Escrito por: Joshuan J. Barboza – Docente Investigador de la Universidad Señor de Sipán

---

Un marco académico integral para la práctica contemporánea de la síntesis de evidencia

---

Resumen

La revisión sistemática (RS) constituye el diseño metodológico de referencia para la síntesis estructurada de la evidencia científica. Su propósito no es compilar literatura, sino responder preguntas claramente formuladas mediante procedimientos explícitos, reproducibles y predefinidos que minimicen el sesgo y maximicen la validez inferencial. Este informe desarrolla un marco conceptual y operativo de la revisión sistemática, diferenciándola de la revisión narrativa, explicando su proceso paso a paso, el registro en PROSPERO, la relación con el metaanálisis, los distintos tipos de revisiones, el número mínimo de estudios, su papel en la toma de decisiones clínicas y de políticas públicas, su aplicabilidad fuera de la medicina y la integración de inteligencia artificial en cada fase metodológica. Se presenta como un documento de referencia académica para investigadores, docentes y tomadores de decisiones.

---

1. Introducción: la revisión sistemática como estudio secundario de alta complejidad

La revisión sistemática es un estudio secundario cuyo objeto no son los individuos, sino los estudios primarios. Desde el punto de vista epistemológico, constituye un mecanismo de integración crítica del conocimiento acumulado en un marco metodológico explícito. Su valor radica en tres principios estructurales: la transparencia, la reproducibilidad y el control del sesgo.

En esencia, la revisión sistemática se define como el estudio secundario que sintetiza la evidencia científica y responde a una pregunta de investigación específica.

A diferencia de la revisión tradicional, cuyo énfasis puede ser conceptual o interpretativo, la revisión sistemática está diseñada para responder una pregunta delimitada mediante procedimientos a priori que reducen la discrecionalidad del investigador. Esta arquitectura metodológica la convierte en una herramienta central para la medicina basada en la evidencia, la formulación de guías clínicas, la evaluación de tecnologías sanitarias y, de forma creciente, la investigación en ciencias sociales, educación, economía y ciencias ambientales.

---

2. ¿Qué es y qué no es una revisión sistemática?

2.1 Definición operativa

Una revisión sistemática es un estudio que:

1. Formula una pregunta específica.
2. Define criterios explícitos de elegibilidad.
3. Realiza una búsqueda exhaustiva y reproducible.
4. Selecciona estudios mediante procedimientos transparentes.
5. Evalúa críticamente el riesgo de sesgo.
6. Sintetiza los hallazgos cualitativos y/o cuantitativos.
7. Reporta los resultados siguiendo estándares internacionales (por ejemplo, PRISMA 2020).

2.2 Qué no es

No constituye una revisión sistemática:

• Un artículo de revisión sin estrategia de búsqueda documentada.
• Una revisión basada en la selección subjetiva de estudios.
• Un ensayo académico que discute la literatura sin criterios explícitos.
• Una síntesis que omite la evaluación del riesgo de sesgo.

2.3 Diferencias con un artículo de revisión narrativa

Característica	Revisión sistemática	Revisión narrativa
Pregunta estructurada	Sí	Variable
Estrategia de búsqueda reproducible	Sí	Generalmente no
Evaluación formal de riesgo de sesgo	Sí	Rara vez
Criterios de inclusión explícitos	Sí	Habitualmente implícitos
Meta-análisis posible	Sí	No estructurado
Orientación a decisión	Alta	Variable

La revisión narrativa puede ser valiosa en el análisis conceptual o histórico, pero no pretende ofrecer estimaciones cuantitativas ni juicios estructurados de certeza.

---

3. Proceso metodológico paso a paso

3.1 Formulación de la pregunta

La formulación de la pregunta constituye el eje arquitectónico de toda revisión sistemática. No se trata únicamente de enunciar un interés temático, sino de estructurar una interrogante que determine con precisión los criterios de elegibilidad, la estrategia de búsqueda, la selección de estudios, la extracción de datos y el plan de síntesis. En términos metodológicos, la pregunta delimita el universo de evidencia potencial y establece el marco inferencial dentro del cual se interpretarán los resultados.

