Muchas gracias por la explicación, pero tengo una duda, cómo aplicaría esto en estudios de microbiología si tengo solo datos de difusión en disco (MIC) que determina la resistencia.
Como su pregunta puedo interpretarla de varias maneras, creo que la más probable podría ser: Tengo varios estudios en los que se comparan los halos de inhibición alrededor de los discos embebidos de sus respectivas dosis estándar de antibióticos. Si acierto en mi creencia, entonces la comparación entre el antibiótico A y el antibiótico B, cuyos radios de inhibición los tengo en milímetros (o en áreas medidas en milímetros cuadrados), pues entonces practico un metaanálisis de DIFERENCIA DE MEDIAS (variables continuas) que compara las medias del antibiótico A frente las medias del antibiótico B. La opción de comparar variables dicotómicas (infarto sí /no, en función del tratamiento X1 / X2) no podría utilizarse, aunque la maquinaria interior es similar. En nuestra web tiene una buena explicación en la pestaña DOCENCIA, Módulo 5: Metaanálisis (evalmed.es/2020/04/20/modulo-5-metaanalisis/). En el apartado 5.3. Las calculadoras evalmed para el metaanálisis, tiene usted la calculadora para metaanálisis con variables continuas en el subpartado 5.3.2-Cálculo de un Metaanálisis con variables continuas para obtener Diferencia de Medias (evalmed.es/wp-content/uploads/2020/04/71-C%C3%A1lculo-manual-MA-para-Dif-Medias.-Welch-Inv-EE2-1.xlsx). Si encuentra usted problemas de aplicación o no he acertado con mi creencia, puede usted escribirme un mensaje a mi correo electrónico: galoagustin.sanchez.2007@gmail.com Una vez así, si fuere necesario, contactaríamos por videollamada, para poder compartir la pantalla.
Muchas gracias por la explicación pero tengo una duda, en el diagrama de bosque, ¿siempre el lado favorable del tratamiento estará a la izquierda del valor nulo?
Entiendo que usted pregunta por las medidas del efecto en forma de ratios (un numerador que es la intervención dividido por un denominador que es el control), como el RR, OR o el HR. Entonces la respuesta es sí, pero siempre que lo que estemos comparando sean riesgos, cosas malas para las personas, como son los eventos de muerte, de infarto, rehospitalización... Pero si lo que estamos comparando son cosas buenas, como supervivencia libre de evento, tasa de respuesta a un fármaco anticanceroso, porcentaje de personas alfabetizadas, entonces es justo lo contrario. Como regla del dedo: El RR, OR o HR si se comparan cosas malas, es favorable a la intervención cuando lo vemos a la izquierda del gráfico forest plot. Si se comparan cosas buenas, es lo contrario. En este punto me veo obligado a añadir algo más, para evitar equívocos a los evaluadores. Si las medidas del efecto son diferencias, es decir cuando hay un minuendo (que es el control) y un sustraendo (que es la intervención), la regla del párrafo anterior es justo la contraria. Cuando se comparan cosas malas, me pongo contento cuando la diferencia aparece a la derecha, y me pongo descontento cuando la dierencia está a la izquierda. Puede verse muy bien todo esto en este módulo de formación continuada: 1.1.1.4. Los intervalos de confianza: ua-cam.com/video/XoULo6ypUl4/v-deo.html
![Introducción al meta análisis en R. [Chupito de R] [meta-análisis]](/img/n.gif)
Muchas gracias por la explicación, pero tengo una duda, cómo aplicaría esto en estudios de microbiología si tengo solo datos de difusión en disco (MIC) que determina la resistencia.
Como su pregunta puedo interpretarla de varias maneras, creo que la más probable podría ser: Tengo varios estudios en los que se comparan los halos de inhibición alrededor de los discos embebidos de sus respectivas dosis estándar de antibióticos. Si acierto en mi creencia, entonces la comparación entre el antibiótico A y el antibiótico B, cuyos radios de inhibición los tengo en milímetros (o en áreas medidas en milímetros cuadrados), pues entonces practico un metaanálisis de DIFERENCIA DE MEDIAS (variables continuas) que compara las medias del antibiótico A frente las medias del antibiótico B. La opción de comparar variables dicotómicas (infarto sí /no, en función del tratamiento X1 / X2) no podría utilizarse, aunque la maquinaria interior es similar.
En nuestra web tiene una buena explicación en la pestaña DOCENCIA, Módulo 5: Metaanálisis (evalmed.es/2020/04/20/modulo-5-metaanalisis/).
En el apartado 5.3. Las calculadoras evalmed para el metaanálisis, tiene usted la calculadora para metaanálisis con variables continuas en el subpartado 5.3.2-Cálculo de un Metaanálisis con variables continuas para obtener Diferencia de Medias (evalmed.es/wp-content/uploads/2020/04/71-C%C3%A1lculo-manual-MA-para-Dif-Medias.-Welch-Inv-EE2-1.xlsx).
Si encuentra usted problemas de aplicación o no he acertado con mi creencia, puede usted escribirme un mensaje a mi correo electrónico: galoagustin.sanchez.2007@gmail.com
Una vez así, si fuere necesario, contactaríamos por videollamada, para poder compartir la pantalla.
Muchas gracias por la explicación pero tengo una duda, en el diagrama de bosque, ¿siempre el lado favorable del tratamiento estará a la izquierda del valor nulo?
Entiendo que usted pregunta por las medidas del efecto en forma de ratios (un numerador que es la intervención dividido por un denominador que es el control), como el RR, OR o el HR. Entonces la respuesta es sí, pero siempre que lo que estemos comparando sean riesgos, cosas malas para las personas, como son los eventos de muerte, de infarto, rehospitalización... Pero si lo que estamos comparando son cosas buenas, como supervivencia libre de evento, tasa de respuesta a un fármaco anticanceroso, porcentaje de personas alfabetizadas, entonces es justo lo contrario. Como regla del dedo: El RR, OR o HR si se comparan cosas malas, es favorable a la intervención cuando lo vemos a la izquierda del gráfico forest plot. Si se comparan cosas buenas, es lo contrario.
En este punto me veo obligado a añadir algo más, para evitar equívocos a los evaluadores. Si las medidas del efecto son diferencias, es decir cuando hay un minuendo (que es el control) y un sustraendo (que es la intervención), la regla del párrafo anterior es justo la contraria. Cuando se comparan cosas malas, me pongo contento cuando la diferencia aparece a la derecha, y me pongo descontento cuando la dierencia está a la izquierda.
Puede verse muy bien todo esto en este módulo de formación continuada: 1.1.1.4. Los intervalos de confianza: ua-cam.com/video/XoULo6ypUl4/v-deo.html