Un diagrama de bosque , también conocido como blobbogram, es una visualización gráfica de los resultados estimados de una serie de estudios científicos que abordan la misma pregunta, junto con los resultados generales. [1] Fue desarrollado para su uso en investigaciones médicas como un medio para representar gráficamente un metanálisis de los resultados de ensayos controlados aleatorios . En los últimos veinte años, se han aplicado técnicas metaanalíticas similares en estudios observacionales (por ejemplo, epidemiología ambiental ) y también se utilizan a menudo diagramas forestales para presentar los resultados de dichos estudios.
Aunque los diagramas de bosque pueden adoptar varias formas, normalmente se presentan con dos columnas. La columna de la izquierda enumera los nombres de los estudios (frecuentemente ensayos controlados aleatorios o estudios epidemiológicos ), comúnmente en orden cronológico de arriba hacia abajo. La columna de la derecha es un gráfico de la medida del efecto ( por ejemplo, un odds ratio ) para cada uno de estos estudios (a menudo representado por un cuadrado) que incorpora intervalos de confianza representados por líneas horizontales. El gráfico se puede trazar en una escala logarítmica natural cuando se utilizan odds ratios u otras medidas de efectos basadas en ratios, de modo que los intervalos de confianza sean simétricos con respecto a las medias de cada estudio y para garantizar que no se dé un énfasis excesivo a los odds ratios mayores que 1 cuando en comparación con los menores de 1. El área de cada cuadrado es proporcional al peso del estudio en el metanálisis. La medida general del efecto metanalizado a menudo se representa en el gráfico como una línea vertical discontinua. Esta medida del efecto metanalizada se representa comúnmente como un diamante, cuyos puntos laterales indican intervalos de confianza para esta estimación.
También se traza una línea vertical que no representa ningún efecto. Si los intervalos de confianza de los estudios individuales se superponen con esta línea, demuestra que, con el nivel de confianza dado, los tamaños de sus efectos no difieren de ningún efecto para el estudio individual. Lo mismo se aplica a la medida del efecto metanalizada: si los puntos del rombo se superponen a la línea sin efecto, no se puede decir que el resultado general del metaanálisis difiera de ningún efecto en el nivel de confianza dado.
Las parcelas forestales se remontan al menos a los años 1970. Un argumento se muestra en un libro de 1985 sobre metanálisis. [2] : 252 El primer uso impreso de la expresión "forest plot" puede ser en un resumen de un cartel en la reunión de la Sociedad de Ensayos Clínicos de Pittsburgh (EE.UU.) en mayo de 1996. [3] Una investigación informativa sobre el El origen de la noción "parcela forestal" se publicó en 2001. [4] El nombre hace referencia al bosque de líneas producidas. En septiembre de 1990, Richard Peto bromeó diciendo que la trama llevaba el nombre de un investigador del cáncer de mama llamado Pat Forrest y, como resultado, el nombre a veces se escribía " forrest plot ". [4]
Este blobbograma proviene de una revisión médica icónica ; muestra ensayos clínicos sobre el uso de corticosteroides para acelerar el desarrollo pulmonar en embarazos en los que es probable que el bebé nazca prematuramente . Mucho después de que hubo suficiente evidencia para demostrar que este tratamiento salvó la vida de los bebés, la evidencia no era ampliamente conocida y el tratamiento no se usaba ampliamente. Después de que una revisión sistemática diera a conocer mejor la evidencia, el tratamiento se utilizó más, evitando que miles de bebés prematuros murieran a causa del síndrome de dificultad respiratoria infantil . Sin embargo, cuando el tratamiento se implementó en países de ingresos bajos y medios, se descubrió que morían más bebés prematuros. Se cree que esto puede deberse al mayor riesgo de infección, que es más probable que mate a un bebé en lugares con atención médica de menor calidad. [5] La versión actual de la revisión médica afirma que hay "poca necesidad" de realizar más investigaciones sobre la utilidad del tratamiento en los países de mayores ingresos, pero se necesita más investigación sobre la mejor manera de tratar a las personas de menores ingresos y de mayor riesgo. madres y dosis óptima.
Los estudios incluidos en el metanálisis e incorporados al diagrama de bosque generalmente se identificarán en orden cronológico en el lado izquierdo por autor y fecha. No se le da importancia a la posición vertical asumida por un estudio en particular.
La parte del gráfico del diagrama de bosque estará en el lado derecho e indicará la diferencia media en efecto entre los grupos de prueba y control en los estudios. Una representación más precisa de los datos aparece en forma numérica en el texto de cada línea, mientras que una representación gráfica algo menos precisa aparece en forma de gráfico a la derecha. La línea vertical ( eje y ) indica que no hay efecto. La distancia horizontal de una caja desde el eje y demuestra la diferencia entre la prueba y el control (los datos experimentales con los datos de control restados) en relación con ningún efecto observable, también conocido como la magnitud del efecto experimental.
Las finas líneas horizontales (a veces denominadas bigotes) que emergen del cuadro indican la magnitud del intervalo de confianza . Cuanto más largas sean las líneas, más amplio será el intervalo de confianza y menos fiables serán los datos. Cuanto más cortas sean las líneas, más estrecho será el intervalo de confianza y más fiables serán los datos.
Si el cuadro o los bigotes del intervalo de confianza pasan por el eje y sin efecto, se dice que los datos del estudio son estadísticamente insignificantes .
La importancia de los datos del estudio, o potencia , está indicada por el peso (tamaño) de la caja. Los datos más significativos, como los de estudios con tamaños de muestra más grandes e intervalos de confianza más pequeños, se indican mediante un cuadro de mayor tamaño que los datos de estudios menos significativos, y contribuyen al resultado combinado en mayor grado.
El diagrama de bosque puede demostrar el grado en que los datos de múltiples estudios que observan el mismo efecto se superponen entre sí. Los resultados que no se superponen bien se denominan heterogéneos y se conocen como heterogeneidad de los datos; dichos datos son menos concluyentes. Si los resultados son similares entre varios estudios, se dice que los datos son homogéneos , y la tendencia es que estos datos sean más concluyentes.
La heterogeneidad está indicada por el I 2 . Una heterogeneidad inferior al 50% se denomina baja e indica un mayor grado de similitud entre los datos del estudio que un valor de I 2 superior al 50%, lo que indica una mayor disimilitud.