Un error frecuente en investigadores en formación consiste en utilizar indiscriminadamente el esquema PICO para cualquier tipo de revisión. Sin embargo, la estructura de la pregunta debe adaptarse al tipo de fenómeno que se desea estudiar y, por tanto, al diseño primario predominante. No es equivalente formular una pregunta sobre eficacia de una intervención que una sobre exactitud diagnóstica, prevalencia o factores pronósticos. Cada una requiere una arquitectura conceptual específica.

La correcta estructuración permite:

1. Definir claramente la unidad de análisis.
2. Identificar las variables relevantes.
3. Seleccionar el diseño primario más apropiado.
4. Anticipar las medidas de efecto.
5. Reducir ambigüedad metodológica.
6. Mejorar la coherencia entre pregunta, métodos y conclusiones.

A continuación se presentan las principales estructuras utilizadas en revisiones sistemáticas, organizadas según el diseño primario que responden.

---

Estructuras de formulación de preguntas según diseño primario

Tipo de revisión / fenómeno	Estructura recomendada	Componentes	Diseño primario predominante	Medidas de efecto habituales
Intervención / eficacia	PICO	Población, Intervención, Comparador, Outcome	Ensayos clínicos aleatorizados (ECA), y no aleatorizados	RR, OR, HR, MD, SMD
Etiología / factores de riesgo	PEO / PECOS	Población, Exposición, Comparador, Outcome, Study design	Cohortes, casos y controles	OR, RR, HR
Pronóstico	PICOTS	Población, Factor pronóstico, Comparador (opcional), Outcome, Timing, Setting	Cohortes prospectivas o retrospectivas	HR, OR, C-index
Exactitud diagnóstica	PIRD / PICO-D	Población, Index test, Reference standard, Diagnosis	Estudios de validación diagnóstica	Sensibilidad, especificidad, LR+, LR−, AUC
Prevalencia / incidencia	CoCoPop	Condition, Context, Population	Estudios transversales o registros poblacionales	Proporciones, tasas
Revisiones cualitativas	SPIDER	Sample, Phenomenon of Interest, Design, Evaluation, Research type	Estudios cualitativos	Síntesis temática
Evaluación económica	PICO-E	Población, Intervención, Comparador, Outcome económico	Estudios de costo-efectividad	ICER, costo por QALY
Implementación / políticas	PICo	Population, Interest, Context	Estudios mixtos, cualitativos	Resultados contextuales

3.2 Desarrollo del protocolo

El protocolo especifica:

• Objetivos.
• Estrategia de búsqueda.
• Criterios de elegibilidad.
• Selección de los estudios
• Extracción de datos
• Evaluación del riesgo de sesgo.
• Meta-análisis
• Evaluación de certeza de evidencia GRADE

El protocolo previene decisiones post hoc y fortalece la integridad metodológica.

3.3 Registro en PROSPERO

PROSPERO es el registro internacional de protocolos de revisiones sistemáticas en salud. Su finalidad es:

• Evitar duplicación innecesaria.
• Garantizar transparencia prospectiva.
• Permitir la comparación entre el protocolo y el manuscrito final.

El registro debe realizarse antes de iniciar la extracción de datos. Aunque no es legalmente obligatorio, constituye un estándar ético y metodológico ampliamente recomendado. En revisiones destinadas a la publicación internacional, el registro incrementa la credibilidad y la trazabilidad.

3.4 Estrategia de búsqueda

La estrategia de búsqueda constituye el componente metodológico que más determina la validez de la evidencia recuperada y, por extensión, la solidez de las conclusiones. Una revisión sistemática no puede aspirar a exhaustividad si su búsqueda es limitada, no reproducible o dependiente de decisiones implícitas. Por ello, el desarrollo de la búsqueda debe concebirse como un procedimiento técnico, transparente y auditable, cuyo objetivo es minimizar el sesgo de localización (failure to identify all eligible studies) y garantizar que el cuerpo de evidencia sintetizado represente, con la mayor completitud posible, el universo de estudios pertinentes.

