Aten Primaria.

2014;46(10):573---581

Atención Primaria

www.elsevier.es/ap

ARTÍCULO ESPECIAL

Conceptos básicos del metaanálisis en red

Ferrán Catalá-López a,b,∗ , Aurelio Tobías c y Marta Roqué d

a
División de Farmacoepidemiología y Farmacovigilancia, Departamento de Medicamentos de Uso Humano, Agencia Española
de Medicamentos y Productos Sanitarios (AEMPS), Madrid, España
b
Fundación Instituto de Investigación en Servicios de Salud, Valencia, España
c
Instituto de Diagnóstico Ambiental y Estudios del Agua (IDAEA), Consejo Superior de Investigaciones Científicas (CSIC),
Barcelona, España
d
Centro Cochrane Iberoamericano (CCIb), Hospital de la Santa Creu i Sant Pau, Barcelona, España

Recibido el 20 de noviembre de 2013; aceptado el 7 de enero de 2014

Disponible en Internet el 5 de mayo de 2014

PALABRAS CLAVE Resumen Las revisiones sistemáticas y los metaanálisis se han consolidado como una
Metaanálisis en red; herramienta fundamental para la práctica clínica basada en la evidencia. Inicialmente, el
Comparaciones metaanálisis fue propuesto como una técnica que podría mejorar la precisión y la potencia
mixtas; estadística de la investigación procedente de estudios individuales con pequeño tamaño mues-
Comparaciones tral. Sin embargo, uno de sus principales inconvenientes es que suelen comparar no más de
múltiples; 2 intervenciones alternativas a la vez. Los «metaanálisis en red» utilizan técnicas novedosas
Síntesis de evidencia; de análisis que permiten incorporar la información procedente de comparaciones directas e
Revisión sistemática indirectas a partir de una red de estudios que examina los efectos de diversos tratamientos de
una manera más completa. Pese a sus potenciales limitaciones, su aplicación en epidemiología
clínica podría ser potencialmente útil en situaciones en las que existen varios tratamientos que
se han comparado frente a un comparador común.
Además, estas técnicas pueden ser relevantes ante una pregunta clínica o de investigación
cuando existen múltiples tratamientos que deben ser considerados, o cuando se dispone tanto
de información directa como indirecta en el cuerpo de la evidencia.
© 2013 Elsevier España, S.L.U. Todos los derechos reservados.

KEYWORDS Basic concepts for network meta-analysis

Network
meta-analysis; Abstract Systematic reviews and meta-analyses have long been fundamental tools for
Mixed-treatment evidence-based clinical practice. Initially, meta-analyses were proposed as a technique that
comparisons; could improve the accuracy and the statistical power of previous research from individual stu-
Multiple-treatment dies with small sample size. However, one of its main limitations has been the fact of being able
comparisons; to compare no more than two treatments in an analysis, even when the clinical research ques-
Evidence synthesis; tion necessitates that we compare multiple interventions. Network meta-analysis (NMA) uses
Systematic review
∗ Autor para correspondencia.
Correo electrónico: ferran [email protected] (F. Catalá-López).

http://dx.doi.org/10.1016/j.aprim.2014.01.006
0212-6567/© 2013 Elsevier España, S.L.U. Todos los derechos reservados.
574 F. Catalá-López et al

novel statistical methods that incorporate information from both direct and indirect treatment
comparisons in a network of studies examining the effects of various competing treatments,
estimating comparisons between many treatments in a single analysis. Despite its potential
limitations, NMA applications in clinical epidemiology can be of great value in situations where
there are several treatments that have been compared against a common comparator. Also, NMA
can be relevant to a research or clinical question when many treatments must be considered
or when there is a mix of both direct and indirect information in the body of evidence.
© 2013 Elsevier España, S.L.U. All rights reserved.

