¿Es UWLS realmente mejor para la investigación médica?

Área de la Ciencia:

• Bioestadística
• Metodología de Investigación Médica
• Ciencia de Datos

Sus antecedentes:

• El metaanálisis es crucial en la investigación médica para sintetizar evidencia.
• El rendimiento del estimador puede variar, especialmente en contextos de muestras pequeñas.
• Los criterios de selección de modelos como AIC y BIC pueden no ser confiables con tamaños de muestra pequeños y señales débiles.

Objetivo del estudio:

• Evaluar el rendimiento del estimador de Mínimos Cuadrados Ponderados sin Restricciones (UWLS) en metaanálisis médicos.
• Abordar las limitaciones de los criterios de selección de modelos en entornos de muestras pequeñas.
• Comparar UWLS con los estimadores de Efectos Aleatorios (RE) y Efecto Fijo (FE).

Principales métodos:

• Se utilizó un enfoque de simulación a gran escala, generando 108.000 conjuntos de datos.
• Los conjuntos de datos simulados reflejaron las características de la Base de Datos Cochrane de Revisiones Sistemáticas (CDSR).
• Se evaluaron los estimadores en función del sesgo, la eficiencia y la precisión del error estándar.

Principales resultados:

• Los estimadores UWLS, RE y FE mostraron un rendimiento similar en cuanto a sesgo y eficiencia.
• El estimador RE produjo consistentemente errores estándar más precisos que UWLS.
• Se encontró que AIC y BIC no eran confiables para la selección de modelos en los conjuntos de datos simulados similares a CDSR.

Conclusiones:

• Se recomienda el estimador de Efectos Aleatorios (RE) para uso general en metaanálisis médicos debido a sus errores estándar confiables.
• La elección entre UWLS y FE debe considerar el nivel anticipado de heterogeneidad del efecto.
• Se aconseja precaución al usar AIC y BIC para la selección de modelos en metaanálisis de muestras pequeñas.