En revisiones sistemáticas biomédicas, un estándar operacional mínimo ampliamente aceptado consiste en construir y ejecutar la estrategia, como mínimo, en PubMed/MEDLINE, Embase, Scopus y Web of Science, debido a que estas fuentes ofrecen coberturas parcialmente complementarias en términos de indexación, revistas incluidas, registros de conferencias y alcance interdisciplinario. En la práctica, la inclusión de estas cuatro bases reduce sustancialmente el riesgo de omitir estudios relevantes, especialmente cuando el tópico presenta dispersión temática, variabilidad terminológica o evidencia publicada fuera del eje clínico estricto.

Desde el punto de vista técnico, una búsqueda sistemática debe cumplir, al menos, con cinco propiedades centrales. Primero, debe apoyarse en múltiples bases de datos relevantes, adoptando como mínimo PubMed/MEDLINE, Embase, Scopus y Web of Science, y añadiendo bases complementarias según el tópico (por ejemplo, CENTRAL para ensayos clínicos, CINAHL para enfermería, PsycINFO para psicología). Segundo, debe combinar vocabulario controlado (por ejemplo, MeSH en PubMed y Emtree en Embase) con términos libres (palabras clave en título/resumen), con el fin de capturar tanto estudios correctamente indexados como literatura reciente aún no plenamente normalizada. Tercero, debe describir de manera explícita fechas de ejecución, rangos temporales, filtros aplicados y cualquier restricción (idioma, tipo de documento), evitando filtros metodológicos que comprometan la sensibilidad si no están justificados. Cuarto, debe documentar la sintaxis completa por base, ya que la reproducibilidad exige que un tercero pueda replicar la búsqueda y obtener resultados comparables. Quinto, debe sostener una exhaustividad justificada, entendida no como “buscar en todas partes”, sino como seleccionar fuentes y estrategias que, según el estado del arte, maximicen cobertura para la pregunta planteada y el diseño primario objetivo.

Finalmente, una estrategia de búsqueda rigurosa no se evalúa por su extensión, sino por su capacidad de recuperar de forma consistente la literatura elegible, manteniendo trazabilidad total entre: pregunta (PICO/estructura equivalente), términos utilizados, bases consultadas, fecha de búsqueda, deduplicación y conjunto final de registros cribados. Esta trazabilidad es indispensable para el reporte PRISMA y para la auditoría metodológica por revisores y lectores.

3.5 Selección de estudios

La selección de estudios representa una fase crítica en la arquitectura metodológica de la revisión sistemática, ya que constituye el punto de transición entre la recuperación amplia de registros y la conformación definitiva del cuerpo de evidencia que será analizado. Esta etapa debe ejecutarse bajo principios de independencia, transparencia y trazabilidad, con el fin de minimizar el sesgo de selección y garantizar la coherencia con los criterios de elegibilidad predefinidos en el protocolo.

El proceso se desarrolla en dos fases secuenciales. En la primera, se realiza el cribado de títulos y resúmenes, cuyo objetivo es descartar registros claramente irrelevantes según los criterios de inclusión y exclusión. Esta fase privilegia la sensibilidad, evitando excluir potenciales estudios elegibles por interpretación restrictiva prematura. En la segunda fase, se procede a la evaluación del texto completo, donde los artículos potencialmente elegibles son examinados de manera detallada para confirmar su inclusión definitiva o justificar su exclusión con una razón explícita.

Desde el punto de vista metodológico, idealmente esta etapa debe realizarse por dos revisores independientes, quienes aplican los criterios de elegibilidad de forma autónoma. La independencia inicial es esencial para reducir la influencia de sesgos individuales o interpretaciones subjetivas. Las discrepancias se resuelven mediante discusión y consenso; en caso de persistir desacuerdo, interviene un tercer evaluador que actúa como árbitro metodológico.

En la práctica contemporánea, este proceso se ejecuta con frecuencia mediante plataformas especializadas para la gestión de revisiones sistemáticas, siendo Rayyan una de las herramientas más utilizadas. Rayyan permite:

• Importar registros desde múltiples bases de datos.
• Realizar deduplicación.
• Aplicar decisiones ciegas entre revisores.
• Etiquetar razones de exclusión.
• Documentar discrepancias.
• Exportar decisiones finales para el diagrama de flujo PRISMA.

El uso de Rayyan no sustituye el juicio metodológico, pero optimiza la organización, la transparencia y la eficiencia del cribado, especialmente en revisiones con grandes volúmenes de registros. Además, facilita la documentación necesaria para reportar adecuadamente el proceso de selección en el manuscrito final, incluyendo el número de registros identificados, excluidos y las razones específicas de exclusión en la etapa de texto completo.