A Comparador común
Introducción
A A
El metaanálisis es una técnica estadística que permite sinte-
tizar la evidencia procedente de estudios disponibles sobre
Comparación directa Comparación directa
un tema de interés o pregunta de investigación concreta en
el marco de una revisión sistemática previa1,2 . La revisión
sistemática y el metaanálisis se han consolidado durante
las últimas décadas como una herramienta fundamental B C
para la práctica asistencial y la salud pública basada en
la evidencia, pero uno de sus principales inconvenientes
es que generalmente no permite comparar más de 2 tra- Comparador común
tamientos alternativos a la vez. En ámbitos de la práctica B
A
clínica en los que existen múltiples alternativas de trata-
miento que compiten entre sí el metaanálisis tradicional
no puede proporcionar información sobre los efectos relati- Comparación directa Comparación directa
vos de todos los tratamientos disponibles de una manera
simultánea3---5 . Por otra parte, en situaciones en las que
no existen estudios que comparan directamente 2 o más
intervenciones, el metaanálisis tradicional tampoco puede B A C
estimar sus efectos relativos. Un ejemplo de esta situación
Comparación indirecta
sería cuando se dispone de información de los efectos de
un tratamiento en comparación con un único comparador
común (por ejemplo placebo o tratamiento de referen-
cia). Por todo ello, en los últimos años se han desarrollado Comparador común
y se están comenzando a emplear nuevas técnicas ana- C
A
líticas que permiten obtener estimaciones de los efectos
relativos de los distintos tratamientos a partir de compa-
raciones indirectas, teniendo en cuenta la «red completa» Comparación directa Comparación directa
de los estudios disponibles, y que incorporan compara-
ciones directas e indirectas que permitirán determinar
los efectos de diversos tratamientos de una manera más
B C
completa. Tal es el caso de los «metaanálisis en red» (net-
work meta-analysis) también conocidos como «metaanálisis
Comparación directa e
con comparaciones múltiples» (multiple-treatments meta- indirecta (mixta)
analysis) o «metaanálisis con comparaciones mixtas»
(mixed-treatments comparisons meta-analysis)5---8 . Figura 1 Representación gráfica de comparaciones directas
e indirectas. En la figura 1A se presentan dos comparaciones
directas aisladas (una compara el tratamiento B frente a A y otra
¿Qué es un metaanálisis en red? compara el tratamiento C frente a A). En la figura 2B se presen-
tan las dos comparaciones directas anteriores que se incorporan
Supongamos que se desea examinar el efecto relativo de en una revisión sistemática, permitiendo obtener una compara-
los principales tratamientos farmacológicos antihipertensi- ción indirecta (C frente a B) a partir del comparador común A.
vos utilizados para la prevención de la insuficiencia cardiaca. En la figura C se presentan tres comparaciones directas (las dos
Una revisión sistemática de la evidencia científica proce- presentes en la figura 2B más una nueva que compara C frente
dente de ensayos clínicos aleatorizados y controlados solo a B). La combinación de una comparación indirecta y una com-
pudo identificar estudios que comparaban el tratamiento paración directa (por ejemplo, comparación de C frente a B)
A frente al tratamiento B y el tratamiento A frente al permite obtener una comparación mixta.
Conceptos básicos del metaanálisis en red 575

tratamiento C. Por lo tanto, los estudios proporcionan infor- programas Stata11,12 y WinBUGS13 , para los cuales hay dis-
mación que permite comparar 2 pares de tratamientos (es ponibles distintos comandos de análisis y/o representación
decir, B frente a A y C frente a A), en lo que se deno- gráfica.
minan comparaciones directas (fig. 1A). Sin embargo, se El metaanálisis en red basa su validez en un conjunto
puede observar que no existe o no se ha identificado nin- de supuestos. Por un lado, como sucede con otras técnicas
gún estudio que compare directamente el tratamiento C de síntesis de la evidencia, la validez de las comparaciones
frente al tratamiento B, por lo que la estimación directa indirectas dependerá de la calidad de los estudios, la varia-
entre ambos tratamientos es completamente desconocida. bilidad entre estudios y los sesgos de información. Por otro
Siguiendo un enfoque convencional aplicando técnicas de lado, la evidencia indirecta generalmente se considera de
metaanálisis, no podríamos establecer el beneficio relativo carácter observacional y requiere emitir sobre ella la pro-
del tratamiento B respecto al C. Sin embargo, siguiendo piedad transitiva (es decir, si un tratamiento B es mejor que
una aproximación de metaanálisis en red se puede consi- A y A es mejor que C, se asume que B es mejor que C);
derar la posibilidad de establecer comparaciones indirectas el investigador debe valorar la transitividad de las inter-
utilizando la información de los estudios que incluyen un venciones basándose en su conocimiento de las mismas,
comparador común A (fig. 1B). En el ejemplo, la compara- de la enfermedad de interés y de los diseños de los estu-
