Síntesis de Evidencia y Metaanálisis

Por qué esto importa en economía de la salud

Toda evaluación económica descansa en insumos que tuvieron que venir de algún sitio: el efecto relativo de un tratamiento, la tasa a la que progresa una enfermedad, la ponderación de calidad de vida de un estado de salud, la probabilidad de un evento adverso. Estas son las cifras que impulsan una razón coste-efectividad incremental, y de dónde vienen decide si la razón es digna de confianza. Un modelo de decisión (véase el Tema 2.2 — Modelización) es tan bueno como los parámetros que se le introducen, y esos parámetros son el producto de la síntesis —la agrupación deliberada de toda una literatura—, no de un único ensayo. Este es el tema que corresponde a «de dónde vienen las cifras del modelo».

Para un directivo, lo que está en juego es que una síntesis puede decidir silenciosamente una cuestión de financiación antes incluso de que se ejecute la economía. Si una revisión selecciona ensayos favorables, entierra un resultado nulo, o promedia entre estudios que nunca fueron comparables, la estimación de efecto que produce estará equivocada en una dirección concreta, y todo cálculo posterior hereda ese error con un barniz de rigor. Los organismos de evaluación de tecnologías sanitarias (ETS) de todo el mundo —el National Institute for Health and Care Excellence (NICE) de Inglaterra, el IQWiG de Alemania, los paneles de guías de la Organización Mundial de la Salud (OMS)— construyen sus recomendaciones sobre síntesis precisamente porque un único estudio es demasiado frágil para soportar el peso de una decisión nacional.

Lo que está en juego es también ético y de confianza pública. Una revisión sistemática bien realizada es la defensa más fuerte que tiene un organismo público frente a ser capturado por quien ejecutó el ensayo más memorable o gritó más fuerte. Es un método transparente y reproducible para dejar hablar a toda la base de evidencia, incluidas las partes que son inconvenientes. Cuando un pagador puede mostrar que su decisión se derivó de una síntesis preespecificada, exhaustiva y críticamente valorada, puede defender esa decisión ante clínicos, pacientes, la industria, y los tribunales. Cuando no puede, la decisión parece arbitraria, y en sanidad, las decisiones arbitrarias sobre quién recibe tratamiento erosionan la confianza deprisa.

Conceptos fundamentales

Una revisión sistemática es un método estructurado para localizar, valorar y resumir todos los estudios relevantes para una pregunta concreta, usando un protocolo preregistrado para que el proceso sea reproducible y resistente al sesgo. Se distingue de una revisión narrativa tradicional por su estrategia de búsqueda explícita, sus criterios de inclusión y exclusión declarados, y su valoración crítica de cada estudio incluido. El estándar de informe que la mayoría de las revisiones siguen ahora es PRISMA (Elementos de Información Preferidos para Revisiones Sistemáticas y Metaanálisis), que pide a los autores documentar cada paso desde la búsqueda hasta la síntesis para que un lector pueda comprobar qué se hizo.

El metaanálisis es la parte estadística de ese proceso: la agrupación cuantitativa de resultados de varios estudios en una única estimación combinada, normalmente de un tamaño de efecto como un riesgo relativo, una razón de posibilidades, o una diferencia de medias. No toda revisión sistemática contiene un metaanálisis —agrupar solo es legítimo cuando los estudios son lo bastante similares como para combinarse—, pero donde es apropiado, aumenta la precisión y puede revelar un efecto que estudios individuales infrapotenciados pasaron por alto. La forma canónica de mostrarlo es el gráfico de bosque: cada estudio una línea horizontal que muestra su estimación e intervalo de confianza, el resultado agrupado un rombo al pie.

Dos modelos estadísticos se sitúan detrás de la estimación agrupada. Un modelo de efectos fijos supone que todo estudio está estimando un único efecto verdadero, y las diferencias entre ellos son solo ruido de muestreo. Un modelo de efectos aleatorios supone que el efecto verdadero genuinamente varía entre estudios —porque las poblaciones, dosis y contextos difieren— y estima la media de esa distribución, dando más peso a los estudios pequeños y una incertidumbre más amplia y honesta. La elección entre ambos no es cosmética: cambia el intervalo de confianza y a veces la conclusión.

