I² es el porcentaje de la variabilidad entre los tamaños del efecto de tu metaanálisis que no se explica por el error de muestreo, sino por diferencias reales entre los estudios. Si I² = 0%, toda la dispersión que ves en el forest plot cabe dentro del azar; si I² = 75%, tres cuartas partes de esa dispersión reflejan que los estudios no están estimando lo mismo. Los umbrales orientativos de Higgins y Thompson (2002) son 25% (baja), 50% (moderada) y 75% (alta), pero conviene tener claro esto: I² no te dice cuánta heterogeneidad hay en unidades de tamaño del efecto, sino qué proporción de la variación total es heterogeneidad. Por eso un I² del 80% con estudios enormes puede ser irrelevante en la práctica, y por eso nunca deberías reportarlo solo, sino acompañado de τ² y del intervalo de predicción.
La heterogeneidad es posiblemente el concepto más importante y peor gestionado en la práctica del metaanálisis. Cuando combinamos los resultados de varios estudios que investigan la misma pregunta, la primera cuestión que debemos plantearnos no es si el efecto combinado es significativo, sino si tiene sentido combinar esos estudios en primer lugar. Si los estudios individuales muestran resultados muy dispares (unos encuentran efectos grandes y otros no encuentran efecto, o incluso encuentran efectos en la dirección opuesta), calcular un efecto medio puede ocultar más de lo que revela.
La estadística I-cuadrado (I²) es la medida de heterogeneidad más utilizada en la actualidad, y su popularidad se debe en parte a su aparente sencillez interpretativa. I² expresa el porcentaje de la variabilidad total en los tamaños del efecto que se debe a heterogeneidad real entre estudios, no al error de muestreo. Un I² del 0% significaría que toda la variabilidad entre estudios se explica por el azar. Un I² del 75% significaría que tres cuartas partes de la variabilidad reflejan diferencias reales entre los estudios. Higgins y Thompson (2002) propusieron puntos de corte orientativos: 25% para heterogeneidad baja, 50% para moderada y 75% para alta (puedes usar nuestra calculadora de heterogeneidad para obtener estos valores automáticamente).
Limitaciones del I² que pocos conocen
Sin embargo, I² tiene limitaciones importantes que muchos usuarios desconocen. La más fundamental es que I² depende de la precisión de los estudios individuales, no solo de la magnitud de la heterogeneidad real. Con estudios muy grandes y precisos, incluso cantidades pequeñas de heterogeneidad real producen valores de I² muy altos. Con estudios pequeños e imprecisos, cantidades sustanciales de heterogeneidad real pueden producir valores de I² moderados. Esto significa que el mismo valor de I² puede significar cosas muy diferentes dependiendo del tamaño y la precisión de los estudios incluidos en el metaanálisis.
Borenstein et al. (2017) han argumentado convincentemente que I² no debería usarse como la única medida de heterogeneidad, y que los investigadores deberían complementarla con otras estadísticas que proporcionan información diferente. La estadística Q (el test de Cochran) evalúa si existe heterogeneidad estadísticamente significativa, pero tiene baja potencia cuando el número de estudios es pequeño (que es lo habitual) y detecta heterogeneidad trivial cuando el número de estudios es grande. Tau-cuadrado (τ²) estima la varianza real entre estudios en la escala del tamaño del efecto, lo que permite evaluar la magnitud absoluta de la dispersión. Y el intervalo de predicción, que muchos metaanálisis no reportan, indica el rango dentro del cual se esperaría que cayera el efecto de un estudio futuro, y es probablemente la medida más informativa para evaluar las implicaciones prácticas de la heterogeneidad.
Qué hacer cuando la heterogeneidad es alta
Cuando I² es alto, la respuesta no es simplemente reportar el dato y seguir adelante. La heterogeneidad alta es una señal de que hay moderadores, es decir, características de los estudios que explican por qué unos encuentran efectos más grandes que otros. Identificar estos moderadores es, en muchos sentidos, más informativo que calcular el efecto combinado global. Los moderadores pueden ser metodológicos (tipo de diseño, calidad del estudio, instrumento de medida utilizado), poblacionales (edad, género, gravedad clínica de la muestra) o contextuales (país, tipo de intervención, duración del tratamiento).