3.6 Extracción de datos

Se emplean formularios estandarizados que capturan:

• Características metodológicas.
• Características de la población.
• Detalles de intervención/exposición.
• Medidas de efecto.
• Intervalos de confianza.
• Pérdidas de seguimiento.

La doble extracción o verificación cruzada reduce los errores sistemáticos.

3.7 Evaluación del riesgo de sesgo

Dependiendo del diseño:La evaluación del riesgo de sesgo constituye uno de los pilares metodológicos de la revisión sistemática. No se trata de una etapa meramente descriptiva ni de una formalidad editorial, sino de un proceso crítico que permite estimar hasta qué punto los resultados de los estudios primarios pueden verse distorsionados por errores sistemáticos en su diseño, conducción, análisis o reporte.

El riesgo de sesgo debe distinguirse de la calidad metodológica global. Mientras que la “calidad” puede abarcar múltiples dimensiones (claridad del reporte, adecuación estadística, tamaño muestral), el riesgo de sesgo se centra específicamente en la posibilidad de que la estimación del efecto esté sistemáticamente desviada del valor verdadero. Esta distinción es crucial, ya que un estudio bien reportado puede presentar un alto riesgo de sesgo, mientras que un estudio con limitaciones en el reporte puede tener un bajo riesgo en dominios críticos.

La evaluación debe realizarse a nivel de desenlace cuando corresponda, y no exclusivamente a nivel de estudio, dado que distintos outcomes pueden estar expuestos a diferentes fuentes de sesgo dentro del mismo diseño primario.

3.7.1 Ensayos clínicos aleatorizados: RoB 2

Para ensayos clínicos aleatorizados, la herramienta recomendada es RoB 2 (Risk of Bias 2), desarrollada por el grupo Cochrane. Este instrumento evalúa cinco dominios fundamentales:

1. Sesgo derivado del proceso de aleatorización.
2. Sesgo por desviaciones en la intervención asignada.
3. Sesgo por datos incompletos del desenlace.
4. Sesgo en la medición del desenlace.
5. Sesgo en la selección del resultado reportado.

Cada dominio culmina en un juicio categórico (bajo riesgo, algunas preocupaciones o alto riesgo), que se integra en una valoración global por desenlace. La fortaleza de RoB 2 radica en su enfoque estructurado, basado en preguntas de señalización que guían el razonamiento evaluativo y reducen la subjetividad del evaluador.

Dado que los ensayos clínicos son el estándar para la inferencia causal en intervenciones, una evaluación incorrecta del riesgo de sesgo puede llevar a sobreestimar los beneficios o subestimar los daños.

3.7.2 Estudios no aleatorizados de intervenciones: ROBINS-I

Cuando la revisión incluye estudios no aleatorizados que evalúan intervenciones (por ejemplo, cohortes comparativas), la herramienta apropiada es ROBINS-I (Risk Of Bias In Non-randomized Studies of Interventions).

ROBINS-I evalúa siete dominios:

1. Sesgo por confusión.
2. Sesgo en la selección de participantes.
3. Sesgo en la clasificación de la intervención.
4. Sesgo por desviaciones en la intervención.
5. Sesgo por datos faltantes.
6. Sesgo en la medición del desenlace.
7. Sesgo en la selección del resultado reportado.

La evaluación se realiza comparando el estudio con un “ensayo clínico aleatorizado hipotético ideal”. Esta aproximación conceptual permite estimar hasta qué punto el diseño observacional se encuentra lejos del estándar causal.

ROBINS-I es metodológicamente exigente y requiere una comprensión profunda de la epidemiología clínica, particularmente en relación con la confusión residual y el sesgo de selección.

3.7.3 Estudios diagnósticos: QUADAS-2

Para revisiones de exactitud diagnóstica, la herramienta de referencia es QUADAS-2 (Quality Assessment of Diagnostic Accuracy Studies).

