Para un uso óptimo, visita numiqo en tu ordenador de sobremesa.

Datos de los estudiosi

Eventos y totales: resultados sí/no, p. ej., 12 de 100 pacientes se recuperaron.

Medias y DE: resultados medidos, p. ej., la presión arterial, por grupo.

Correlaciones: r de Pearson y el tamaño muestral.

Tamaños del efecto: estudios que solo informan una estimación, como un odds ratio o la d de Cohen, con su error estándar o IC del 95 %.

Medida del efectoi

El riesgo relativo compara probabilidades de evento, el odds ratio compara probabilidades relativas y la diferencia de riesgos resta la probabilidad de evento del grupo 2 a la del grupo 1.

Modeloi

Un modelo de efecto fijo supone un efecto verdadero común a todos los estudios. Un modelo de efectos aleatorios permite que los efectos verdaderos difieran. Elige según tu pregunta de investigación y los diseños de los estudios. La comparación de modelos muestra las estimaciones de ambos.

El estimador determina la varianza entre estudios, tau cuadrado, mediante REML por defecto o DerSimonian–Laird. Determina los pesos del modelo de efectos aleatorios y el tau cuadrado indicado en heterogeneidad, por lo que se aplica a ambos modelos.

El ajuste de Hartung–Knapp se aplica solo a efectos aleatorios y no cambia la estimación combinada. Está activado por defecto, reescala el error estándar y usa una distribución t con k − 1 grados de libertad. Sus intervalos de confianza suelen ser más amplios y se acercan más a una cobertura del 95 % cuando hay pocos estudios. Para efectos aleatorios se muestra un intervalo de predicción del 95 %.

Estimador

Metaanálisis

Cómo hacerlo

Funnel plot: generador de gráficos de embudo

Crea un funnel plot con los resultados de tus estudios

Ejemplo: Eventos y totales

Un funnel plot o gráfico de embudo representa las estimaciones del efecto frente a una medida de precisión; aquí se utiliza el error estándar. Introduce estos valores directamente o selecciona un formato compatible de datos resumidos para que la calculadora los obtenga. El gráfico aparece con al menos dos estudios válidos e incluidos. Un número pequeño de estudios ofrece poca base para evaluar la asimetría.

Generador de funnel plot en tres pasos: Eventos y totales con el riesgo relativo seleccionado, el modelo de efectos aleatorios con REML, y el funnel plot de 13 estudios sobre la vacuna BCG con contornos de significación y, debajo, la prueba de Egger
  1. Elige el formato de los datos de tus estudios y la medida del efecto.
  2. Elige el modelo. Su estimación combinada es el centro del embudo.
  3. Revisa la asimetría del funnel plot. Con al menos 10 estudios, debajo aparece la prueba de Egger.

Cómo generar tu funnel plot

  1. Elige el formato que corresponda a tus datos. Para el ejemplo de arriba, selecciona Eventos y totales y Riesgo relativo (RR). Para estimaciones ya calculadas, selecciona Tamaños del efecto, la medida del efecto y Error estándar o IC 95 %.
  2. Introduce, pega o importa una fila por estudio y asigna las columnas correspondientes. En el ejemplo, asigna Eventos vacunados y Total vacunados al Grupo 1, Eventos control y Total control al Grupo 2, y Estudio como nombre del estudio.
  3. Selecciona el modelo de combinación. Su estimación combinada determina el centro de las líneas del embudo.
  4. El Gráfico de embudo aparece debajo de los resultados de heterogeneidad, seguido de la prueba de Egger cuando está disponible. Ambos se actualizan al cambiar los estudios incluidos.

¿Qué valores debo introducir?

Introduce una estimación del efecto y su error estándar, no la desviación estándar de las puntuaciones de los participantes. Todos los estudios deben utilizar una medida comparable y una dirección coherente. Para odds ratios, riesgos relativos o hazard ratios, selecciona la opción correspondiente de entrada logarítmica e introduce el logaritmo natural de la razón con su error estándar en esa escala. También puedes elegir la entrada con intervalo de confianza del 95 % e introducir la estimación con ambos límites, en logaritmos naturales para las razones. Se obtiene el error estándar como (superior - inferior) / (2 * 1.96), suponiendo un intervalo normal aproximado y simétrico en la escala de análisis.

También puedes utilizar Eventos y totales para datos binarios de dos grupos, Medias y DE para resultados continuos de dos grupos, o Correlaciones para la r de Pearson y el tamaño muestral. El gráfico utiliza las estimaciones y errores estándar derivados. La guía de la calculadora de metaanálisis enumera los valores necesarios y las medidas del efecto de cada formato.

¿Qué muestra este funnel plot?

ElementoSignificado
Cada puntoUna estimación de un estudio incluido.
Eje horizontalEfecto en la escala de análisis: escala logarítmica para OR, RR o HR y z de Fisher para correlaciones, con las marcas del eje expresadas como razones o r; la escala introducida o derivada para otras medidas.
Eje verticalError estándar, con el eje invertido para situar las estimaciones más precisas arriba.
Línea central verticalEfecto combinado según el modelo seleccionado.
Límites discontinuos del embudoEfecto combinado más o menos 1,96 veces el error estándar a cada altura. Son límites de pseudoconfianza del 95%, no el intervalo de confianza del efecto combinado.
Contornos de significación (opcional)Bandas sombreadas alrededor del valor nulo en las que un estudio individual sería significativo con p < .10, p < .05 o p < .01. Actívalas en las opciones del gráfico, en Mostrar.

Las líneas del embudo no incorporan la varianza entre estudios. Los puntos fuera de ellas no son automáticamente errores ni evidencia de sesgo de publicación. Consulta los intervalos de cada estudio en el forest plot y la variación entre estudios en la calculadora de heterogeneidad. Estas líneas de referencia no son intervalos de predicción. Hartung-Knapp no modifica las líneas ni la prueba de Egger.

¿Cuándo está disponible la prueba de Egger?

La calculadora informa el intercepto de la regresión de Egger, su error estándar, el estadístico t, los grados de libertad y el valor p solo cuando al menos diez estudios incluidos permiten estimar la regresión. Con menos estudios o una regresión no estimable, la prueba no se presenta. Diez estudios es un mínimo aquí, no una garantía de fiabilidad.

La prueba de Egger evalúa efectos de estudios pequeños mediante la asimetría del embudo. Un valor p pequeño no demuestra sesgo de publicación y uno grande no descarta evidencia ausente. La regresión original puede resultar engañosa para odds ratios y diferencias de medias estandarizadas, porque la estimación y su error estándar pueden estar relacionados.

¿Qué puedo concluir a partir de la asimetría?

La asimetría puede deberse a publicación selectiva, diferencias entre poblaciones o métodos, heterogeneidad o azar. Interpreta el gráfico junto con la estrategia de búsqueda, la calidad de los estudios y el contexto. Con los contornos de significación: si parecen faltar estudios sobre todo donde los resultados no serían significativos, la publicación selectiva es una causa más plausible; si faltan donde serían significativos, son más probables otras causas. Esta herramienta no estima cuántos estudios faltan ni aplica trim-and-fill o modelos de selección.

Usa estimaciones independientes con resultados comparables y direcciones coherentes. Usa el filtro de la tabla para excluir un estudio sin borrar sus valores y documenta el motivo. Usa exportar y compartir e importar encima de la tabla compartida para guardar o volver a abrir tus datos. Más información: Manual Cochrane, capítulo 13.

Cita numiqo: numiqo Team (2026). numiqo: Online Statistics Calculator. numiqo e.U. Graz, Austria. URL https://numiqo.es