La razón por la que la elección importa es la heterogeneidad: el grado en que los resultados de los estudios difieren más de lo que explicaría el azar. La heterogeneidad clínica (pacientes o tratamientos distintos), la heterogeneidad metodológica (diseños o calidad de estudio distintos), y la heterogeneidad estadística (resultados dispersos) amenazan todas el significado de una cifra agrupada. Combinar estudios verdaderamente heterogéneos produce una media que no describe a ninguna población real —el equivalente estadístico de una persona con un pie en hielo y otro en fuego estando «en promedio cómoda». Investigar la heterogeneidad, en lugar de promediarla hasta que desaparezca, es a menudo donde vive el verdadero aprendizaje.

No toda la evidencia es igual, y el campo la organiza en una jerarquía de evidencia: revisiones sistemáticas de ensayos aleatorizados en la cima, luego ensayos controlados aleatorizados individuales, luego estudios observacionales, luego series de casos y opinión de expertos. La jerarquía es una regla general sobre el riesgo de sesgo en el diseño de un estudio, no una garantía: un ensayo mal ejecutado puede ser peor que un buen estudio de cohortes. El refinamiento moderno es GRADE (Clasificación de la Valoración, Desarrollo y Evaluación de Recomendaciones), que califica la certeza de la evidencia para cada resultado como alta, moderada, baja, o muy baja, y puede rebajar incluso la evidencia de ensayos por riesgo de sesgo, inconsistencia, indirección, imprecisión, y sesgo de publicación, o elevar evidencia observacional sólida. GRADE se usa ahora en la OMS, Cochrane, y organismos de guías de todo el mundo precisamente porque hace explícito y auditable el razonamiento detrás de una calificación de certeza.

Donde no existen ensayos cara a cara —B nunca se ensayó frente a C, solo cada uno frente a placebo—, el metaanálisis en red (también llamado metaanálisis de tratamiento mixto o de comparación indirecta) combina evidencia directa e indirecta a través de una red conectada de tratamientos para estimar todas las comparaciones, incluidas las nunca estudiadas directamente. Es indispensable para la ETS, donde un nuevo fármaco debe compararse con varias opciones existentes a la vez, pero descansa en un supuesto fuerte —que los ensayos son lo bastante similares como para que la comparación indirecta sea válida— que debe comprobarse, no suponerse.

Dos ideas más determinan si se puede creer en una síntesis. El sesgo de publicación es la tendencia de los estudios con resultados positivos y significativos a publicarse, mientras que los negativos se quedan en un cajón, de modo que la literatura visible sobreestima sistemáticamente los efectos. A menudo se detecta con un gráfico de embudo, cuya asimetría puede señalar estudios pequeños y negativos ausentes, y es una razón por la que los revisores buscan en registros de ensayos y en la literatura gris —tesis, informes, datos no publicados— y no solo en revistas. Por último, como la evidencia sigue llegando, una práctica creciente es la revisión viva: una síntesis mantenida continuamente actualizada a medida que aparecen nuevos estudios, de modo que la guía nunca se quede años por detrás de la ciencia. La colaboración Cochrane (Cochrane) sigue siendo el punto de referencia internacional para los métodos de revisión sistemática, y su Manual es el manual estándar del campo.

Buenas prácticas

1. Escriba y registre el protocolo antes de buscar. La credibilidad de una revisión sistemática viene de decidir la pregunta, los criterios de inclusión, los resultados, y el plan de análisis antes de ver los resultados, y luego registrar ese protocolo públicamente (por ejemplo en PROSPERO). Esta es la guardia más fuerte contra que el revisor moldee inconscientemente la revisión hacia una respuesta preferida. Cuando encargue una síntesis, insista en un protocolo registrado y trate su ausencia como una advertencia de que las conclusiones pueden haberse elegido primero.

2. Busque de forma exhaustiva, incluidos los estudios que nadie publicó. Una búsqueda restringida a un par de bases de datos y a revistas en inglés perderá ensayos y se sesgará hacia resultados positivos. Una síntesis exhaustiva busca en múltiples bases de datos, registros de ensayos, resúmenes de congresos, expedientes regulatorios, y literatura gris, y persigue datos no publicados de investigadores y fabricantes. El objetivo no es la exhaustividad por sí misma, sino neutralizar el sesgo de publicación en la fuente: los estudios ausentes son desproporcionadamente los negativos.

3. Valore el riesgo de sesgo en cada estudio incluido, y deje que cambie el peso que da al resultado. La inclusión no es respaldo; cada estudio debe evaluarse por las formas concretas en que podría engañar —aleatorización inadecuada, evaluación de resultados no cegada, informe selectivo, abandono. Una síntesis que agrupa estudios fuertes y débiles con el mismo peso blanquea el sesgo de los débiles convirtiéndolo en una media de aspecto autorizado. Use una herramienta de valoración reconocida, informe los juicios con transparencia, y ejecute el análisis excluyendo los estudios de alto riesgo para ver si la conclusión se mantiene.