ción indirecta de C frente a B se puede obtener a partir de dios. Otro aspecto importante se refiere a la consistencia o
los resultados de las comparaciones directas de B frente a coherencia que hace referencia al nivel de acuerdo entre la
A y de C frente a A. Supongamos que el tratamiento B es evidencia procedente de comparaciones directas e indirec-
mejor que A y permite prevenir 3 casos adicionales de insu- tas. De hecho, se aconseja que exista un nivel de acuerdo
ficiencia cardiaca por cada 10 pacientes tratados; y que el alto entre la evidencia directa e indirecta para que puedan
tratamiento C es mejor que A y previene 5 casos por cada ser combinadas en un estimador resumen14 . En este sen-
10. Entonces, una estimación indirecta de la eficacia rela- tido, se recomienda que los diferentes estudios incluidos
tiva del tratamiento C respecto al tratamiento B de forma en el metaanálisis en red sean comparables por no diferir
aproximada resultaría en una eficacia relativa de 2 casos en la distribución de factores modificadores del efecto (por
prevenidos por cada 10 pacientes tratados. Así, sería posible ejemplo diseño de los estudios, gravedad de los pacientes,
estimar los potenciales beneficios relativos de las distintas tratamientos concomitantes, etc.).
comparaciones en la tríada A, B y C. Además, el metaanálisis La metodología del metaanálisis en red no se limita a la
en red también permite combinar las estimaciones directas estimación numérica de diversas comparaciones indirectas
e indirectas en un único efecto del tratamiento en lo que o mixtas, sino que también permitiría explorar los sesgos o
viene denominándose una comparación mixta (fig. 1C). En proponer una jerarquía de intervenciones. Por una parte, es
el ejemplo la comparación mixta entre C y B integra los posible considerar potenciales fuentes de sesgos mediante
resultados de la comparación directa de los 2 tratamientos el cálculo de estimaciones ajustadas por factores considera-
con los resultados de la comparación indirecta obtenida a dos como variables confusoras o modificadoras del efecto.
partir de la información del resto de comparaciones direc- Por otra parte, el metaanálisis en red permite generar una
tas (B frente a A y C frente a A). Las comparaciones mixtas clasificación de los diferentes tratamientos de acuerdo con
pueden no solo complementar la información para aquellas la probabilidad de ser el mejor tratamiento. En ocasiones,
comparaciones en las cuales existe poca información, sino esta clasificación podría facilitar la interpretación de los
que también pueden ayudar a mejorar la precisión de las resultados procedentes del metaanálisis, y puede ser espe-
estimaciones del efecto de los tratamientos. En resumen, cialmente importante para los clínicos que desean conocer
un metaanálisis en red presenta información procedente de cuál es el mejor tratamiento para un determinado pro-
las comparaciones directas, indirectas y mixtas establecidas blema de salud. Sin embargo, existen riesgos de prestar
entre un conjunto de intervenciones alternativas. excesiva atención a las probabilidades de que un trata-
La representación gráfica de una red que muestre los miento sea el mejor (o el peor), sobre todo cuando la red
diferentes tratamientos evaluados puede ser útil para com- de evidencia es débil (existen pocos estudios para algunas
prender y determinar la fuerza de la evidencia para cada comparaciones o son de pequeño tamaño y de baja cali-
una de las distintas comparaciones, así como para mejo- dad). De hecho, la clasificación o ranking de los tratamientos
rar la transparencia de los resultados en los metaanálisis en puede cambiar ampliamente cuando falta alguna alterna-
red5,6 . Por ejemplo, en la figura 2 se presentan las múlti- tiva de tratamiento de interés o existen indicios de sesgos
ples comparaciones directas y la red completa de evidencia de publicación15---17 . Por este motivo se debería prestar más
para la eficacia de diferentes tratamientos antihipertensivos atención a la magnitud de los efectos de los tratamientos y
utilizados para la prevención de la insuficiencia cardiaca a su incertidumbre10 .
partir de la revisión realizada por Sciarretta et al.9 . Para
representar cada tratamiento se utilizan nodos, y cuando
existen estudios que presentan comparaciones directas se Epidemiología de los metaanálisis en red
establecen líneas o conexiones entre ellos (fig. 2A). Una publicados
red completa de tratamientos (fig. 2B) presenta en su con-
junto todas las comparaciones de tratamientos identificadas En los últimos años, los metaanálisis en red están ganando
a partir de los estudios identificados en una determinada rápidamente popularidad entre clínicos, investigadores, pla-
enfermedad. En la tabla 1 se presenta alguna terminolo- nificadores sanitarios, editores de revistas y agencias de
gía utilizada habitualmente en las revisiones sistemáticas evaluación como una fuente de información de interés
que incorporan metaanálisis en red2,4---8,10 . El software esta- para conocer la eficacia y seguridad comparada de nue-
dístico más utilizado para el metaanálisis en red son los vas intervenciones. A pesar de esto algunos de los aspectos
576 F. Catalá-López et al

