Por: Camilo Castañeda
MD, Neurólogo
Director de proyectos
Neuroeconomix
Las evaluaciones económicas, como elementos de investigación y de producción de conocimiento, ofrecen muchas ventajas. La primera es su aplicabilidad inmediata. No se trata de ciencia básica que engruese el conocimiento del universo, ni de teorización abstracta que cambie el propósito de la humanidad.
La farmacoeconomía es eminentemente pragmática, y se convierte, por ende, en la mejor herramienta disponible para tomar decisiones acertadas en todas las intervenciones cotidianas de los sistemas de salud. A esa aplicabilidad se añade el hecho de que los análisis farmacoeconómicos deben adaptarse a cada entorno local. Mucha de la investigación científica es universal; esta no. Aquí no es inadecuado, como puede ocurrir en otras disciplinas, replicar estudios hechos en otros lugares.
Una ventaja adicional de la investigación en decisiones en salud es que no requiere una gran inversión en tecnología. No hay complicados equipos de laboratorio, ni animales de experimentación, ni recolección de datos en laboriosos trabajos de campo, ni siquiera se requiere software de alto costo. Al basarse en datos previamente recogidos, esta disciplina no implica intervenciones directas sobre pacientes, ni consentimientos informados, ni tiene las implicaciones éticas de los estudios clínicos. Los únicos recursos necesarios son gente capacitada, tiempo, y acceso a información.
Así que la investigación en farmacoeconomía cumple con el criterio de poder producir publicaciones en muchos campos de las ciencias de la salud, contribuyendo a esa necesidad de las universidades y centros de investigación de mostrar su producción intelectual, al tiempo que ayuda a los sistemas de salud a tomar decisiones eficientes. Dos pájaros, un solo tiro.
Por: Diana González-Bravo
MD, Epidemiólogo
Investigador MBE
Neuroeconomix
Previamente hemos abordado qué es un metanálisis, para qué sirve y su utilidad dentro de la farmacoeconomía, la medicina basada en la evidencia y en particular la evaluación de tecnologías en salud. Sin embargo, existen más aproximaciones para comparar dos o más intervenciones que requieran múltiples comparaciones. Una de ellas es el metanálisis en red. Así como el metanálisis clásico, el metanálisis en red es un método estadístico que permite la comparación de tecnologías en salud de manera directa o indirecta o mixta. A continuación le ofrecemos un resumen con aquellos conceptos a tener en cuenta para comprender un metanálisis en red.
El metanálisis es una técnica estadística que combina resultados provenientes de una revisión sistemática de la literatura, con el fin de sintetizar y analizar la información y la evidencia acerca de un tema específico, partiendo de una pregunta de investigación (Metanálisis ¿qué es y para qué sirve?). Así como una red de contactos permite la comunicación entre una o varias personas mediante una conexión común, el metanálisis en red (NMA por sus siglas en inglés) permite la comparación de 2 o más intervenciones mediante comparaciones directas, indirectas o mixtas. De la misma manera, esta metodología permite jerarquizar las intervenciones y evaluar la calidad de la evidencia a la luz de propiedades clave como la consistencia, la heterogeneidad y la transitividad, que se explican adelante.
Un clásico ejemplo para la compresión de un metanálisis en red es el siguiente:
Consideremos 3 tecnologías en salud (A, B, C) y se desea compararlas entre ellas. Sin embargo, solo disponemos de evidencia directa entre las tecnologías A y B las tecnologías A y C.
Mediante la técnica estadística de metanálisis en red puedo comparar las tecnologías B y C, a través de su comparador común que es la tecnología A, esto es una comparación indirecta. Adicionalmente, se pueden combinar las comparaciones directas e indirectas para estimar un único efecto entre todas las intervenciones, lo que se le denomina comparaciones mixtas.
Geometría de la red
La geometría de la red consiste en la representación gráfica de las comparaciones en nodos y conexiones, como se explica a continuación:
- Los NMA se alimentan de la evidencia de ensayos clínicos que hayan comparado directamente intervenciones de interés.
- Cada círculo o nodo, como se denomina en esta técnica estadística, representa el total de la población bajo una intervención. Estos nodos tienen diferentes tamaños, lo que indica la cantidad de la población incluida.