4. Decida si agrupar es siquiera legítimo antes de calcular una cifra agrupada. El metaanálisis solo tiene sentido cuando los estudios son lo bastante similares en población, intervención, comparador, y resultado como para estar estimando un efecto comparable. Si no lo son, el resultado honesto es una síntesis narrativa estructurada, no una cifra única espuria. Pregunte «¿están estos estudios respondiendo a la misma pregunta?» antes de preguntar «¿cuál es la estimación combinada?»; una media precisa de cosas incomparables es peor que ninguna media.

5. Elija el modelo de efectos fijos o aleatorios deliberadamente, y justifíquelo. Un modelo de efectos aleatorios suele ser el valor por defecto más honesto en sanidad, donde los estudios genuinamente difieren, porque produce intervalos más amplios que reflejan la variación del mundo real. Pero da un peso desproporcionado a los estudios pequeños, así que donde se sospeche sesgo de publicación puede amplificar precisamente el sesgo que teme. Indique qué modelo usó y por qué, y muestre cómo se mueve la estimación agrupada bajo la alternativa; una conclusión que se invierte entre ambos no es robusta.

6. Investigue la heterogeneidad en lugar de promediarla hasta que desaparezca. Cuando los resultados de los estudios divergen más de lo que explica el azar, esa divergencia es información: puede significar que el tratamiento funciona en un subgrupo y no en otro, o que la calidad impulsa el efecto aparente. Explórela con análisis de subgrupos y metarregresión preespecificados, pero trate con escepticismo los subgrupos a posteriori porque son fáciles de encontrar y difíciles de creer. Una estimación agrupada presentada sin ningún examen de por qué discrepan los estudios está ocultando la parte más útil de los datos.

7. Detecte explícitamente el sesgo de publicación e informe. Compare la literatura publicada con los registros de ensayos para encontrar estudios que se ejecutaron pero nunca se informaron, inspeccione la asimetría del gráfico de embudo donde existan suficientes estudios, y considere si el efecto se encoge a medida que crece el tamaño del estudio. Ninguna de estas pruebas es concluyente, pero su ausencia debería reducir su confianza en un resultado positivo pulcro. La dirección del sesgo de publicación es casi siempre la misma —infla el beneficio aparente—, así que una síntesis no cribada debería leerse como un límite superior.

8. Use el metaanálisis en red cuando la decisión tenga muchos comparadores, y compruebe su supuesto central. Las decisiones de financiación reales rara vez enfrentan un fármaco contra placebo; eligen entre varias opciones activas, la mayoría de las cuales nunca se ensayaron cara a cara. El metaanálisis en red llena esas lagunas, pero solo si los ensayos son lo bastante similares para la comparación indirecta —el supuesto de «transitividad»— y si la evidencia directa e indirecta coinciden donde ambas existen. Exija que el analista muestre la red, pruebe la consistencia, y sea franco sobre las comparaciones que descansan en cadenas indirectas endebles.

9. Califique la certeza de la evidencia, no solo el tamaño del efecto. Un efecto grande de evidencia de baja certeza es una base más débil para gastar dinero público que un efecto modesto de evidencia de alta certeza. GRADE separa estas preguntas calificando la certeza por resultado y documentando por qué se rebajó o se elevó, convirtiendo «la evidencia es sólida» de una afirmación en un juicio auditado. Insista en que una síntesis que alimenta una decisión lleve una calificación de certeza explícita para cada resultado que importe, no un único veredicto global.

10. Informe de la síntesis de modo que un escéptico pudiera reproducirla. Siga un estándar de informe reconocido como PRISMA: dé la estrategia de búsqueda completa, el flujo de estudios desde identificados hasta incluidos, los estudios excluidos con sus razones, los juicios de riesgo de sesgo, y los datos detrás de cada estimación agrupada. La transparencia es el mecanismo por el que se detectan los errores y las elecciones selectivas antes de que muevan un presupuesto. Una síntesis cuya búsqueda no pueda volver a ejecutarse o cuyas exclusiones no se expliquen no debería anclar una decisión, por confiado que suene su resumen.

