Métodos de investigación médica · Forest plots
Cómo leer un forest plot: efectos, intervalos de confianza del 95% y síntesis
Convertir un forest plot en una interpretación fundamentada de resultados Entregables solicitados / objetivo de entrega: Una tabla de comprobación de medidas de efecto, un borrador de interpretación y preguntas pendientes.
Identifique cada fila, después la medida, el valor nulo, la dirección y el intervalo, y finalmente la síntesis y heterogeneidad. La figura muestra estimaciones e incertidumbre, pero no prueba por sí sola causalidad, calidad o importancia clínica.
Se explican forest plots convencionales de metanálisis en revisiones sistemáticas. Modelos de cohortes y subgrupos pueden usar gráficos similares, pero cada fila no necesariamente es un estudio independiente y puede no haber efecto combinado. No aplique la misma regla a todos.
Lea métodos, resultados y leyenda juntos. La guía de selección trata la inclusión; esta página interpreta resultados reportados. No enseña a ejecutar estadísticas ni autoriza combinar desenlaces, momentos o estudios duplicados.
Una tarea concreta con RigorMed
Convertir un forest plot en una interpretación fundamentada de resultados
Son entradas sugeridas y entregables que solicitar, no una nueva ejecución, resultados de clientes ni garantía de finalización.
Materiales que aportar: Un artículo accesible legalmente, la tabla de resultados de la figura en texto legible, la medida de efecto y la leyenda.
Entregables solicitados / objetivo de entrega: Una tabla de comprobación de medidas de efecto, un borrador de interpretación y preguntas pendientes.
Ejemplo de solicitud
Use solo la tabla de resultados en texto legible y la leyenda que aporto para explicar por fila dirección del efecto, intervalo de confianza del 95% y valor nulo. Enumere aparte diseños o métodos de síntesis no confirmados y redacte una interpretación para una reunión de investigación. No infiera de la imagen cifras que no he proporcionado.
Qué queda por revisar
Compruebe el valor nulo 1 para cocientes y 0 para diferencias. Cruzarlo o no no establece automáticamente valor clínico, causalidad ni ausencia de efecto.
Cinco pasos, no solo el rombo
Identifique pregunta y unidad de cada fila
Compruebe población, comparación, desenlace y momento. Distinga estudios, modelos y subgrupos. Revise múltiples informes del mismo estudio, poblaciones solapadas y tipos de análisis en el original; filas no equivalen automáticamente a estudios independientes.
Confirme medida, valor nulo y escala
RR y OR suelen tener valor nulo 1; diferencia de medias MD y diferencia estandarizada SMD, 0. Los cocientes suelen representarse en escala logarítmica: lea marcas, no distancias visuales iguales. Cambiar etiquetas no permite combinar medidas distintas.
Verifique dirección antes de magnitud
Determine si el desenlace es favorable o perjudicial, el orden de comparación y la dirección de la escala. Un RR inferior a 1 no siempre indica beneficio; el signo de MD depende de unidades y orden de grupos. Coteje izquierda/derecha con las definiciones.
Lea estimación, intervalo y peso juntos
En un metanálisis convencional el cuadrado marca la estimación, la línea suele ser el intervalo de confianza del 95%, y el área representa peso bajo el modelo, no calidad. Confirme el nivel en la leyenda; no cuente filas que cruzan como votos ni confunda cuadrados grandes con menor riesgo de sesgo.
Compruebe modelo y alcance
El centro del rombo inferior suele ser la estimación combinada y su ancho el intervalo de confianza; siga la leyenda. Compruebe efectos fijos o aleatorios, comparabilidad y sesgo. El resumen aleatorio describe un efecto medio, no garantiza igual dirección en todos los estudios o poblaciones.
Al invertir el grupo de referencia, invierta también el intervalo
Escriba la comparación original como «A respecto a B» o «A−B» antes de mirar el lado de la línea. Las dos filas son ejemplos didácticos sintéticos independientes, no resultados publicados, una ejecución del producto ni un nuevo análisis. CI significa intervalo de confianza del 95% en todo este ejemplo.
| Comparación y valores originales | Al invertir solo el orden A/B | Motivo de comprobación |
|---|---|---|
| A respecto a B: OR 2.00; CI [1.25, 3.20] | B respecto a A: OR 0.50; CI [0.3125, 0.80] | Invierta el cociente positivo: [L, U] pasa a [1/U, 1/L]; también se invierten los extremos. |
| A−B: MD −2.0; CI [−3.5, −0.5] | B−A: MD +2.0; CI [0.5, 3.5] | Cambie el signo de la diferencia: [L, U] pasa a [−U, −L]; conserve las unidades. |
Compruebe primero las condiciones: mantenga definición del desenlace, momento, muestra, medida y modelo (incluidas variables de ajuste); cambie solo el orden de comparación. En el ejemplo OR, 2.00×0.50=1. El límite superior original 3.20 se convierte en el inferior 0.3125 y el inferior 1.25 en el superior 0.80. Cambiar solo la estimación puntual sin intervalo ni etiquetas izquierda/derecha crea una contradicción.
Intercambiar grupos no es cambiar «evento» por «no evento». Con riesgos 0.20 y 0.10, RR=2.00; para el no evento, RR=0.80/0.90≈0.889, no 0.50. También es un cálculo didáctico independiente. No interprete OR como RR ni intercambie OR, RR, HR, MD y SMD cambiando sus nombres.
Las unidades forman parte del objeto estimado: registre si la exposición continua es por 1 unidad, 10 unidades o 1 desviación estándar, las unidades de MD y el significado de una puntuación alta. No multiplique por 10 un cociente por 1 unidad para obtenerlo por 10 unidades, ni trate filas con distintas unidades o ajustes como un mismo resultado. Aquí no se reajustan modelos ni se convierten incrementos de exposición.
