Cochrane produce revisiones sistemáticas porque son la forma más fiable de averiguar si una intervención o prueba concreta es efectiva.
Cuando elaboramos una revisión sistemática, examinamos toda la investigación científica para responder a una pregunta concreta, por ejemplo, “¿El tratamiento X ayuda a las personas con la enfermedad Y?”, y después determinamos cuál es el efecto global. Utilizamos métodos estadísticos sofisticados para combinar y comparar varios estudios, a veces cientos, lo que hace que nuestras revisiones sean más fiables que estudios individuales.
En este vídeo puede conocer mejor qué son las revisiones sistemáticas, cómo las preparan los investigadores y por qué son importantes para cualquiera que tome decisiones informadas en materia de salud.
Vídeo: ¿Qué son las revisiones sistemáticas? (3 min 23 s)
Transcripción del vídeo
¿Qué son las revisiones sistemáticas? Las revisiones sistemáticas ayudan a dar sentido a muchos tipos de datos. Existe una manera de revisar todos los datos de la investigación sobre una cuestión concreta de forma sistemática y estandarizada. Una revisión sistemática ayuda a dar una visión global, transparente y objetiva de todas las pruebas que rodean a una pregunta concreta.
El logo de la Colaboración Cochrane representa visualmente cómo los resultados de algunas revisiones sistemáticas pueden ser explicadas. Una revisión sistemática funciona así:
Primero, se debe definir una pregunta y acordar un método objetivo para formularla. Imagine el círculo como el área definida por una pregunta. Todo lo que hay en su interior concierne a la pregunta. Todo lo que queda fuera, no. En este círculo se incluyen los datos relevantes.
Comienza la búsqueda de datos relevantes. Estos datos pueden provenir de muchas fuentes, incluidos los ensayos clínicos. Imagine que las formas representan conjuntos de datos de diferentes estudios, por ejemplo, diferentes ensayos clínicos.
El conjunto de datos debe ser del tamaño correcto para ‘encajar’: solo los datos de investigación que cumplan ciertos criterios pueden incluirse para que los resultados sean fiables. Por ejemplo, seleccionar los estudios de buena calidad y que respondan a la pregunta definida.
Si los estudios cumplen con los criterios, se puede recoger o ‘extraer’ información más detallada sobre la investigación.
La información extraída puede incluir: cómo se hizo el estudio (a menudo llamado el método), quién participó en la investigación, (incluyendo cuántas personas), cómo se financió (por ejemplo, fuentes de financiación, qué pasó (los desenlaces).
Esta información se analiza en función de unos criterios para evaluar la calidad de la investigación. Una vez que se extrae la información, puede combinarse con métodos estadísticos complejos para proporcionar un resultado global de todos los datos.
Este círculo es una forma de representar estos datos de manera visual. Se conoce como diagrama de bosque.
El área de investigación, definida por la pregunta, puede ser dividida en la mitad del ‘sí’ y la mitad del ‘no’; un lado positivo y otro negativo. Cuanto más corta sea la línea, más confianza hay en lo que nos dicen los datos.
Imagine la línea más larga como datos menos centrados y más dispersos, y la más corta como datos más centrados y agrupados. Imagínese el conocimiento como la luz y la ignorancia como la oscuridad: cuanto más disperso es el foco de luz, más débil es y menos claras se ven las cosas. Si la luz está enfocada y los datos agrupados de manera más clara, podemos estar más seguros de lo que vemos.
El rombo representa los resultados combinados de todos los datos incluidos. Debido a que estos resultados combinados utilizan datos de más de un origen, se considera que constituyen pruebas mejores y más fiables. Cuantos más datos se incluyen, más seguros podemos estar.