11. Mantenga vivas las síntesis de alto riesgo donde la evidencia se mueve deprisa. En un campo que cambia rápido —una nueva clase de fármacos, un patógeno emergente, una tecnología ensayada con rapidez—, una revisión queda obsoleta en el momento en que se publica, y la evidencia rancia desvía silenciosamente dinero y atención. Una revisión viva se actualiza continuamente frente a nuevos estudios, con reglas acordadas de antemano sobre cuándo un nuevo ensayo cambia la conclusión. Reserve el esfuerzo para decisiones lo bastante grandes y volátiles como para justificarlo, y sea explícito sobre la fecha de vigencia de cualquier síntesis en la que se apoye.

12. Ajuste la síntesis al parámetro que el modelo realmente necesita. Un modelo de decisión necesita insumos específicos —un efecto relativo para el caso base, un riesgo basal para la población local, una ponderación de utilidad—, y cada uno puede necesitar su propia síntesis con sus propios criterios de inclusión. Extraer un efecto relativo de ensayos aleatorizados pero un riesgo basal de un registro local es legítimo y habitual; ocultar que ambos proceden de cuerpos de evidencia distintos no lo es. Alinee cada insumo sintetizado con cómo se usará después, y remita por referencia cruzada a la evaluación que alimenta (véase el Tema 2.1 — Evaluación Económica).

Preguntas para debatir con su equipo

1. Cuando aceptamos una estimación de efecto como zanjada, ¿sabemos si vino de toda la literatura o solo de la parte visible y favorecedora de ella? Esta pregunta apunta al sesgo de publicación y al informe selectivo, los fallos que hacen que una síntesis esté equivocada en una dirección predecible. La realidad incómoda es que los ensayos positivos se publican más rápido, más a menudo, y más prominentemente que los negativos, así que una revisión confinada a revistas tenderá a sobreestimar el beneficio aunque cada estudio incluido sea honesto. Lleve el debate a la procedencia concreta: ¿se buscaron registros de ensayos para estudios que se ejecutaron pero nunca se informaron?, ¿se buscaron datos no publicados de fabricantes?, ¿se hizo un gráfico de embudo o una comprobación comparable? La tensión es que la búsqueda exhaustiva es cara y lenta, y siempre hay presión para aceptar una estimación publicada limpia y seguir adelante. Una respuesta honesta no afirma que la búsqueda fue perfecta; indica cuán intensamente buscó la revisión los estudios ausentes y trata un resultado positivo no cribado como un probable límite superior y no como la verdad.

2. ¿Están los estudios que estamos agrupando realmente respondiendo a la misma pregunta, o hemos fabricado una media pulcra a partir de cosas que no encajan? Esta es la pregunta de la heterogeneidad, y decide si una cifra agrupada significa algo en absoluto. Los ángulos que merece la pena sacar a la luz son el clínico (pacientes, dosis o comparadores distintos), el metodológico (ensayos mezclados con estudios observacionales débiles), y el estadístico (resultados que discrepan más de lo que explica el azar). El fallo seductor es que el software siempre devolverá una estimación agrupada con un intervalo de confianza de aspecto confiado, coincidan o no los estudios subyacentes; la precisión de la cifra no dice nada sobre su validez. Debata si la revisión investigó por qué discrepan los estudios o simplemente los promedió, y si alguna diferencia de subgrupo se preespecificó o se buscó a posteriori. Una respuesta honesta está dispuesta a concluir que agrupar era inapropiado y que una síntesis narrativa estructurada habría sido el resultado más veraz.

3. ¿Cuán actual es esta evidencia, y qué tendría que mostrar un nuevo estudio para cambiar nuestra decisión? Las síntesis tienen una fecha de caducidad, y el peligro es actuar sobre una revisión cuya búsqueda se cerró hace años mientras el campo avanzaba. Nombre explícitamente la fecha de vigencia y pregunte qué se ha publicado desde entonces, especialmente en tecnologías de rápido movimiento donde un único ensayo grande puede revertir una estimación agrupada. La disciplina más profunda es decidir, de antemano, qué hallazgo le haría cambiar de opinión: un umbral que convierte «seguir vigilando la literatura» de una intención vaga en un disparador operativo para una actualización viva. La tensión está entre el coste de mantener viva una síntesis y el coste de una decisión que silenciosamente funciona con evidencia rancia; no toda pregunta justifica una revisión viva, pero toda cuestión de alto riesgo y volátil sí. Una respuesta honesta indica la fecha de vigencia, nombra qué revertiría la conclusión, y asigna la responsabilidad de advertir cuándo llega.