Prepare una tabla con una estimación por fila: página/tabla/fila de origen; desenlace y tiempo; medida; grupos comparado/de referencia; incremento o unidad; estimación y CI; modelo/ajuste; transformación y pendientes. Conserve valores originales y motivos de conversión. Marque faltantes como «no reportado»; no adivine cifras de la imagen.
Añada a la solicitud sugerida: «Organice mi tabla textual de uso legítimo con estos campos. Señale solo discrepancias de dirección o unidades, conserve las cifras originales y dé explicaciones de conversión condicionadas y preguntas para revisar. No invente resultados ni ejecute una nueva síntesis». Contraste cada punto con la fuente antes de usarlo en una reunión o manuscrito. Igualar direcciones no demuestra que se puedan combinar, causalidad o importancia clínica.
Cuatro elementos comunes
Estas interpretaciones se limitan a metanálisis convencionales claramente rotulados. Otros gráficos requieren sus propias leyendas y métodos.
| Elemento | Significado habitual | No demuestra |
|---|---|---|
| Línea vertical | Valor nulo, a menudo 1 o 0 | Todas las medidas usan 1 o la izquierda siempre es mejor |
| Cuadrado y área | Estimación puntual y peso del estudio en la síntesis | Mayor área implica más calidad o credibilidad causal |
| Línea horizontal | Intervalo especificado, a menudo 95% | Incluir el valor nulo prueba igualdad |
| Rombo inferior | Estimación combinada e intervalo | Predicción para un nuevo estudio o eficacia en todos |
Si faltan medida, unidades, nivel de confianza o modelo, conserve la incertidumbre y consulte la fuente. La IA no debe completarlos según la apariencia.
Valores didácticos sintéticos: examine el rango
Suponga RR 0.80, 95% CI 0.60–1.06. Incluye el valor nulo 1 y es compatible con cocientes inferiores y ligeramente superiores a 1. No prueba ausencia de efecto ni beneficio automático: compruebe desenlace y dirección. Son valores didácticos, no un estudio real ni un recálculo estadístico.
Otro ejemplo independiente es MD −2.0, 95% CI −3.5–−0.5, sin 0. Aun necesita unidades, orden de grupos, criterio de diferencia importante y sesgo para discutir significado práctico. No se compara ni combina directamente con el RR anterior; no cruzar no prueba causalidad.
Heterogeneidad y predicción no son notas accesorias
Interprete variación junto con poblaciones, intervenciones o exposiciones, desenlaces, métodos y direcciones. I² y τ² son inciertos con pocos estudios: un umbral no selecciona automáticamente modelo, permite combinar ni califica calidad. Una prueba sin indicios de heterogeneidad no prueba efectos idénticos.
El intervalo del resumen aleatorio describe incertidumbre del efecto medio, no toda la dispersión entre estudios. Lea el intervalo de predicción con sus métodos y supuestos: ayuda a expresar efectos subyacentes potenciales en estudios similares. Pocos estudios o supuestos distributivos inadecuados exigen cautela; no promete el resultado de un paciente o estudio nuevo.
Cinco comprobaciones antes de escribir
Relacione interpretación, texto original y resultados formales:
- ¿Son explícitos unidad, identidad del estudio, desenlace, comparación y momento?
- ¿Concuerdan medida, valor nulo, eje, unidades y dirección?
- ¿Tienen fuente estimaciones, niveles, pesos y modelos?
- ¿Explica heterogeneidad, sesgo y aplicabilidad, no solo significación?
- ¿Concuerdan texto, tablas y leyenda y están marcados los ejemplos?
Si solo hay resumen, imagen borrosa o leyenda parcial, declare lo no verificado. Una lectura parcial no evalúa todo el artículo ni ofrece consejo clínico.
Preguntas frecuentes
¿Cruzar la referencia significa que no hay efecto?
No demuestra ausencia. El intervalo es compatible con el valor nulo y otros valores; interprete estimación, precisión, diferencia importante y limitaciones, sin depender solo de significación binaria.
¿Un subgrupo cruza y otro no: hay diferencia?
No basta. Compare mediante prueba de diferencia o interacción adecuada a la pregunta predefinida; diferencias de significación dentro de grupos no equivalen a diferencias entre grupos.
¿Un forest plot o rombo significa revisión de calidad?
No. Verifique búsqueda, selección, extracción, sesgo, comparabilidad y síntesis. La claridad gráfica no prueba que estos pasos fueran correctos.
Fuentes verificadas
Las fuentes oficiales se verificaron el 2026-10-09 / RigorMed: 2026-10-13 / 2026-10-22; las condiciones y fechas se revisan antes de publicar.
- Manual Cochrane, capítulo 10: análisis y metanálisis
Elementos, pesos, heterogeneidad, subgrupos y predicción en revisiones de intervenciones.
- Manual Cochrane, capítulo 15: interpretación
Interpretación de efectos, intervalos e importancia estadística y práctica.
- Manual Cochrane, capítulo 6: elección de medidas y cálculo de estimaciones
Secciones 6.1.2, 6.4.1 y 6.5.1: orden de comparación, cocientes/diferencias, eventos y dirección de escalas. Las conversiones numéricas son ejemplos sintéticos derivados de las definiciones, no resultados de estudios del capítulo.
Empiece por una tarea concreta
Convertir un forest plot en una interpretación fundamentada de resultados
Aporte al espacio de trabajo materiales utilizables legalmente y la solicitud de ejemplo de esta página. Revise los avisos previos sobre materiales y créditos antes de confirmar y después compruebe los entregables obtenidos.