El metanálisis combinatorio ( CMA ) es el estudio del comportamiento de las propiedades estadísticas de combinaciones de estudios de un conjunto de datos metaanalíticos (normalmente en la investigación de ciencias sociales). En un artículo que desarrolla la noción de "gravedad" en el contexto del metanálisis, Travis Gee [1] propuso que los métodos jackknife aplicados al metanálisis en ese artículo podrían ampliarse para examinar todas las combinaciones posibles de estudios (cuando sea práctico). ) o subconjuntos aleatorios de estudios (donde la combinatoria de la situación la hacía computacionalmente inviable).
En el artículo original, [1] k objetos (estudios) se combinan k -1 a la vez ( estimación jackknife ), lo que da como resultado k estimaciones. Se observa que este es un caso especial del enfoque más general de CMA que calcula resultados para k estudios tomados 1, 2, 3... k − 1, k a la vez.
Cuando es computacionalmente factible obtener todas las combinaciones posibles, la distribución de estadísticas resultante se denomina "CMA exacta". Cuando el número de combinaciones posibles es prohibitivamente grande, se denomina "CMA aproximada".
CMA permite estudiar el comportamiento relativo de diferentes estadísticas en condiciones combinatorias. Esto difiere del enfoque estándar en el metanálisis de adoptar un único método y calcular un único resultado, y permite que se produzca una triangulación significativa, calculando diferentes índices para cada combinación y examinando si todos cuentan la misma historia.
Una implicación de esto es que cuando existen múltiples interceptaciones aleatorias, se minimizará la heterogeneidad dentro de ciertas combinaciones. Por lo tanto, CMA se puede utilizar como método de extracción de datos para identificar el número de intersecciones que pueden estar presentes en el conjunto de datos observando qué estudios están incluidos en los mínimos locales que se pueden obtener mediante recombinación.
Una implicación adicional de esto es que los argumentos sobre la inclusión o exclusión de estudios pueden ser discutibles cuando se tiene en cuenta la distribución de todos los resultados posibles. Una herramienta útil desarrollada por Gee (la referencia aparecerá cuando se publique) es el gráfico "PPES" (que significa "Probabilidad de tamaño del efecto positivo", asumiendo que las diferencias se escalan de manera que se desee una mayor en una dirección positiva). Para cada subconjunto de combinaciones, donde se toman estudios j = 1, 2, ... k − 1, k a la vez, se toma la proporción de resultados que muestran un tamaño del efecto positivo (ya sea que las ADM o las DME funcionarán), y esto se traza contra j . Esto se puede adaptar a un gráfico "PMES" (que significa "Probabilidad de tamaño mínimo del efecto"), donde la proporción de estudios que exceden algún tamaño mínimo del efecto (p. ej., DME = 0,10) se toma para cada valor de j = 1, 2. , ... k - 1, k . Cuando hay un efecto claro, este gráfico debería tener una asíntota cercana a 1,0 con bastante rapidez. Con esto, es posible entonces que, por ejemplo, las disputas sobre la inclusión o exclusión de dos o tres estudios de una docena o más se enmarquen en el contexto de una trama que muestra un efecto claro para cualquier combinación de 7 o más. estudios.
También es posible mediante CMA examinar la relación de las covariables con los tamaños del efecto. Por ejemplo, si se sospecha que la financiación de la industria es una fuente de sesgo, entonces la proporción de estudios en un subconjunto determinado que fueron financiados por la industria se puede calcular y representar gráficamente directamente contra la estimación del tamaño del efecto. Si la edad promedio en los diversos estudios fue bastante variable, entonces se puede obtener la media de estas medias entre los estudios en una combinación dada y trazarla de manera similar.
El software original de Gee para realizar metanálisis combinatorio y jackknife se basó en macros metaanalíticas más antiguas escritas en el lenguaje de programación SAS. Fue la base de un informe en el ámbito del tratamiento de la artritis. [2] Si bien este software se compartió informalmente con colegas, no se publicó. Un metanálisis posterior aplicó el concepto en el contexto del tratamiento de la diarrea. [3]
Algunos años más tarde se aplicó un método jackknife a los datos metanalíticos [4] , pero no parece que se haya desarrollado software especializado para la tarea. Otros comentaristas también han pedido métodos relacionados, [5] aparentemente sin conocimiento del trabajo original. Un trabajo más reciente realizado por un equipo de portabilidad de software en la Universidad de Brown [6] ha implementado el concepto en STATA. [7]
CMA no resuelve el problema del metanálisis de "basura que entra, basura que sale". Sin embargo, cuando un crítico considera que una clase de estudios es basura, ofrece una forma de examinar hasta qué punto esos estudios pueden haber cambiado un resultado. De manera similar, no ofrece ninguna solución directa al problema de qué método elegir para la combinación o ponderación. Lo que sí ofrece, como se señaló anteriormente, es la triangulación, donde se pueden obtener acuerdos entre métodos y comprender los desacuerdos entre métodos en toda la gama de posibles combinaciones de estudios.