4. ¿Se fijaron la pregunta, y el análisis que la respondería, antes de que nadie viera los resultados, o podría haberse moldeado la revisión hacia una conclusión preferida? Esto apunta a la guardia más fuerte de toda la disciplina: un protocolo registrado de antemano, con los criterios de inclusión, los resultados, y el plan de agrupación fijados antes de que los datos pudieran influir en ellos. El fallo del que protege es sutil porque rara vez es deliberado: un revisor que ve primero los resultados puede, de buena fe, ajustar un límite de inclusión, promover un resultado secundario, o cambiar la elección de modelo de formas que resultan favorecer una respuesta concreta. Pregunte si existe un protocolo en un registro público como PROSPERO, si la revisión final coincide con él, y si cualquier desviación se declaró y justificó en lugar de hacerse silenciosamente. La tensión es que el preregistro es incómodo —prohíbe la flexibilidad de «aprendimos sobre la marcha» que se siente como buena ciencia— y su ausencia es fácil de excusar. Una respuesta honesta puede señalar el protocolo registrado, repasar dónde se apartó la revisión de él y por qué, y tratar una síntesis no registrada como una cuyas conclusiones pueden haberse elegido antes de tener la evidencia.

5. Cuando la decisión abarca varios tratamientos que nunca se ensayaron entre sí, ¿confiamos en la comparación indirecta que los cose juntos? Las elecciones de financiación reales normalmente enfrentan a varias opciones activas entre sí, la mayoría nunca probadas cara a cara, así que la síntesis se apoya en un metaanálisis en red que toma prestada fuerza a través de comparadores compartidos. Los ángulos que sacar a la luz son si el analista realmente mostró la red de ensayos, si se sostiene el supuesto de «transitividad» —que las poblaciones del ensayo y la atención de base son lo bastante similares como para que una comparación indirecta signifique algo—, y si la evidencia directa e indirecta coinciden donde ambas existen. El fallo seductor es que el software devolverá un conjunto completo de estimaciones por pares por endebles o incomparables que sean las cadenas subyacentes, prestando a un resultado indirecto frágil la misma autoridad que a uno directo robusto. Debata qué contrastes descansan en un único enlace indirecto débil y si esas son precisamente las comparaciones que impulsan la recomendación. Una respuesta honesta distingue las comparaciones bien conectadas y probadas por consistencia de las endebles, y trata a estas últimas como de baja certeza en lugar de enterrarlas en una tabla de clasificación pulcra.

6. ¿Estamos tratando un efecto grande y un efecto cierto como la misma cosa, cuando no lo son? Esto separa el tamaño de una estimación de la confianza a la que tenemos derecho a tener en ella, la distinción que GRADE existe para hacer explícita. La tensión es que una estimación puntual grande es persuasiva y fácil de justificar para gastar dinero, mientras que la certeza detrás de ella puede ser baja porque la evidencia es inconsistente, imprecisa, indirecta, o ensombrecida por el sesgo de publicación. Pregunte si cada resultado que importa lleva su propia calificación de certeza, por qué se rebajó o se elevó, y si la recomendación está siendo impulsada por el tamaño del efecto o por una lectura honesta de cuánto puede soportar la evidencia. El caso incómodo es un beneficio modesto pero de alta certeza compitiendo contra uno espectacular pero de baja certeza: la disciplina es preferir la evidencia en la que puede confiar sobre la cifra que halaga. Una respuesta honesta se niega a colapsar «grande» y «cierto» en un único veredicto, y deja que la calificación de certeza, no solo la estimación puntual, gobierne cuánto peso pone la decisión en el resultado.

En la práctica: un ejemplo de economía de la salud

El Comité Nacional de Medicamentos y Tecnología Sanitaria de Maridia —un ficticio país de renta media-baja que está construyendo su lista de medicamentos esenciales— debe decidir qué clase de fármaco antihipertensivo recomendar como primera línea para la hipertensión no complicada en atención primaria. Cuatro clases son candidatas, todas sin patente y asequibles, pero la pregunta clínica es cuál previene más ictus e infartos por paciente tratado. El comité no puede ejecutar sus propios ensayos; debe sintetizar lo que el mundo ya sabe, y luego entregar una estimación de efecto relativo a su equipo de economía para combinarla con costes y tasas de eventos locales.

La unidad de evidencia del comité empieza con un protocolo registrado: la pregunta, los cuatro comparadores, los resultados (eventos cardiovasculares y mortalidad por cualquier causa), los criterios de inclusión, y el plan de análisis, todos fijados antes de buscar. La búsqueda cubre varias bases de datos, dos registros de ensayos, y literatura regional de la OMS que indexa ensayos de contextos como el propio de Maridia, porque confiar solo en revistas de países de renta alta importaría una población que puede no coincidir. El flujo se documenta al estilo PRISMA: varios miles de registros identificados, la mayoría excluidos por título, unas pocas docenas de ensayos aleatorizados incluidos, cada uno valorado por riesgo de sesgo. Se encuentra que tres grandes ensayos financiados por la industria informaron de forma selectiva; la unidad los señala y planifica un análisis de sensibilidad sin ellos.

La dificultad central es que casi ningún ensayo comparó las cuatro clases cara a cara; la mayoría probó un fármaco frente a placebo o frente a una única alternativa. Un simple metaanálisis por pares solo puede responder a una fracción de las comparaciones que realmente afronta el comité. Así que la unidad construye un metaanálisis en red, conectando las clases a través de sus comparadores compartidos, y estima los seis contrastes por pares a la vez. Antes de confiar en él, comprueban la transitividad de la red —¿son las poblaciones del ensayo y la atención de base lo bastante similares como para la comparación indirecta?— y prueban si la evidencia directa e indirecta coinciden donde ambas existen. Coinciden, en su mayor parte; un contraste descansa en una cadena indirecta endeble, que la unidad marca como de baja certeza.

La heterogeneidad es real e informativa. Los ensayos en poblaciones más mayores y de mayor riesgo muestran beneficios absolutos mayores que los ensayos en cohortes más jóvenes, lo que importa porque la población tratada de Maridia se sesgará hacia lo más joven que la media del ensayo. En lugar de agrupar a ciegas, la unidad ejecuta análisis de subgrupos y metarregresión preespecificados e informa del efecto condicionado al riesgo basal. Un gráfico de embudo en la comparación más grande muestra una leve asimetría, coherente con unos pocos estudios pequeños y negativos ausentes; combinado con los ensayos de informe selectivo, esto les lleva a tratar con cautela la ventaja de la clase más favorable. Bajo un modelo de efectos aleatorios, las diferencias entre tres de las cuatro clases son pequeñas y sus intervalos de confianza se solapan mucho.

La unidad califica cada resultado con GRADE. La evidencia de que las cuatro clases superan a ningún tratamiento es de alta certeza; la evidencia de que una clase es claramente superior a las demás es solo de baja a moderada, rebajada por inconsistencia, imprecisión, y sospecha de sesgo de publicación. Esa distinción es la decisión. El comité concluye que, como las clases son clínicamente cercanas y todas baratas, la economía debería estar impulsada por el precio, la tolerabilidad, y la seguridad de suministro en lugar de por una afirmación frágil de superioridad clínica, una conclusión que solo se hizo visible porque la síntesis separó el tamaño del efecto de la certeza. Entrega al equipo de economía una estimación de efecto relativo con incertidumbre explícita, para convertirla en un coste por evento evitado (véase el Tema 2.1 — Evaluación Económica), y encarga una actualización viva: si un gran ensayo pragmático previsto en dos años desplaza un contraste especificado más allá de un margen acordado de antemano, la recomendación se reabre. El razonamiento causal de estudio único dentro de cada ensayo —si su propia estimación de efecto es digna de confianza— corresponde al Tema 2.3 — Econometría de la Salud; el trabajo de este comité fue agruparlos bien.

Cuatro perspectivas sectoriales

Startup

Una startup de salud digital o de dispositivos rara vez encarga una revisión sistemática completa, pero se encuentra la síntesis desde el otro lado: como la parte cuyo único estudio prometedor debe sobrevivir a la síntesis de un organismo de ETS sobre el campo más amplio. La tentación es apoyarse en un ensayo favorecedor y una revisión narrativa de artículos de apoyo cuidadosamente seleccionados, lo que un evaluador serio verá de inmediato. El movimiento más prudente es mapear la base de evidencia existente con honestidad y pronto, de modo que la startup sepa dónde se sitúa su producto en la jerarquía y qué comparación exigirá un pagador. Una pequeña empresa que presenta su evidencia en el contexto de una síntesis justa, y es franca sobre la certeza de sus propios datos, gana más credibilidad que una que sobrevende un resultado aislado.

