Resumen de Advances in the study of heterogeneity in Meta-Analysis
La heterogeneidad en metaanálisis se entiende como la variabilidad encontrada en la distribución paramétrica a la que pertenecen los efectos estimados por un grupo de estudios y es, por tanto, tan importante como el tamaño del efecto total para comprender la pregunta de investigación. El parámetro de heterogeneidad también está implicado en el proceso de estimación del efecto total, el cálculo de sus intervalos de confianza y predicción, así como de índices como I2. Además, la estimación del parámetro de heterogeneidad es crucial, ya que una heterogeneidad positiva suele dar lugar a análisis adicionales destinados a explicar las fuentes de dicha heterogeneidad. Esta tesis presenta nuevos avances en el estudio estadístico de la heterogeneidad en metaanálisis y consta de dos estudios, cada uno con objetivos diferentes.
El primer estudio examina cómo se comportan los estimadores puntuales del parámetro de heterogeneidad más conocidos, así como algunos más novedosos, cuando no se cumple el supuesto de normalidad subyacente a la población de efectos verdaderos en un modelo de efectos aleatorios. En concreto, se trata de un estudio de simulación Monte Carlo que compara 21 procedimientos frecuentistas y 24 bayesianos en términos de sesgo absoluto, varianza de muestreo, y error cuadrático medio en meta-análisis de diferencias de medias estandarizadas que presentan diversos grados de desviación de la normalidad de los efectos aleatorios. Asimismo, se pone a disposición de los meta-analistas aplicados la función tau2() en R para que puedan actuar con cautela en la interpretación de los resultados obtenidos a partir de un modelo de efectos aleatorios.
El último estudio continúa con el tratamiento estadístico de la heterogeneidad, pero en lugar de desde una perspectiva de estimación como el primer estudio, este segundo estudio se centra en la predicción del parámetro de heterogeneidad. Los modelos de localización y escala se han extendido recientemente al campo del meta-análisis, permitiendo estudiar simultáneamente el efecto de variables predictoras sobre la media y la varianza de la distribución de los efectos verdaderos. Sin embargo, la mayor complejidad de estos modelos puede dificultar su ajuste y aún no se han examinado las propiedades estadísticas de los procedimientos implicados. El segundo estudio es una simulación Monte Carlo cuyo objetivo es comparar los métodos de estimación, las pruebas de significación, y los intervalos de confianza disponibles para los coeficientes de escala de dichos modelos en un contexto meta-analítico, así como examinar las tasas de no convergencia de algunos de estos procedimientos que pueden afectar al ajuste de los modelos especificados
