur