018-24-G3-U7-Metaanálisis de proporciones

diplomado en revisiones sistemáticas y metaanálisis.

diseño, elaboración e interpretación

Unidad 7. Análisis estadístico de los datos

Metaanálisis de Proporciones

Dr. Juan Rodrigo Gómez Bernal

Empezar

Metaanálisis de Proporciones

Un metaanálisis de proporciones se utiliza cuando se desea combinar datos de proporciones de varios estudios para obtener una estimación global.

Forest Plot

Es una representación gráfica comúnmente utilizada en estos análisis, donde cada estudio individual tiene su propio estimado puntual y un intervalo de confianza, el estimado global se representa como una línea o diamante en la gráfica.

Ejemplo

Resultados

Un grupo de investigación tiene interés en observar cuál ha sido la satisfacción laboral de los empleados en varias empresas tras la aprobación e implementación de la normatividad en riesgos psicosociales. Algunas empresas reportan los resultados presentrados a la derecha:

• La empresa A reporta que los empleados satisfechos con la nueva organización del trabajo es del 70% en un total de 200 empleados.

• La empresa B reporta una satisfacción del 65% en 150 empleados.

• La empresa C reporta un 80% de satisfacción en 300 empleados encuestados.

• La empresa D reporta un 75% de satisfacción en 250 trabajadores.

• La empresa E reporta un 60% de satisfacción en 180 trabajadores encuestados.

Como puedes observar los estudios reportan proporciones. Una proporción es una medida estadística que representa la fracción o el porcentaje de un conjunto total que cumple con una característica específica. Matemáticamente, la proporción se calcula dividiendo el número de elementos que tienen la característica de interés entre el número total de elementos del conjunto.

Fórmula de la Proporción

Ejemplo: Si la Empresa A reporta 140 empleados satisfechos de 200. La proporción sería:

Normalmente las proporciones de manera estadística se reportan como fracción (0.60), pero para su comprensión en un texto informativo se convierten en %. Esto se logra multiplicando por 100 la fracción:

Prevalencia

Es una medida utilizada en las ciencias de la salud (epidemiología) que describe la proporción de individuos en una población que presentan una característica a estudiar (enfermedad, evento, etc) o una condición específica en un momento determinado o durante un período específico. La prevalencia proporciona una estimación de la frecuencia de una enfermedad o condición dentro de una población.

La fórmula típica de una prevalencia se calcula de la siguiente forma:

Si lo anterior lo aplicamos a nuestro ejemplo de la Empresa A:

Principales diferencias con los metaanálisis de datos agrupados

No existe una medida de “NO EFECTO”

Existe una medida de “NO EFECTO”

La medida de efecto global estima una medida de asociación o de diferencia. (A favor o en contra de una intervención o un factor).

La medida de efecto global estima la proporción general o prevalencia general.

Partes típicas del metaanálisis de proporciones

Consideraciones clave del modelo y método en el metaanálisis

Consideraciones

Método

Modelo de metaanálisis

Es estándar en metaanálisis, pero no debe usarse para proporciones cercanas a 0 o 1, debido a estimaciones inexactas. Considerar proporciones cercanas a 0 si son <0.1 y a 1 si son >0.9.

Modelo de efectos Fijos (baja heterogeneidad) Modelo de efectos Aleatorios (heterogeneidad)

Inverso de la Varianza

Este es el método estándar para modelos de efectos aleatorios, que incorpora la heterogeneidad entre estudios y se usa comúnmente en metaanálisis con variación entre ellos.

DerSimonian-Laird

Modelo de Efectos Aleatorios

Usar para calcular un estimado combinado. Funciona bien cuando hay baja heterogeneidad y eventos raros.

Mantel-Haenzel

Modelo de Efectos Fijos

El método de Peto es un enfoque alternativo para realizar el metaanálisis. Es más adecuado cuando las proporciones son muy pequeñas y las muestras grandes

Peto

Modelo de Efectos Fijos

DerSimonian-Laird

Generalized Linear Mixed Model (GLMM)

El modelo de efectos mixtos generalizados es útil para proporciones cercanas a 0 o 1, ya que modela el evento como una variable binomial.

Modelo de Efectos Aleatorios

TIP

Gracias por su atención

55 31 19 83 55

iefpi.com.mx

55 31 19 83 55

Esto se interpreta de la siguiente manera:

• Un 60% de los empleados en la Empresa A se encuentran satisfechos con el nuevo sistema de organización del trabajo.

Las proporciones solo pueden tomar valores de 0 a 1 o lo que equivale a decir de 0% a 100%. ¡Cuidado! Algunos estudios darán un reporte de algo llamado PREVALENCIA.

Importante

Tip

Ante la duda siempre usar un modelo de inverso de la varianza y dependiendo de la presencia de heterogeneidad usar un modelos de:

• Efectos Fijos (no existe o baja heterogeneidad)
• Aleatorios (existe heterogeneidad).

La única diferencia entre una prevalencia y una proporción es la TEMPORALIDAD. Cuando hablamos de prevalencia tenemos que denotar el período en el que se realizó el análisis.Ejemplo:

• La prevalencia de satisfacción de empleados en la Empresa A en el periodo mayo-2024 a agosto-2024 es del 60%.

Metaanálisis de proporciones

A diferencia de los metaanálisis que hemos realizado (de datos agrupados) encontraremos diversas diferencias con respecto a los de proporciones o prevalencias.

Partes típicas del metaanálisis de proporciones