Evalúa cuatro dominios:

1. Selección de pacientes.
2. Prueba de índice.
3. Estándar de referencia.
4. Flujo y tiempo.

Cada dominio se evalúa en términos de riesgo de sesgo y de aplicabilidad. Esta doble dimensión es particularmente relevante en estudios diagnósticos, donde un test puede mostrar buena precisión interna, pero escasa aplicabilidad clínica si el espectro poblacional no refleja la práctica real.

En este contexto, la ausencia de cegamiento entre prueba índice y estándar de referencia puede inflar artificialmente la sensibilidad o la especificidad.

3.7.4 Estudios observacionales de exposición o etiología: Newcastle–Ottawa Scale y ROBINS-E

Para estudios observacionales clásicos (cohortes y casos y controles), históricamente se ha utilizado la Newcastle–Ottawa Scale (NOS), que evalúa tres grandes dimensiones:

1. Selección.
2. Comparabilidad.
3. Evaluación del desenlace/exposición.

La NOS asigna puntuaciones a los ítems, lo que facilita comparaciones entre estudios; sin embargo, su estructura basada en puntuaciones ha sido criticada por no captar adecuadamente la magnitud del sesgo.

Más recientemente, se ha desarrollado ROBINS-E (Risk Of Bias In Non-randomized Studies – of Exposures), orientado específicamente a estudios que evalúan exposiciones no intervenidas (por ejemplo, factores ambientales o conductuales). Este instrumento adapta el enfoque conceptual de ROBINS-I al ámbito etiológico y permite una evaluación más profunda de la confusión, la selección y la medición diferencial.

Integración del riesgo de sesgo en la síntesis

La evaluación del riesgo de sesgo no debe limitarse a la mera presentación de tablas descriptivas. Sus implicancias metodológicas incluyen:

• Realización de análisis de sensibilidad excluyendo estudios de alto riesgo.
• Interpretación cautelosa de estimaciones dominadas por estudios de alto riesgo.
• Contribución directa al juicio de certeza de la evidencia en el marco GRADE.
• Identificación de vacíos metodológicos para futuras investigaciones.

Cuando la mayoría de los estudios incluidos presenta un alto riesgo de sesgo, la conclusión de la revisión no puede sostener afirmaciones robustas, incluso si el metaanálisis muestra resultados estadísticamente significativos.

Consideraciones metodológicas transversales

• El juicio debe vincularse explícitamente con la interpretación final.

• La evaluación debe realizarse por al menos dos revisores independientes.

• Debe documentarse la justificación de cada juicio.

• La discrepancia debe resolverse mediante consenso o tercer evaluador.

3.8 Síntesis de resultados

La síntesis cuantitativa mediante meta-análisis constituye el procedimiento estadístico que permite integrar estimaciones provenientes de estudios primarios independientes para obtener una medida global del efecto. Su finalidad no es simplemente “promediar resultados”, sino estimar un parámetro poblacional subyacente considerando la variabilidad intraestudio (error aleatorio) y la variabilidad interestudio (heterogeneidad).

El meta-análisis debe ejecutarse bajo una arquitectura estadística coherente con la naturaleza del desenlace, el diseño primario incluido y el grado de heterogeneidad clínica y metodológica observada.

3.8.1 Modelos estadísticos fundamentales

1. Modelo de efectos fijos

Asume que todos los estudios estiman un único efecto común (θ). Las diferencias observadas se atribuyen exclusivamente al error muestral. El peso de cada estudio se asigna como el inverso de su varianza:$$w_i=\frac{1}{Var(\widehat{{\theta }_i})}$$

La estimación combinada es:$${\widehat{\theta }}_{FE}=\frac{\sum w_i\widehat{{\theta }_i}}{\sum w_i}$$

Este modelo es apropiado cuando la heterogeneidad es mínima y los estudios son clínicamente homogéneos.

---

2. Modelo de efectos aleatorios

Reconoce que los estudios pueden estimar diferentes efectos verdaderos distribuidos alrededor de una media global. Introduce un componente de varianza entre estudios (τ²):$$w_i^{\ast }=\frac{1}{Var(\widehat{{\theta }_i})+{\tau }^2}$$

La estimación combinada se calcula de forma análoga al modelo fijo, pero usando pesos ajustados.

El modelo de efectos aleatorios es el estándar en revisiones clínicas contemporáneas debido a la inevitable heterogeneidad entre poblaciones, intervenciones y contextos.

