Pedir acceso

Embudo de metaanálisis

Sesgo de publicación entre estudios.

Definición

Un embudo de metaanálisis coloca cada estudio por su tamaño de efecto en horizontal y su error típico en vertical, con el cero arriba, dentro de un embudo que marca dónde deberían caer si sólo actuara el azar. Lo que se lee es la asimetría: un lado del embudo vacío. Se usa para revisar si una literatura está escorada.

Editar con tus datosSVGSpec JSON
Once de los trece ensayos pequeños decían que el magnesio salvaba vidas; el grande decía que no, y la pared derecha del embudo está casi vacía
Datos
efecto · error · low · high · label
Buena para
Detectar si una colección de estudios tiene una forma que el azar del muestreo no explica.
Evítala cuando
Cuando quieres leer el efecto de cada estudio con su intervalo: aquí importa la forma del conjunto, no cada marca.
Se lee bien
Entre 4 y 300 elementos; dibuja hasta 300
Datos que faltan
Omite el valor ausente y lo declara aparte.
Accesibilidad
Lector de pantalla: resumen en texto · respeta «reducir movimiento»

Forma de los datos

Qué columnas pide

ColumnaTipoPara qué
efectonumberEl tamaño del efecto que midió cada estudio, EN LA ESCALA EN LA QUE ES SIMÉTRICO: para una razón (OR, RR, HR) el LOGARITMO de la razón, no la razón. Es la coordenada horizontal.
error · opcionalnumberEl error típico del efecto, en las mismas unidades. Es la coordenada vertical —con el cero arriba— y además decide la anchura del embudo a esa altura. Si no viene, se deriva de `low` y `high`.
low · opcionalnumberExtremo inferior del intervalo de confianza al 95 % del efecto, en la MISMA escala. Sólo se lee si no hay columna de error típico: entonces el error típico es (high − low) / (2 × 1,96).
high · opcionalnumberExtremo superior del intervalo de confianza al 95 % del efecto, en la MISMA escala. Va siempre con `low`: uno solo de los dos no da un error típico.
label · opcionalstringQué estudio es cada marca. Sin ella la nube se dibuja igual, pero los estudios que se salen del embudo —lo accionable de la lámina— no se pueden nombrar.

Tamaños

Recompuesta, no encogida

El motor vuelve a componer la pieza a cada ancho: los rótulos conservan su cuerpo y la figura gana alto si lo necesita.

Móvil · 408 × 885 px
Escritorio · 988 × 867 px

Cuándo usarla

Tres preguntas antes de elegirla

¿Quieres ver la forma del conjunto de estudios?

Si lo que importa es el efecto de cada estudio y su intervalo, se leen uno por fila.

Sí: quédate con embudo de metaanálisis

No: usa Forest plot

¿Cada estudio trae su error típico o su intervalo?

Si sólo tienes el efecto, se puede ver cómo se reparten, pero no su precisión.

Sí: quédate con embudo de metaanálisis

No: usa Beeswarm

¿Comparas el efecto de cada estudio con su precisión?

Si quieres ver si el efecto cambia con otra característica del estudio, como el año o el tamaño de la muestra, basta con cruzar las dos en una dispersión.

Sí: quédate con embudo de metaanálisis

No: usa Gráfico de dispersión

Código

La misma pieza, con tus datos

import { getPreset, renderComposition } from 'visx-render/node';

const spec = await getPreset('meta-funnel');
spec.data.rows = misFilas; // efecto
const { svg, warnings } = await renderComposition(spec);

También en React con Chart y prepareComposition. Guía para desarrolladores →

Dudas

¿En qué escala va el efecto?

En la que es simétrica: para una razón (OR, RR, HR), su logaritmo, no la razón.

¿Sirve si sólo tengo el intervalo de confianza?

Sí: si falta el error típico, se calcula a partir del intervalo al 95 %. Los dos extremos tienen que venir juntos.

¿Demuestra que hay sesgo de publicación?

No: enseña que falta un trozo del embudo. El sesgo de publicación es una de varias explicaciones posibles.

¿Qué hace si faltan datos?

Omite el valor ausente y lo declara aparte.

¿Cómo se ve en el móvil?

El motor la recompone a 360 px de ancho —rótulos, leyenda y alto— en vez de encoger la versión de escritorio.

Relacionadas

Otras formas de responder «si dos cosas van juntas»

Guía para elegir: si dos cosas van juntas →