Tabla 1 Alguna terminología específica utilizada en los metaanálisis en red

Término Definición
Análisis Enfoque que utiliza únicamente la información obtenida en el análisis. Se fundamenta en la significación
frecuentista estadística para evaluar una hipótesis, a partir de los datos del estudio que se esté realizando
Análisis bayesiano Emplea el conocimiento previo en el análisis de los datos, de modo que si se conoce la probabilidad de
que ocurra un suceso su valor será modificado cuando se disponga esa información externa. Así pues,
las fuentes de información a priori se ven trasformadas en probabilidad a posteriori y se utilizan
a continuación para realizar la inferencia
Comparación Evaluación entre 2 tratamientos que se han comparado directamente el uno con el otro (por ejemplo
directa en un ensayo clínico)
Comparación Evaluación entre 2 tratamientos que no se han comparado directamente el uno con el otro, pero que se
indirecta han comparado a través de un comparador común. Respeta la aleatorización
Comparación Evaluación en la que se combinan los resultados o efectos de los tratamientos procedentes
mixta de comparaciones directas e indirectas
Consistencia Coherencia. Acuerdo entre los efectos de las intervenciones procedentes de las comparaciones directas
e indirectas
Factor de Estadístico que identifica potenciales desacuerdos entre el efecto del tratamiento procedente de
inconsistencia comparaciones directas e indirectas. Se puede calcular su intervalo de confianza y/o comprobar la
hipótesis nula de consistencia (factor de inconsistencia igual a 0) con una prueba estadística (z-test)
Geometría de la Representación gráfica de la distribución de los tratamientos (en nodos) y sus comparaciones
red (conexiones) a través de una red
Heterogeneidad Presencia de variabilidad entre los efectos de los tratamientos que se combinan en un metaanálisis
Homogeneidad Ausencia de heterogeneidad
Inconsistencia Incoherencia. Desacuerdo entre los efectos de los tratamientos procedentes de las comparaciones
directas e indirectas
Intervalo de Intervalo de confianza en los análisis bayesianos
credibilidad
Metaanálisis en Extensión del metaanálisis de comparaciones directas en el que, en lugar de realizar un metaanálisis
red por separado de diversos estudios para el tratamiento B respecto al comparador A (B frente a A), para
el tratamiento C respecto al comparador A (C frente a A) o para el tratamiento C respecto B (C frente
a B), se lleva a cabo una valoración más completa combinando las comparaciones directas e indirectas
entre diversos tratamientos que compiten entre sí en la práctica clínica (B frente a A, C frente a A y C
frente a B)
Metarregresión Modelo de regresión en el que la variable dependiente es el efecto del tratamiento en los estudios
individuales y la(s) variable(s) independiente(s) las características de los diseños o de las poblaciones
de los estudios incluidos en el metaanálisis. Permite evaluar si dichas características pueden explicar la
heterogeneidad
Método de Bucher Método para el cálculo de comparaciones indirectas a través de un comparador común en metaanálisis
(o comparaciones de ensayos con no más de 2 brazos (por ejemplo metaanálisis directo B frente A: RRBA ; metaanálisis
indirectas directo C frente A: RRBA ; entonces se puede establecer una comparación indirecta C frente a B: Ln
«ajustadas») RRCB = Ln RRBA ---Ln RRCA; siendo A: comparador común; Ln RR: logaritmo neperiano del riesgo relativo)
Modelo de efectos Modelo para combinar los efectos del tratamiento en un metaanálisis asumiendo que existe un único
fijos efecto común para toda la población. Por lo tanto, los efectos estimados en los estudios individuales
deberían ser homogéneos
Modelo de efectos Modelo para combinar los efectos del tratamiento en un metaanálisis asumiendo que cada estudio
aleatorios individual es la estimación de un efecto específico distinto, permitiendo que el efecto del tratamiento
varíe entre estudios. Por lo tanto, este modelo incorpora la variación entre estudios
Modelo Modelo que asume consistencia entre comparaciones directas e indirectas, y permite estimar el efecto
consistencia del tratamiento como una combinación de ambos tipos de comparaciones (comparación mixta)
Modelos Modelos que permiten contrastar la asunción de consistencia estadística entre comparaciones directas
inconsistencia e indirectas. Dependiendo del número de brazos a comparar se pueden utilizar los modelos de Lumley
(ensayos con 2 brazos) o de Lu y Ades (ensayos con más de 2 brazos)
Red de evidencia Conjunto de tratamientos relacionados que han sido estudiados en una determinada enfermedad o
problema de salud
Similitud Propiedad o principio que implicaría que los estudios analizados sean parecidos o no existan grandes
diferencias en lo que respecta a potenciales factores modificadores del efecto (por ejemplo
poblaciones, diseño, etc.) entre los estudios que proporcionan evidencia indirecta y directa
Transitividad Suele utilizarse indistintamente cuando se refiere a la «similitud». También hace referencia al supuesto
que hay que adoptar cuando se establece una comparación indirecta a través de un comparador común
(es decir, si B es mejor que A y A es mejor que C, se asume que B es mejor que C)
Conceptos básicos del metaanálisis en red 577

A
1 1
Diuréticos Alfabloqueantes ARA-II Betabloqueantes

2 1
Diuréticos IECA ARA-II Calcioantagonistas

1 2
Diuréticos Placebo ARA-II Tratamiento
convencional
5 2
Diuréticos Calcioantagonistas ARA-II Placebo

3
Calcioantagonistas Placebo 1
Betabloqueantes Placebo
2
Calcioantagonistas Tratamiento
convencional 3
IECA Calcioantagonistas
1
Calcioantagonistas Betabloqueantes 2
IECA Tratamiento
1 convencional
IECA ARA-II
IECA 1
Betabloqueantes
IECA 1
Placebo

B
Betabloqueantes ARA-II

Calcioantagonistas
IECA

Alfabloqueantes

Diuréticos Tratamiento convencional

Placebo

ARA-II: antagonistas de los receptores de la angiotensina II; IECA: inhibidores de la enzima convertidora de
angiotensina.

Figura 2 Tratamiento antihipertensivo para la insuficiencia cardiaca. Comparaciones directas y su representación en una red
completa. En la figura 2A se presentan 17 comparaciones directas procedentes de ensayos clínicos que incluyen 8 tratamientos o
alternativas distintas (6 antihipertensivos, 1 placebo y 1 tratamiento convencional sin determinar). Cada comparación directa puede
tener información procedente de más de un estudio que puede combinarse a partir de metaanálisis convencionales. En la figura 2B
se presenta la red completa de tratamientos a partir de las comparaciones directas anteriores. Cada nodo (o círculo) representa un
tratamiento y cada comparación directa entre tratamientos viene representada por líneas conectadas entre tratamientos.
ARA-II: antagonistas de los receptores de la angiotensina II; IECA: inhibidores de la enzima convertidora de angiotensina.