- Cada línea que conecta los nodos indica la comparación de las intervenciones y el grosor de la línea significa la cantidad de estudios disponibles para cada comparación.
En el siguiente gráfico podemos ver de forma ilustrada los conceptos enunciados:
- Comparación directa: estimación del efecto entre dos tratamientos comparándolos entre ellos, basados en múltiples ensayos clínicos. Por ejemplo, como ilustra el gráfico anterior, la comparación entre tratamientos A y B y tratamientos A y C.
- Comparación indirecta: estimación del efecto entre dos tratamientos, sin que estén directamente comparados entre ellos, basados en múltiples ensayos clínicos que tienen algún comparador común. Por ejemplo, en el gráfico anterior, la comparación entre tratamientos B y C.
- Comparación de tratamiento mixto: estimación simultánea del efecto de tres o más tratamientos, utilizando la evidencia directa e indirecta de las comparaciones. Por ejemplo, la suma de efectos de A, B y C simultáneamente (gráfico).
Propiedades de los NMA
Los metanálisis en red requieren de ciertas propiedades y aproximaciones al análisis que se deben tener en cuenta:
- Heterogeneidad: se refiere a la variabilidad observada del efecto entre las comparaciones. La ausencia de esta propiedad se denomina homogeneidad.
- Transitividad: consiste en la posibilidad de hacer comparaciones entre las tecnologías, por ejemplo en el gráfico previo A y C, C y D y A y D a través del comparador común (tratamiento C).
- Consistencia: hace referencia a la coherencia de los efectos en las intervenciones en comparación. Es decir, no deben existir discrepancias entre el efecto de los tratamientos entre las comparaciones directas (A y C, C y D en el gráfico) e indirectas (A y D en el gráfico). La ausencia de esta propiedad indica desacuerdo entre los efectos y se denomina
Finalmente, hay dos tipos de aproximación estadística para la realización del metanálisis en red:
- Análisis frecuentista: es un enfoque de análisis estadístico que como característica solo utiliza la información obtenida del análisis para la inferencia estadística.
- Análisis bayesiano: por otro lado, este análisis es un enfoque estadístico, que adicionalmente a la información del análisis frecuentista, utiliza observaciones o información previa para ser analizada y así inferir la probabilidad de un evento.
Esta técnica tiene sus bemoles. Por ejemplo, si hay diferencias muy grandes entre estudios, puede subestimarse o sobrestimarse el efecto. Por otro lado, dado que el sustrato para un metanálisis en red es una revisión sistemática, la calidad de este resultado depende de la calidad de la evidencia con la cual se alimentó el análisis. Finalmente, no es deseable en la interpretación de un metanálisis en red enfocarse solo en los resultados. Es importante entender las comparaciones, de dónde sale la evidencia que alimenta la red y tener en cuenta los conceptos clave de un metanálisis en red para interpretar de manera más fácil y certera los resultados obtenidos.
Quizás le pueda interesar:
De manera complementaria y como ejemplo, Cochrane Training brinda a los investigadores un resumen acerca de metanálisis, acceda aquí al video:
https://training.cochrane.org/online-learning/cochrane-methodology/network-meta-analysis-nma
La red europea para la evaluación de tecnología de la salud (EUnetHTA, por sus siglas en inglés) tiene un documento interesante y completo donde presenta una guía clara de los métodos disponibles para comparaciones de tratamientos, como el metanálisis en red (descarga)
ISPOR presenta una lista de verificación de buenas prácticas de investigación para realizar e informar estudios de metanálisis de red (descarga)
Otras entradas de blog:
Metanálisis ¿qué es y para qué sirve?
Data mining IICochrane training. Acceso 05-09-18. Disponible en: https://training.cochrane.org/online-learning/cochrane-methodology/network-meta-analysis-nma
Barrett A, Hawkins N, et al. Interpreting indirect treatment comparisons and network meta-analysis for health-care decision making: Report of the ISPOR task force on indirect treatment comparisons good research practices: Part 1. Value Health. 2011;14:417-28
European network for health technology assessment. Comparators and comparisons-direct and indirect comparisons. Copenhagen: EUnetHTA; 2013
Catalá-López F, Tobías A, Roqué M. Conceptos básicos del metaanálisis en red. Atención Primaria. 2014;46(10):573-581