3.8.2 Estimación de la varianza entre estudios (τ²)

Existen múltiples estimadores de τ²:

• DerSimonian-Laird (DL)
• Restricted Maximum Likelihood (REML)
• Maximum Likelihood (ML)
• Paule-Mandel
• Sidik-Jonkman

El estimador DL ha sido ampliamente utilizado, pero tiende a subestimar τ² cuando el número de estudios es pequeño. REML y Paule-Mandel ofrecen mejor desempeño estadístico en contextos de heterogeneidad moderada o alta.

3.8.3 Medidas de efecto según tipo de desenlace

Desenlaces dicotómicos

• Risk Ratio (RR)
• Odds Ratio (OR)
• Hazard Ratio (HR)
• Risk Difference (RD)

Desenlaces continuos

• Mean Difference (MD)
• Standardized Mean Difference (SMD)

Desenlaces de tiempo a evento

• HR combinados mediante log(HR) y su error estándar

3.8.4 Métodos clásicos de combinación

Mantel-Haenszel

Adecuado para datos dicotómicos con bajo evento.

Inverse Variance

Aplicable a OR, RR, HR y MD cuando se dispone de error estándar.

Peto

Útil en eventos raros, aunque con limitaciones si hay desequilibrio entre grupos.

3.8.5 Intervalos de confianza y ajustes de varianza

El intervalo de confianza (IC) del efecto combinado se calcula como:$$\widehat{\theta }\pm Z_{\alpha \mathrm{/}2}\times SE(\widehat{\theta })$$En modelos de efectos aleatorios con pocos estudios, se recomienda el ajuste de Hartung–Knapp–Sidik–Jonkman (HKSJ), que proporciona estimaciones más conservadoras del intervalo de confianza al considerar incertidumbre adicional en τ².

El uso de HKSJ es particularmente importante cuando:

• Número de estudios < 10
• Alta heterogeneidad
• Estudios con tamaños muestrales desiguales

3.8.6 Heterogeneidad

La heterogeneidad se cuantifica mediante:

Estadístico Q de Cochran

Prueba de hipótesis para detectar heterogeneidad.

I²: Proporción de variabilidad total atribuible a heterogeneidad real:

• 25%: baja
• 50%: moderada
• 75%: alta

τ²: Magnitud absoluta de la varianza entre estudios.

La interpretación de heterogeneidad debe ser clínica y no exclusivamente estadística.

---

3.8.7 Manejo de celdas en cero

En estudios con eventos raros puede ocurrir que alguna celda de la tabla 2×2 sea cero. Esto impide el cálculo directo de OR o RR.

Opciones metodológicas:

1. Corrección de continuidad clásica
   Añadir 0.5 a todas las celdas.
2. Corrección proporcional al tamaño del estudio
   Reduce sesgo en metaanálisis con tamaños muy dispares.
3. Métodos sin corrección (GLMM)
   Modelos lineales generalizados mixtos.
4. Métodos basados en beta-binomial

La elección depende de frecuencia del evento y balance entre grupos.

3.8.8 Análisis de subgrupos

Permite explorar heterogeneidad según:

• Edad
• Dosis
• Duración de seguimiento
• Riesgo basal

Debe ser preespecificado en el protocolo y tener fundamento clínico.

3.8.9 Meta-regresión

La meta-regresión evalúa el efecto de variables continuas o categóricas sobre el tamaño del efecto.

Modelo general:$$\widehat{{\theta }_i}={\beta }_0+{\beta }_1{X}_i+{ϵ}_i$$

Permite explorar si características del estudio explican heterogeneidad.

Limitaciones:

• Riesgo de sobreajuste si pocos estudios.
• Naturaleza ecológica (no individual).
• Requiere ≥10 estudios como regla orientativa.

3.8.10 Análisis de sensibilidad

Evalúa la robustez de los resultados mediante:

• Exclusión de estudios de alto riesgo de sesgo.
• Cambio de modelo estadístico (FE vs RE).
• Uso de distintos estimadores de τ².
• Exclusión de estudios extremos (outliers).
• Leave-one-out analysis.

Si la estimación global cambia sustancialmente, la conclusión debe interpretarse con cautela.