metodológicos específicos, e incluso su posible interpreta- En una interesante revisión sistemática Bafeta et al.18
ción son poco conocidos. Ello incluye aspectos relacionados examinaron aspectos metodológicos generales de revisiones
con la robustez de la metodología y el riesgo de ses- sistemáticas que incluyeran metaanálisis en red que com-
gos de cada una de las comparaciones establecidas en las pararan la eficacia de 3 o más intervenciones a partir de
redes publicadas, la diversidad de herramientas o mode- ensayos clínicos y que hubieran sido publicados hasta julio
los utilizados, y las oportunidades para explorar fuentes de de 2012. Los autores identificaron 121 trabajos que aborda-
heterogeneidad y de inconsistencias, y la variabilidad en la ban una amplia variedad de disciplinas médicas (por ejemplo
presentación de los métodos y resultados en los trabajos 22% en cardiología, 13% en reumatología, 10% en endocrino-
publicados. logía y 8% en oncología). El 83% evaluaron intervenciones
578 F. Catalá-López et al

farmacológicas y un 46% se publicaron en revistas de alto implicaría disponer de ensayos clínicos con tantas ramas
factor de impacto. De los trabajos identificados el 73% no de tratamiento como alternativas disponibles y que permi-
reportaba la estrategia de búsqueda utilizada, el 50% no tieran establecer diversas comparaciones de interés para
incluía la evaluación del riesgo de sesgos de los estudios el clínico. Para una toma de decisiones más informada es
individuales. El 79% no presentaba las características de los necesario conocer la evidencia disponible sobre las múlti-
estudios individuales y en un 30% el resultado primario no se ples alternativas disponibles en la práctica clínica, así como
identifica claramente. En cuanto a los supuestos y aspectos sintetizar cuantitativamente esta información. Actualmente
importantes de la metodología el 72% presentaba de manera se está trabajando desde diversos grupos (por ejemplo el
inadecuada aspectos relevantes (tan solo consideraron el grupo PRISMA y el Cochrane Comparing Multiple Interven-
supuesto de similitud o el de consistencia el 34 y 48% de tions Group) en iniciativas que incluirían extensiones de las
los trabajos, respectivamente). actuales recomendaciones para que cubran de una manera
Otra revisión reciente de la Agency for Healthcare más específica aspectos y particularidades de los metaaná-
Research and Quality (AHRQ)19,20 evaluó los métodos esta- lisis en red, y así se disponga de unos principios básicos para
dísticos utilizados en una muestra de metaanálisis en la buena presentación de los métodos y resultados en los
red publicados hasta 2011. Concretamente se identificaron futuros trabajos.
34 metaanálisis en red que utilizaron análisis bayesianos
que abarcaban 13 áreas médicas (por ejemplo 18% en
cardiología y 12% en oncología). El 86% examinaban los
efectos de tratamientos farmacológicos. Los autores tam- Algunas limitaciones
bién observaron que en los trabajos revisados los métodos
utilizados para evaluar la heterogeneidad e inconsisten- Aunque los metaanálisis en red permiten establecer com-
cia se presentaron raramente, y en aquellos trabajos que paraciones aparentemente coherentes y válidas (al menos,
proporcionaban información al respecto existía variabilidad internamente), el clínico debe recordar que siempre debe-
metodológica. rán establecerse supuestos o asunciones que tienen que
considerarse a la hora de interpretar los resultados de este
tipo de análisis. Como se comentaba anteriormente, la
Recomendaciones para el desarrollo evidencia indirecta procedente de un metaanálisis en red
y presentación de resultados requiere emitir sobre ella la asunción de transitividad (es
decir, si un fármaco B es mejor que A, y A es mejor que C,
Las guías y documentos que presentan recomendaciones entonces se asume que B es mejor que C) y de consistencia
para el desarrollo y presentación de trabajos de investi- (grado de acuerdo entre la evidencia directa e indirecta).
gación ayudan a que investigadores, revisores y editores La valoración de estos supuestos es importante a la hora
cumplan con ciertos estándares, proporcionando un con- de determinar la validez de las estimaciones presentadas
junto de reglas o principios que guían hacia el mejor en un metaanálisis en red. Existen ejemplos publicados en
comportamiento en un área particular. Desde hace años la literatura en los que se discute el incumplimiento de la
algunas revistas ya utilizan y exigen a sus autores a que se transitividad entre estudios21 , o que los resultados entre las
adhieran a las guías y documentos pertinentes, como por comparaciones directas e indirectas no sean coincidentes
ejemplo la declaración PRISMA (Preferred Reporting Items (inconsistencia o incoherencia estadística)14,22,23 . Algunas
for Systematic reviews and Meta-Analyses) o el manual de las técnicas disponibles en la actualidad para identifi-
Cochrane para revisiones sistemáticas y metaanálisis. En el car potenciales inconsistencias están en continuo desarrollo
caso particular de los metaanálisis en red existe una urgente y/o presentan importantes limitaciones (por ejemplo, una
necesidad en lograr una mejora de la presentación e inter- escasa potencia estadística)22 .
pretación en los trabajos publicados. Hasta la fecha tan solo También hay que mencionar que se requiere que los dife-
un reducido número de instituciones y sociedades científicas rentes estudios de los que se parte sean en mayor o menor
han emitido y publicado documentos al respecto (tabla 2). grado comparables (similitud metodológica) por no diferir
Ante la falta de evidencias procedentes de las fuentes habi- en la distribución de factores modificadores del efecto entre
tuales algunas agencias de evaluación, como es el caso del estudios21,24 (por ejemplo, poblaciones estudiadas, dosis uti-
National Institute for Health and Care Excellence (NICE) en lizadas, procedimientos, medidas de resultados, tiempo de
Reino Unido, la Canadian Agency for Drugs and Technologies seguimiento, etc.). Todo ello, sin renunciar a los criterios de
in Health (CADTH)-Common Drug Review o el Pharmaceu- buena calidad que han de estar presentes siempre en toda
tical Benefits Advisory Committee (PBAC) en Australia, o revisión sistemática con (o sin) metaanálisis, como son: la
incluso la Colaboración Cochrane, consideran los resultados calidad de los estudios individuales, siendo requerido que
de las comparaciones indirectas como una fuente de infor- los sesgos o errores sistemáticos sean mínimos; y que la
mación complementaria para guiar la toma de decisiones en variabilidad (heterogeneidad) entre estudios no sea exce-
distintos niveles. En situaciones en las que existe evidencia siva. De hecho, cualquier comparación indirecta y/o mixta
directa (procedente de ensayos clínicos comparativos) esta siempre debería establecerse en el marco de revisiones sis-
sigue reconociéndose como la fuente de información que temáticas y metaanálisis rigurosos, teniendo en cuenta las
proporciona el mayor grado de evidencia. múltiples intervenciones que son evaluadas a partir de una
El principal inconveniente del ensayo clínico es que gene- red completa de estudios, evitando cualquier tipo de ses-
ralmente se suele centrar en la comparación de no más de gos (por ejemplo, exclusión de intervenciones o estudios
2 o 3 alternativas a la vez (tratar frente a no tratar, tra- potencialmente relevantes, o una mala descripción de los
tar con una opción A frente a B y A frente a C, etc.). Ello resultados).
Conceptos básicos del metaanálisis en red 579