Los análisis de moderación en metaanálisis se realizan mediante meta-regresión (cuando el moderador es continuo) o mediante análisis de subgrupos (cuando el moderador es categórico). La meta-regresión es conceptualmente similar a una regresión ponderada donde los estudios son las observaciones y el tamaño del efecto es la variable dependiente. El problema práctico es que la mayoría de los metaanálisis incluyen un número reducido de estudios (frecuentemente menos de 20), lo que limita severamente el número de moderadores que se pueden examinar simultáneamente sin sobreaajustar el modelo. Una regla práctica es no incluir más de un moderador por cada diez estudios.
Y antes de lanzarte a buscar moderadores, comprueba una cosa más sencilla: que la heterogeneidad no venga de uno o dos estudios atípicos. Un gráfico de Galbraith te lo enseña de un vistazo, y un análisis de sensibilidad quitando esos estudios te dirá cuánto pesan realmente en el resultado combinado. Si al excluir un estudio el I² cae del 78% al 30%, no tienes un problema de heterogeneidad: tienes un estudio raro que hay que explicar en la discusión.
Modelos de efectos fijos vs. efectos aleatorios
La elección entre un modelo de efectos fijos y uno de efectos aleatorios está directamente relacionada con la heterogeneidad. El modelo de efectos fijos asume que todos los estudios están estimando exactamente el mismo efecto poblacional, y que la única fuente de variación entre las estimaciones es el error de muestreo. El modelo de efectos aleatorios asume que los estudios están estimando efectos que varían entre sí, y que la variación refleja tanto el error de muestreo como diferencias reales entre los estudios.
En la práctica, el modelo de efectos aleatorios es casi siempre más apropiado, trabajes en salud, educación, biología o economía, porque los estudios difieren en sus muestras, procedimientos, instrumentos y contextos, y sería ingenuo asumir que todos están estimando exactamente el mismo valor. El modelo de efectos fijos solo es defensible cuando los estudios son réplicas casi exactas del mismo protocolo, lo que rara vez ocurre. Además, con heterogeneidad alta, los intervalos de confianza del modelo de efectos fijos son artificialmente estrechos, lo que puede dar una falsa sensación de precisión (un problema que se agrava si además existe sesgo de publicación). El modelo de efectos aleatorios produce intervalos más amplios y más honestos, que reflejan la incertidumbre adicional causada por la variabilidad entre estudios.
Cómo obtener I², Q, τ² y el intervalo de predicción en R
La buena noticia es que las cuatro medidas salen del mismo objeto, el mismo rma() con el que después dibujas el forest plot en R con metafor. Si ya tienes tus datos con el tamaño del efecto de cada estudio (yi) y su varianza (vi), esto es todo lo que necesitas:
library(metafor)
# dat: yi = tamano del efecto, vi = varianza de cada estudio
res <- rma(yi, vi, data = dat, method = "REML")
summary(res)
res$I2 # % de variabilidad que no es error de muestreo
res$H2 # variabilidad total / variabilidad esperada por azar (1 = homogeneidad)
res$tau2 # varianza real entre estudios, en la escala del efecto
res$QE # Q de Cochran
res$QEp # su valor p
# Donde caeria el efecto de un estudio futuro
predict(res, digits = 3)H² es el hermano pobre de I² y merece más atención: es la razón entre la variabilidad total observada y la que esperarías solo por error de muestreo. Vale 1 cuando no hay heterogeneidad y crece sin techo, así que distingue entre un metaanálisis moderadamente heterogéneo y uno desastroso, dos situaciones en las que I² daría valores parecidos por estar acotado al 100%. Lo mínimo defendible que deberías llevar al manuscrito es: k, el efecto combinado con su IC del 95%, Q con sus grados de libertad y su p, I², τ (mejor que τ², porque está en la escala del efecto y se lee igual que una d de Cohen) y el intervalo de predicción.
Ese intervalo de predicción es el que de verdad cambia la conversación. Puedes tener un efecto combinado de d = 0.45 con un IC del 95% de [0.30, 0.60], que parece sólido, y un intervalo de predicción de [-0.20, 1.10], que te está diciendo que el próximo estudio podría salir en contra. Reportar lo primero y callarse lo segundo es la forma más habitual de vender más certeza de la que tienes.
Antes de enviarlo: la heterogeneidad mal justificada es de las cosas que más frenan un metaanálisis en revisión, y casi siempre por lo mismo: un I² alto reportado sin τ², sin intervalo de predicción y sin ningún intento de explicar de dónde viene. Si ya tienes el manuscrito escrito, pásalo por el Revisor Q1, una pre-revisión gratuita estilo Reviewer 2 que te señala qué te van a discutir antes de que lo haga la revista.