3.8.11 Sesgo de publicación

Evaluado mediante:

• Funnel plot
• Prueba de Egger
• Prueba de Begg
• Trim and fill

La interpretación debe considerar el número de estudios (mínimo recomendable ≥10).

3.8.12 Meta-análisis de proporciones y prevalencia

Se utilizan transformaciones para estabilizar varianza:

• Logit transformation
• Freeman-Tukey double arcsine

Posteriormente se realiza el modelo de efectos aleatorios.

3.8.13 Meta-análisis multivariado y redes

En contextos avanzados pueden aplicarse:

Network meta-analysis (comparaciones indirectas múltiples).

Meta-análisis multivariado (múltiples desenlaces correlacionados).

---

3.9 Evaluación de certeza de la evidencia

El enfoque GRADE permite clasificar la certeza como:

• Alta
• Moderada
• Baja
• Muy baja

Esta clasificación integra riesgo de sesgo, inconsistencia, indirectitud, imprecisión y sesgo de publicación.

3.10 Reporte

El reporte debe alinearse con PRISMA 2020, incluyendo un diagrama de flujo, tablas de características y una justificación de exclusiones.

---

4. ¿Es obligatorio que una revisión sistemática incluya un metaanálisis?

No. El metaanálisis es una herramienta opcional de síntesis cuantitativa. La revisión sistemática puede concluir con síntesis narrativa si:

• Los estudios son heterogéneos.
• Las medidas no son comparables.
• Existe insuficiente calidad metodológica.

La esencia de la revisión sistemática radica en el método, no en la combinación estadística.

---

5. Tipos de revisiones sistemáticas

Las revisiones sistemáticas pueden clasificarse según su objetivo:

• Intervención.
• Diagnóstico.
• Pronóstico.
• Etiología.
• Prevalencia/incidencia.
• Cualitativas (metasíntesis).
• Overviews of umbrella reviews.
• Revisiones de implementación.
• Revisiones de modelos predictivos.

Cada tipo requiere adaptaciones metodológicas específicas.

---

6. ¿Cuántos estudios deben incluirse como mínimo?

Desde una perspectiva estrictamente metodológica, la revisión sistemática es un diseño que exige la identificación, evaluación y síntesis crítica de múltiples estudios primarios que respondan a una misma pregunta estructurada. En este sentido, para que exista una verdadera síntesis comparativa y no únicamente una descripción narrativa de evidencia aislada, se considera apropiado establecer un mínimo de tres estudios primarios elegibles tanto para la revisión sistemática como para la realización de un meta-análisis.

Si bien es técnicamente posible combinar dos estudios mediante procedimientos estadísticos, dicha combinación presenta limitaciones sustanciales:

• No permite estimar de forma estable la heterogeneidad entre estudios (τ²).
• La interpretación del estadístico I² es poco informativa.
• Los análisis de sensibilidad y subgrupos carecen de viabilidad.
• La evaluación de sesgo de publicación no es posible.
• La estimación del efecto puede depender excesivamente de un solo estudio.

Con menos de tres estudios, la síntesis tiende a aproximarse a una comparación dual más que a una integración sistemática robusta de evidencia acumulada.

Por tanto, desde un enfoque académico riguroso, se recomienda:

• Mínimo tres estudios elegibles para considerar una revisión sistemática con capacidad de síntesis comparativa.
• Mínimo tres estudios para realizar un meta-análisis con interpretación metodológicamente defendible.

No obstante, debe subrayarse que el número por sí solo no garantiza validez. La solidez de la síntesis depende de múltiples factores interrelacionados:

• Calidad metodológica de los estudios primarios.
• Consistencia de los efectos observados.
• Precisión de las estimaciones (anchura de intervalos de confianza).
• Relevancia clínica de los desenlaces.
• Heterogeneidad clínica y metodológica.

Un meta-análisis con tres estudios de alto riesgo de sesgo puede ofrecer conclusiones menos confiables que uno con mayor número de estudios de alta calidad. De igual manera, una revisión con diez estudios altamente heterogéneos puede requerir interpretación prudente.

---

7. Uso de las revisiones sistemáticas en la toma de decisiones

Las revisiones sistemáticas informan decisiones en tres niveles:

7.1 Nivel clínico individual

Guían la selección de intervenciones basadas en el balance beneficio-riesgo.