Pequeña empresa

Un proveedor pequeño pero ya establecido —un grupo de consulta, una clínica especializada única, un proveedor modesto de dispositivos o diagnóstico— no tiene ni el volumen del empuje de evidencia respaldado por inversores de una startup ni el equipo de síntesis de una gran empresa, y sin embargo aun así debe leer las síntesis lo bastante bien como para tomar decisiones de estado estable. Su tarea realista es de consumo, no de producción: leer la calificación de certeza de una guía, comprobar si la población de una revisión se parece a los pacientes que realmente trata, y advertir cuándo la evidencia detrás de un hábito de compra o derivación se ha quedado silenciosamente rancia. La trampa es deferir por completo al paquete de evidencia cuidadosamente seleccionado de un proveedor o a un único ensayo memorable, porque la consulta carece del tiempo para valorar el campo más amplio. El movimiento proporcionado es apoyarse en las síntesis que ya mantienen organismos de confianza —Cochrane, las agencias nacionales de ETS, las guías de sociedades profesionales—, tratar sus calificaciones de certeza GRADE como el titular, y hacer una pregunta disciplinada a cualquier afirmación de un proveedor: ¿dónde se sitúa esto frente a la revisión sistemática, y cuán actual es?

Gran empresa

Un gran fabricante, grupo de proveedores, o aseguradora ejecuta la síntesis como una capacidad industrial: equipos dedicados de síntesis de evidencia e investigación de resultados en economía de la salud que producen revisiones sistemáticas y metaanálisis en red para respaldar presentaciones en muchas jurisdicciones. La fortaleza es la profundidad metodológica y la capacidad de construir un metaanálisis en red que abarque cada comparador relevante; el riesgo es que la misma capacidad pueda usarse para producir una revisión diseñada para favorecer el producto del patrocinador —mediante una búsqueda estrecha, una elección de modelo conveniente, o exclusiones silenciosas. La credibilidad de la gran empresa depende de registrar protocolos, seguir PRISMA, presentar análisis reproducibles, e invitar la replicación independiente que los organismos de ETS exigen cada vez más. La gran empresa madura trata una síntesis transparente que muestra incertidumbre genuina como más duradera que una pulida que un revisor puede desmontar.

Gobierno

Un ministerio, un pagador nacional, o un organismo de ETS es el principal consumidor y árbitro de las síntesis, y su disciplina es exigirlas y llevarlas a cabo según un estándar publicado. Organismos como el NICE, el IQWiG, y los paneles de guías de la OMS construyen recomendaciones sobre revisiones sistemáticas y califican la certeza de la evidencia con GRADE precisamente para que las decisiones sean defendibles y reproducibles en lugar de capturadas por la presentación más persuasiva. El gobierno también carga con responsabilidades que los demás sectores no tienen: mantener la infraestructura —registros de ensayos, colaboraciones de revisión, guías de métodos— que hace posible una síntesis honesta, y mantener vivas las revisiones de alto riesgo para que la guía nacional no se quede rezagada frente a la ciencia. La rendición de cuentas por lo que una síntesis deja fuera, y por los pacientes afectados por una estimación agrupada equivocada, recae en última instancia aquí.

Modos de fallo habituales

• La revisión narrativa disfrazada de evidencia. Una lectura de la literatura cuidadosamente seleccionada y no sistemática presentada con la autoridad de una síntesis. Solución: exija un protocolo registrado, una estrategia de búsqueda explícita, e informe al estilo PRISMA antes de confiar en cualquier «revisión».

• Agrupar estudios incomparables. Calcular una media precisa entre ensayos con poblaciones, dosis, o diseños distintos, produciendo una cifra que no describe a ningún paciente real. Solución: evalúe primero la heterogeneidad clínica y metodológica, y use una síntesis narrativa estructurada cuando agrupar no esté justificado.

• Ignorar los estudios que nunca se publicaron. Buscar solo en un par de bases de datos y solo en revistas, de modo que los estudios negativos ausentes inflan el efecto. Solución: busque en registros, reguladores, y literatura gris, busque datos no publicados, y detecte explícitamente el sesgo de publicación.

• Promediar hasta que desaparece la heterogeneidad. Informar de una única estimación agrupada mientras se suprime el hecho de que los estudios discrepan fuertemente. Solución: investigue la divergencia con análisis de subgrupos y metarregresión preespecificados, e informe de la variación, no solo de la media.

• Tratar la inclusión como respaldo. Ponderar por igual estudios débiles y fuertes, blanqueando el sesgo hasta convertirlo en una media de aspecto autorizado. Solución: valore el riesgo de sesgo en cada estudio y ejecute el análisis excluyendo los de alto riesgo.

• Confundir el tamaño del efecto con la certeza. Actuar sobre un efecto grande de evidencia de baja certeza como si estuviera zanjado. Solución: califique la certeza por resultado con GRADE y deje que ella, no solo la estimación puntual, gobierne la decisión.