Tabla 2 Ejemplos de algunas guías y documentos con recomendaciones para el desarrollo y la presentación de metaanálisis
Institución y año Título(s) abreviado(s) Enlace a página web Ejemplos de referencias más relevantes
de publicación
Revisiones sistemáticas y metaanálisis
MOOSE, 2000 Meta-analysis of http://www.consort- Stroup DF, Berlin JA, Morton SC, Olkin I,
observational studies statement.org/ Williamson GD, Rennie D, et al. Meta-analysis of
in epidemiology observational studies in epidemiology: A proposal
(MOOSE) for reporting. Meta-analysis of observational
studies in epidemiology (MOOSE) group. JAMA.
2000;283:2008-12.
Colaboración Cochrane handbook www.cochrane- Higgins JPT, Green S, editores. Cochrane
Cochrane, 2008 for systematic reviews handbook.org handbook for systematic reviews of
interventions. Version 5.1.0. [actualizado Mar
www.cochrane.es/files/ 2011]. The Cochrane Collaboration; 2011
handbookcast/Manual
Cochrane 510.pdf
PRISMA, 2009 Preferred reporting http://www.prisma- Moher D, Liberati A, Tetzlaff J, Altman DG;
items for systematic statement.org/ PRISMA group. Preferred reporting items for
reviews and systematic reviews and meta-analyses: The
meta-analyses PRISMA statement. PLoS Med.
(PRISMA) 2009;6(7):e1000097.
Liberati A, Altman DG, Tetzlaff J, Mulrow C,
Gøtzsche PC, Ioannidis JP, et al. The PRISMA
statement for reporting systematic reviews and
meta-analyses of studies that evaluate health
care interventions: Explanation and elaboration.
PLoS Med. 2009;6(7):e1000100
Comparaciones indirectas y metaanálisis en red
PBAC (Australia), Indirect comparisons www.pbs.gov.au Carlin J, Coory M, Defina J, Eckermann S,
2008 working group report Frauman A, Hunt L, et al. Report of the indirect
comparisons working group to the PBAC:
Assessing indirect comparisons. Camberra:
Department of Health and Ageing; 2008
CADTH (Canadá), Indirect evidence: www.cadth.ca Wells GA, Sultan SA, Chen L, Khan M, Coyle D.
2009 Indirect treatment Indirect evidence: Indirect treatment
comparisons in comparisons in meta-analysis. Ottawa: CADTH;
meta-analysis 2009
HAS (Francia), 2009 Indirect comparisons: www.has-sante.fr Indirect comparisons: Methods and validity.
methods and validity Saint-Denis La Plaine: HAS; 2009
ISPOR, 2011 Indirect treatment www.ispor.org Jansen JP, Fleurence R, Devine B, Itzler R,
comparisons Barrett A, Hawkins N, et al. Interpreting indirect
and network treatment comparisons and network
meta-analysis 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

Hoaglin DC, Hawkins N, Jansen JP, Scott DA,

Itzler R, Cappelleri JC, et al. Conducting
indirect-treatment-comparison and
network-meta-analysis studies: Report of the
ISPOR task force on indirect treatment
comparisons good research practices: Part 2.
Value Health. 2011;14:429-37
580 F. Catalá-López et al

Tabla 2 (continuación)