7.2 Nivel institucional

Respaldan protocolos hospitalarios y políticas sanitarias.

7.3 Nivel macro

Sustentan guías de práctica clínica y evaluaciones de tecnologías sanitarias.

Sin embargo, la decisión final integra los valores del paciente, los costos, la factibilidad y el contexto.

---

8. Aplicación fuera de la medicina

Las revisiones sistemáticas se aplican en:

• Educación (efectividad pedagógica).
• Psicología (intervenciones conductuales).
• Economía (impacto de políticas públicas).
• Ciencias ambientales (evaluación de impacto ecológico).
• Ingeniería (eficacia de materiales o de tecnologías).

El método es transferible; lo que cambia es la naturaleza de la evidencia.

---

9. Integración de inteligencia artificial en revisiones sistemáticas

La inteligencia artificial puede aplicarse en:

9.1 Cribado automatizado

Los modelos de aprendizaje automático priorizan los artículos relevantes.

9.2 Extracción asistida

Reconocimiento de entidades y pre-llenado de formularios.

9.3 Detección de inconsistencias

Verificación automatizada de datos.

9.4 Redacción estructurada

Apoyo en síntesis narrativa.

No obstante, la IA no reemplaza el juicio metodológico. Requiere:

• Validación humana.
• Transparencia en su uso.
• Declaración explícita en el manuscrito.

La IA acelera procesos, pero no sustituye el rigor científico.

---

10. Conclusiones

La revisión sistemática constituye el estándar metodológico para la síntesis de la evidencia. No es un ejercicio bibliográfico, sino un diseño de investigación secundaria con una estructura rigurosa y un propósito decisional. Su correcta ejecución exige planificación prospectiva, evaluación crítica del sesgo, síntesis estructurada y juicio explícito sobre la certeza.

No es obligatoria la presencia de meta-análisis, ni existe un número mínimo de estudios. Su aplicabilidad trasciende la medicina y se expande hacia múltiples disciplinas científicas. La integración responsable de la inteligencia artificial constituye una oportunidad para optimizar procesos sin comprometer su validez.

En un contexto de sobreabundancia de información, la revisión sistemática no es simplemente una metodología: es una herramienta epistemológica para transformar datos dispersos en conocimiento confiable y accionable.

---

REFERENCIAS

1. Blaizot A, Veettil SK, Saidoung P, et al. Using artificial intelligence methods for systematic review in health sciences: A systematic review. Res Synth Methods. 2022;13(3):353-362. doi:10.1002/jrsm.1553
2. Cooper C, Booth A, Varley-Campbell J, Britten N, Garside R. Defining the process to literature searching in systematic reviews: a literature review of guidance and supporting studies. BMC Med Res Methodol. 2018;18(1):85. Published 2018 Aug 14. doi:10.1186/s12874-018-0545-3
3. Patel JJ, Hill A, Lee ZY, Heyland DK, Stoppe C. Critical Appraisal of a Systematic Review: A Concise Review. Crit Care Med. 2022;50(9):1371-1379. doi:10.1097/CCM.0000000000005602
4. Page MJ, Moher D, Bossuyt PM, et al. PRISMA 2020 explanation and elaboration: updated guidance and exemplars for reporting systematic reviews. BMJ. 2021;372:n160. Published 2021 Mar 29. doi:10.1136/bmj.n160
5. van Dijk SHB, Brusse-Keizer MGJ, Bucsán CC, van der Palen J, Doggen CJM, Lenferink A. Artificial intelligence in systematic reviews: promising when appropriately used. BMJ Open. 2023;13(7):e072254. Published 2023 Jul 7. doi:10.1136/bmjopen-2023-072254
6. Calderon Martinez E, Ghattas Hasbun PE, Salolin Vargas VP, et al. A comprehensive guide to conduct a systematic review and meta-analysis in medical research. Medicine (Baltimore). 2025;104(33):e41868. doi:10.1097/MD.0000000000041868
7. Page MJ, McKenzie JE, Bossuyt PM, et al. The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. PLoS Med. 2021;18(3):e1003583. Published 2021 Mar 29. doi:10.1371/journal.pmed.1003583