En un metaanalisis de ensayos clinicos con resultados binarios (por ejemplo, remision frente a no remision, evento adverso frente a ausencia de evento), el forest plot nos muestra los tamanos del efecto relativos (odds ratios, riesgos relativos o diferencias de riesgo) y su combinacion. Sin embargo, una limitacion del forest plot es que oculta la informacion sobre las tasas absolutas de eventos en cada grupo. El grafico de L'Abbe, propuesto por Kristen L'Abbe y colaboradores en 1987, aborda precisamente esta limitacion al representar graficamente las tasas de eventos en ambos grupos para cada estudio incluido en el metaanalisis.
Construccion del grafico
El grafico de L'Abbe es conceptualmente sencillo. Se trata de un diagrama de dispersion en el que cada estudio se representa como un circulo cuya posicion viene determinada por dos coordenadas. El eje horizontal muestra la tasa de eventos en el grupo control del estudio, es decir, la proporcion de participantes del grupo control que experimentaron el evento de interes. El eje vertical muestra la tasa de eventos en el grupo experimental o de tratamiento. Ambos ejes van de 0 a 1, representando proporciones.
El tamano de cada circulo es proporcional al tamano muestral del estudio (o, en algunas implementaciones, al peso que el estudio recibe en el metaanalisis). Esto permite identificar visualmente cuales son los estudios mas grandes y, por tanto, mas influyentes en la estimacion combinada.
La linea diagonal y su interpretacion
El elemento clave para la interpretacion del grafico de L'Abbe es la linea diagonal que va desde la esquina inferior izquierda (0,0) hasta la esquina superior derecha (1,1). Esta linea representa la igualdad entre los dos grupos: cualquier estudio cuyo punto caiga exactamente sobre la diagonal tiene una tasa de eventos identica en el grupo control y en el grupo tratamiento, es decir, no hay efecto del tratamiento.
La interpretacion de los puntos que se desvian de la diagonal depende de la naturaleza del evento medido. Si el evento es un resultado negativo (muerte, recaida, efecto adverso), los puntos que caen por debajo de la diagonal indican que el tratamiento es beneficioso, porque la tasa de eventos es menor en el grupo de tratamiento que en el grupo control. Los puntos por encima de la diagonal indicarian que el tratamiento es perjudicial. Si, por el contrario, el evento es un resultado positivo (remision, mejoria clinica), la interpretacion se invierte.
Ventajas sobre el forest plot
La principal ventaja del grafico de L'Abbe frente al forest plot es que muestra las tasas absolutas de eventos en ambos grupos, no solo el efecto relativo. Esta distincion es fundamental en la toma de decisiones clinicas. Un riesgo relativo de 0.50 suena muy impresionante, pero su significado clinico depende completamente de la tasa basal de eventos. Si la tasa en el grupo control es del 2%, una reduccion relativa del 50% significa pasar del 2% al 1%, una diferencia absoluta de apenas 1 punto porcentual. Si la tasa basal es del 40%, la misma reduccion relativa implica pasar del 40% al 20%, una diferencia absoluta de 20 puntos porcentuales con implicaciones clinicas mucho mas relevantes.
El grafico de L'Abbe permite visualizar exactamente esta informacion. Los estudios con tasas basales altas apareceran en la parte derecha del grafico, mientras que los estudios con tasas basales bajas estaran a la izquierda. La distancia vertical entre cada punto y la linea diagonal representa la diferencia absoluta de riesgo en ese estudio.
Deteccion de heterogeneidad
El grafico de L'Abbe tambien es util para evaluar la heterogeneidad, aunque de una manera diferente al forest plot o al grafico de Galbraith. Si todos los estudios muestran un efecto similar del tratamiento, los puntos del grafico formaran un patron coherente: estaran agrupados a un mismo lado de la diagonal y a una distancia relativamente constante de ella. Si los puntos estan dispersos, con algunos por encima y otros por debajo de la diagonal, o con distancias muy variables, esto sugiere heterogeneidad.
Una fuente particular de heterogeneidad que el grafico de L'Abbe puede revelar es la interaccion entre la tasa basal de eventos y la magnitud del efecto del tratamiento. En algunos metaanalisis, el tratamiento funciona mejor en poblaciones con tasas basales altas que en poblaciones con tasas basales bajas (o viceversa). Este tipo de patron es dificil de detectar con un forest plot convencional, pero puede ser visualmente evidente en un grafico de L'Abbe: los puntos de la derecha (tasas basales altas) estaran mas alejados de la diagonal que los de la izquierda.
Limitaciones y ambito de aplicacion
Es importante senalar que el grafico de L'Abbe esta disenado exclusivamente para metaanalisis con resultados binarios. No se puede aplicar a metaanalisis de resultados continuos, porque el concepto de tasa de eventos no existe en ese contexto. Para resultados continuos, herramientas como el forest plot, el grafico de Galbraith o los graficos de embudo siguen siendo las opciones apropiadas.
Ademas, el grafico de L'Abbe no proporciona una prueba estadistica formal de heterogeneidad ni una estimacion cuantitativa del efecto combinado. Debe utilizarse siempre como complemento a los analisis cuantitativos, no como sustituto. Su valor reside en la capacidad de revelar patrones que los numeros solos no muestran con la misma claridad.
Implementacion en R
En R, el grafico de L'Abbe se puede generar facilmente con el paquete meta. Una vez que hemos realizado nuestro metaanalisis con la funcion metabin() (para datos binarios), simplemente llamamos a la funcion labbe():
library(meta)
resultado <- metabin(event.e, n.e, event.c, n.c,
data = datos, studlab = estudio)
labbe(resultado)La funcion acepta argumentos para personalizar el grafico, como col para el color de los puntos, bg para el color de relleno, y cex para controlar el tamano relativo de los circulos. Tambien se puede especificar si la linea diagonal debe representar un riesgo relativo o un odds ratio determinado, en lugar de simplemente la igualdad. En la practica, el grafico con la linea de igualdad es el mas utilizado e intuitivo para una primera exploracion visual de los datos.