Institución y año Título(s) abreviado(s) Enlace a página web Ejemplos de referencias más relevantes
de publicación
NICE DSU (Reino Generalised linear www.nicedsu.org.uk Dias S, Welton NJ, Sutton AJ, Ades AE. NICE DSU
Unido), 2011 y 2012 modelling framework technical support document 2: A generalised
for network linear modelling framework for pairwise and
meta-analysis, network meta-analysis of randomised controlled
inconsistency trials. Sheffield: NICE DSU; 2011 (última
in networks and actualización Mar 2013).
evidence synthesis Dias S, Welton NJ, Sutton AJ, Caldwell DM, Lu G,
of treatment efficacy Ades AE. NICE DSU technical support document
(checklist) 4: Inconsistency in networks of evidence based
upon randomised controlled trials. Sheffield:
NICE DSU; 2011
Ades AE, Caldwell DM, Reken S, Welton NJ,
Sutton AJ, Dias S. NICE DSU technical support
document 7: Evidence synthesis of treatment
efficacy in decision making: A reviewer’s
checklist. Sheffield: NICE DSU; 2012
IQWiG (Alemania), Importance of results www.iqwig.de Bender R, Schwenke C, Schmoor C, Hauschke D.
2012 from indirect Importance of results from indirect comparisons.
comparisons Joint Statement from IQWiG, GMDS and IBS-DR.
Cologne: IQWiG; 2012
General methods, version 4.0. Cologne: IQWiG;
2011
EUnetHTA, 2013 Comparators and www.eunethta.eu European network for health technology
comparisons-direct assessment. Comparators and comparisons-direct
and indirect and indirect comparisons. Copenhagen:
comparisons EUnetHTA; 2013
CADTH: Canadian Agency for Drugs and Technologies in Health; HAS: Haute Autorité de Santé; IQWiG: Institute for Quality and Efficiency
in Health Care; ISPOR: International Society for Pharmacoeconomics and Outcomes Research; MOOSE: Meta-analysis of Observational
Studies in Epidemiology; NICE DSU: The National Institute for Health and Clinical Excellence Decision Support Unit; PBAC: Pharmaceutical
Benefits Advisory Committee.

Consideraciones finales servir como fuente de información complementaria, no

excluyente y generadora de hipótesis para futuros estudios,
A modo de resumen, los metaanálisis en red suponen una pudiendo así contribuir a facilitar la aplicación de los resul-
propuesta metodológica interesante para su aplicación en tados de la investigación a la práctica clínica. Por otro lado,
epidemiología clínica y salud pública, ya que desde un parece recomendable mayor conocimiento por parte de lec-
enfoque más completo que el que se venía utilizando tra- tores, revisores e investigadores, mejorar urgentemente la
dicionalmente se pueden proporcionar estimaciones del calidad de la descripción de los métodos y resultados de
efecto de los tratamientos respecto a las múltiples alter- los trabajos publicados en las revistas biomédicas, así como
nativas disponibles, facilitando el acceso a la información seguir desarrollando aspectos metodológicos de las técnicas
que puede ser relevante en situaciones en las que la evi- para abordar posibles fuentes de sesgos30 , y en la medida
dencia procedente de comparaciones directas es escasa o de lo posible, contrastar los resultados obtenidos con eva-
inexistente. Sin embargo, cabe reconocer que la metodolo- luaciones rigurosas que sirvan para responder preguntas
gía se encuentra en sus etapas iniciales, y la aplicación de fundamentales relacionadas con la salud pública.
la evidencia proporcionada por las comparaciones indirectas
para guiar la toma de decisiones clínicas es, cuando menos,
controvertida10,25---29 . Nota
Los metaanálisis en red se deberían realizar en el marco
de revisiones sistemáticas rigurosas que garanticen la cali- Las opiniones expresadas en este trabajo son responsabili-
dad metodológica de los estudios incluidos. Para que alcan- dad de los autores, por lo que no reflejan necesariamente
cen su verdadero potencial existe una urgente necesidad de el punto de vista de los organismos en los que trabajan.
planificar, ejecutar y presentar de forma sistemática y trans-
parente las evaluaciones que incorporen metaanálisis en
red con comparaciones indirectas y mixtas. Si se trabaja Conflicto de intereses
en la línea correcta y estos aspectos siguen mejorando, la
información procedente de los metaanálisis en red podría Los autores declaran no tener ningún conflicto de intereses.
Conceptos básicos del metaanálisis en red 581