• Comparación indirecta no comprobada. Construir un metaanálisis en red sin probar la transitividad ni la consistencia, de modo que un resultado indirecto descansa sobre ensayos incomparables. Solución: muestre la red, pruebe los supuestos, y marque las cadenas indirectas endebles como de baja certeza.

• La síntesis rancia. Anclar una decisión a una revisión cuya búsqueda se cerró hace años en un campo que ha avanzado. Solución: indique la fecha de vigencia, compruebe qué ha aparecido desde entonces, y mantenga vivas las revisiones volátiles de alto riesgo.

Modelo de madurez

Lista de comprobación

• Se confirma que se registró un protocolo antes de la búsqueda, con la pregunta, los resultados, y el plan de análisis preespecificados.
• Se comprueba que la búsqueda cubrió múltiples bases de datos, registros de ensayos, y literatura gris, no solo revistas.
• Se verifica que cada estudio incluido se valoró por riesgo de sesgo, y que los estudios de alto riesgo se probaron en un análisis de sensibilidad.
• Se establece que los estudios son lo bastante similares como para agrupar; si no, se espera una síntesis narrativa estructurada en lugar de una única cifra.
• Se anota si se usó un modelo de efectos fijos o aleatorios y por qué, y si la conclusión sobrevive a la alternativa.
• Se pregunta cómo se investigó la heterogeneidad, y si los análisis de subgrupos se preespecificaron o fueron a posteriori.
• Se busca una comprobación explícita de sesgo de publicación (comparación de registros, gráfico de embudo) y se lee un resultado positivo como un límite superior.
• Para decisiones con múltiples comparadores, se confirma que cualquier metaanálisis en red mostró su red y probó la transitividad y la consistencia.
• Se exige una calificación de certeza GRADE (o equivalente) para cada resultado que importe, separada del tamaño del efecto.
• Se confirma que la síntesis se informa de forma reproducible (PRISMA), con la búsqueda, las exclusiones, y los datos agrupados disponibles.
• Se registra la fecha de vigencia y qué nuevo hallazgo reabriría la decisión.
• Se alinea cada insumo sintetizado con el modelo y la evaluación que alimenta, documentando de dónde vino cada insumo distinto.

Key sources

• Cochrane, Cochrane Handbook for Systematic Reviews of Interventions (eds. Higgins, Thomas et al.) — the international standard manual for systematic-review and meta-analysis methods.
• PRISMA Statement (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) — the reporting standard for systematic reviews and meta-analyses — https://www.prisma-statement.org
• GRADE Working Group — the framework for rating certainty of evidence and strength of recommendations — https://www.gradeworkinggroup.org
• NICE Decision Support Unit Technical Support Documents on evidence synthesis and network meta-analysis — methods guidance used in health technology assessment — https://www.sheffield.ac.uk/nice-dsu
• WHO Handbook for Guideline Development — how the World Health Organization uses systematic review and GRADE in global guidelines — https://www.who.int
• Cochrane and the international living-evidence collaborations — reference practice for keeping high-stakes syntheses current.

References

1. Systematic review — Wikipedia — https://en.wikipedia.org/wiki/Systematic_review
2. Meta-analysis — Wikipedia — https://en.wikipedia.org/wiki/Meta-analysis
3. Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) — Wikipedia — https://en.wikipedia.org/wiki/Preferred_Reporting_Items_for_Systematic_Reviews_and_Meta-Analyses
4. Forest plot — Wikipedia — https://en.wikipedia.org/wiki/Forest_plot
5. Random effects model — Wikipedia — https://en.wikipedia.org/wiki/Random_effects_model
6. Heterogeneity (statistics) — Wikipedia — https://en.wikipedia.org/wiki/Heterogeneity_(statistics)
7. Hierarchy of evidence — Wikipedia — https://en.wikipedia.org/wiki/Hierarchy_of_evidence
8. GRADE approach — Wikipedia — https://en.wikipedia.org/wiki/GRADE_approach
9. Network meta-analysis — Wikipedia — https://en.wikipedia.org/wiki/Network_meta-analysis
10. Publication bias — Wikipedia — https://en.wikipedia.org/wiki/Publication_bias
11. Grey literature — Wikipedia — https://en.wikipedia.org/wiki/Grey_literature
12. Cochrane (organisation) — Wikipedia — https://en.wikipedia.org/wiki/Cochrane_(organisation)
13. Cochrane Handbook for Systematic Reviews of Interventions — Cochrane — https://training.cochrane.org/handbook
14. PRISMA Statement — PRISMA — https://www.prisma-statement.org
15. GRADE Working Group — https://www.gradeworkinggroup.org