Bibliografía 16. Trinquart L, Chatellier G, Ravaud P. Adjustment for reporting

bias in network meta-analysis of antidepressant trials. BMC Med
1. Urrútia G, Bonfill X. Declaración PRISMA: una propuesta para Res Methodol. 2012;12:150.
mejorar la publicación de revisiones sistemáticas y metaanáli- 17. Mills EJ, Kanters S, Thorlund K, Chaimani A, Veroniki AA, Ioan-
sis. Med Clin (Barc). 2010;135:507---11. nidis JP. The effects of excluding treatments from network
2. Catalá-López F, Tobías A. Metaanálisis de ensayos clínicos alea- meta-analyses: Survey. BMJ. 2013;347:f5195.
torizados, heterogeneidad e intervalos de predicción. Med Clin 18. Bafeta A, Trinquart L, Seror R, Ravaud P. Analysis of the sys-
(Barc). 2014;142:270---4. tematic reviews process in reports of network meta-analyses:
3. Caldwell DM, Ades AE, Higgins JP. Simultaneous comparison of Methodological systematic review. BMJ. 2013;347:f3675.
multiple treatments: Combining direct and indirect evidence. 19. Sobieraj DM, Cappelleri JC, Baker WL, Phung OJ, White CM,
BMJ. 2005;331:897---900. Coleman CI. Methods used to conduct and report Bayesian mixed
4. Salanti G. Indirect and mixed-treatment comparison, network, treatment comparisons published in the medical literature: A
or multipletreatments meta-analysis: Many names, many bene- systematic review. BMJ Open. 2013;3(7), pii: e003111.
fits, many concerns for the next generation evidence synthesis 20. Coleman CI, Phung OJ, Cappelleri JC, Baker WL, Kluger J, White
tool. Res Syn Meth. 2012;3:80---97. CM, et al. Use of mixed treatment comparisons in systematic
5. Catalá-López F, Tobías A. Síntesis de la evidencia clínica y reviews. Rockville: Agency for Healthcare Research and Quality;
metaanálisis en red con comparaciones indirectas. Med Clin 2012.
(Barc). 2013;140:182---7. 21. Catalá-López F, Hutton B, Moher D. La propiedad transitiva en
6. Catalá-López F, Tobías A, Cameron C, Moher D, Hutton B. los ensayos clínicos controlados: si B es mejor que A y C es mejor
Network meta-analysis for comparing treatment effects of que B, ¿C será mejor que A? Rev Esp Cardiol. En prensa 2014,
multiple interventions: an introduction. Rheumatol Int. 2014, http://dx.doi.org/10.1016/j.recesp.2013.11.016.
http://dx.doi.org/10.1007/s00296-014-2994-2. 22. Song F, Clark A, Bachmann MO, Maas J. Simulation evaluation of
7. Cipriani A, Higgins JP, Geddes JR, Salanti G. Conceptual and statistical properties of methods for indirect and mixed treat-
technical challenges in network meta-analysis. Ann Intern Med. ment comparisons. BMC Med Res Methodol. 2012;12:138.
2013;159:130---7. 23. Veroniki AA, Vasiliadis HS, Higgins JP, Salanti G. Evaluation of
8. Mills EJ, Ioannidis JP, Thorlund K, Schünemann HJ, Puhan MA, inconsistency in networks of interventions. Int J Epidemiol.
Guyatt GH. How to use an article reporting a multiple treatment 2013;42:332---45.
comparison meta-analysis. JAMA. 2012;308:1246---53. 24. Jansen JP, Naci H. Is network meta-analysis as valid as stan-
9. Sciarretta S, Palano F, Tocci G, Baldini R, Volpe M. Antihy- dard pairwise meta-analysis? It all depends on the distribution
pertensive treatment and development of heart failure of effect modifiers. BMC Med. 2013;11:159.
in hypertension: A Bayesian network meta-analysis of studies 25. Pocock SJ. Safety of drug-eluting stents: Demystifying network
in patients with hypertension and high cardiovascular risk. Arch meta-analysis. Lancet. 2007;370:2099---100.
Intern Med. 2011;171:384---94. 26. Cipriani A, Furukawa TA, Churchill R, Barbui C. Meta-analysis of
10. Mills EJ, Thorlund K, Ioannidis JP. Demystifying trial networks new generation antidepressants study group. Validity of indirect
and network meta-analysis. BMJ. 2013;346:f2914. comparisons in meta-analysis. Lancet. 2007;369:270---1.
11. White IR. Multivariate random-effects meta-analysis. Stata J. 27. Jefferson T. Ranking antidepressants. Lancet. 2009;373:1759.
2009;9:40---56. 28. Catalá-López F. Renoprotective effects of renin-angiotensin-
12. White IR. Multivariate random-effects meta-regression: Upda- aldosterone system blockers in type 2 diabetes: Demystifying
tes to mvmeta. Stata J. 2011;11:255---70. multiple treatment comparisons in a network meta-analysis.
13. Dias S, Welton NJ, Sutton AJ, Ades AE. NICE DSU technical sup- Diabetologia. 2012;55:2547---8.
port document 2: A generalised linear modelling framework for 29. Catalá-López F, Sanfélix-Gimeno G, Tobías A, Hurtado I,
pairwise and network meta-analysis of randomised controlled Sanfélix-Genovés J, Peiró S. Efficacy of osteoporosis therapies
trials. Sheffield: NICE DSU; 2011. in a network meta-analysis with indirect comparisons: Many
14. Song F, Xiong T, Parekh-Bhurke S, Loke YK, Sutton AJ, Eastwood concerns for new tools of evidence synthesis? Osteoporos Int.
AJ, et al. Inconsistency between direct and indirect compari- 2013;24:1927---8.
sons of competing interventions: Meta-epidemiological study. 30. Li T, Puhan MA, Vedula SS, Singh S, Dickersin K. Ad hoc network
BMJ. 2011;343:d4909. meta-analysis methods meeting working group. Network meta-
15. Trinquart L, Abbé A, Ravaud P. Impact of reporting bias in net- analysis-highly attractive but more methodological research is
work meta-analysis of antidepressant placebo-controlled trials. needed. BMC Med. 2011;9:79.
PLoS One. 2012;7:e35219.