Lo esencial
- Cada cuadrado es un estudio; su tamaño muestra el peso y su línea, el intervalo de confianza.
- El rombo es el resultado combinado; comprueba si cruza la línea de ninguna diferencia (1 para razones, 0 para diferencias).
- El I² describe cuánto discrepan los estudios; una heterogeneidad alta obliga a preguntar por qué antes de confiar en el promedio.
01
Qué muestra un forest plot
El forest plot, o diagrama de bosque, es la imagen estándar de un metaanálisis. Cada fila es un estudio. Un cuadrado marca la estimación de ese estudio y una línea horizontal que lo atraviesa muestra su intervalo de confianza, el rango de efectos compatibles con su resultado. El Manual Cochrane indica que el área de cada cuadrado muestra cuánto peso recibió el estudio. Abajo, un rombo muestra el resultado combinado: su centro es la estimación conjunta y su ancho es el intervalo de confianza.
Una línea vertical marca la ausencia de diferencia entre los grupos. Para razones como la razón de riesgos, la razón de probabilidades o el hazard ratio está en 1; para diferencias, como una diferencia de medias, está en 0. El propio logo de Cochrane es un forest plot: su rombo queda claramente a un lado de esa línea y muestra que los corticosteroides administrados antes de un parto prematuro pueden salvar la vida de recién nacidos. Las etiquetas bajo el eje indican qué lado favorece a cada tratamiento, así que léelas antes que nada.
02
Cómo leer un forest plot paso a paso
La tabla presenta un forest plot inventado en forma de filas. Las cifras son hipotéticas y solo sirven para mostrar cómo encajan las partes; la fila combinada se calculó a partir de ellas con el método estándar de la varianza inversa, en el que los estudios más precisos cuentan más.
| Estudio | Razón de riesgos | Intervalo de confianza del 95% | Peso | Cómo leerlo |
|---|---|---|---|---|
| Estudio A | 0,70 | 0,45 a 1,09 | 8% | Favorece al tratamiento, pero la línea cruza el 1: compatible con ninguna diferencia. |
| Estudio B | 0,85 | 0,70 a 1,03 | 43% | Intervalo estrecho y cuadrado grande: un estudio preciso que aporta buena parte del peso. |
| Estudio C | 1,10 | 0,60 a 2,02 | 4% | Apunta en sentido contrario, pero su intervalo amplio aporta poca información. |
| Estudio D | 0,78 | 0,64 a 0,95 | 41% | Toda la línea queda por debajo de 1: por sí solo, este estudio halló un riesgo menor. |
| Estudio E | 0,60 | 0,30 a 1,20 | 3% | El efecto aparente más grande, pero muy incierto y con poco peso. |
| Combinado (rombo) | 0,81 | 0,71 a 0,92 | 100% | Riesgo alrededor de un 19% menor en promedio; el rombo no toca el 1. |
- Empieza por el eje: qué medida se usa, dónde está la línea de ninguna diferencia y qué lado favorece a cada grupo.
- Mira el rombo: dónde está y si cruza la línea de ninguna diferencia.
- Luego los cuadrados: qué estudios concentran el peso y si coinciden entre sí.
- Después las cifras: las estadísticas de heterogeneidad, que suelen aparecer bajo el gráfico, y el efecto absoluto si la revisión lo informa.
Observa que tres de los cinco estudios cruzan la línea por sí solos, pero el intervalo combinado no. Combinar estudios aumenta la precisión. Esa es la razón principal de los metaanálisis, y también el motivo por el que los estudios deben ser lo bastante parecidos para combinarlos.
Fuentes de esta sección: [1]
03
Cuando los estudios no coinciden: heterogeneidad e I²
Si los intervalos de confianza de los estudios apenas se superponen, puede que estén estimando cosas distintas. La estadística I² describe el porcentaje de la variabilidad de las estimaciones que se debe a diferencias reales entre estudios y no al azar. El Manual Cochrane ofrece una guía aproximada: de 0 a 40% podría no ser importante, de 30 a 60% puede ser moderada, de 50 a 90% sustancial y de 75 a 100% considerable. También advierte que no conviene depender de umbrales fijos, porque la importancia de la heterogeneidad depende además del tamaño y la dirección de los efectos.
Las revisiones Cochrane reales muestran por qué importa. Para la vareniclina frente a placebo, 41 estudios con 17.395 personas dieron una razón de riesgos para dejar de fumar de 2,32 (IC del 95%: 2,15 a 2,51) con un I² del 60%: los estudios variaron, pero todo el intervalo combinado quedó muy por encima de 1 y la certeza se calificó como alta. Para la rehabilitación pulmonar tras una exacerbación de la EPOC, ocho estudios dieron una razón de probabilidades de reingreso hospitalario de 0,44 (0,21 a 0,91) con un I² del 77%, y la certeza bajó a moderada porque los resultados eran muy inconsistentes. En ambos casos el rombo es útil, pero en el segundo conviene preguntar por qué difieren los estudios antes de confiar en el promedio.
04
Lo que el rombo no dice
El resultado combinado depende del modelo. Un análisis de efecto fijo supone que todos los estudios estiman un único efecto común, así que su rombo es un efecto típico. Un análisis de efectos aleatorios supone que el efecto real varía entre entornos, así que su rombo es un efecto promedio: el Manual subraya que describe el centro de esa distribución, no su amplitud. Algunas revisiones añaden un intervalo de predicción, que muestra el rango de efectos esperables en un entorno nuevo y suele ser mucho más amplio que el rombo.
Un forest plot tampoco puede mostrar problemas que quedan fuera de él. Si nunca se publicaron estudios pequeños con resultados negativos, el gráfico se verá más favorable que la realidad. Si los ensayos incluidos tenían alto riesgo de sesgo, un rombo preciso puede estar equivocado con precisión. Y una medida relativa, como la razón de riesgos, no dice nada del beneficio absoluto hasta combinarla con la frecuencia del resultado. Busca la evaluación del riesgo de sesgo, la calificación de certeza y los efectos absolutos que informe la revisión.
Compara el riesgo absoluto y el relativo
Fuentes de esta sección: [1]
05
Lista para cualquier forest plot
Usa estas preguntas cuando una revisión, una guía o una noticia muestre un forest plot. La mayoría de las respuestas están en el propio gráfico, en el texto que lo acompaña o en la tabla de resumen de hallazgos de la revisión.
- ¿Qué resultado y qué medida de efecto se muestran, y dónde está la línea de ninguna diferencia?
- ¿Qué lado de la línea favorece al tratamiento, según las etiquetas del eje?
- ¿El rombo cruza la línea de ninguna diferencia y qué tan ancho es?
- ¿Qué estudios aportan más peso y son los más relevantes para tu caso?
- ¿Cuál es el I² y los estudios apuntan en la misma dirección?
- ¿Se usó un modelo de efecto fijo o de efectos aleatorios, y se informa un intervalo de predicción?
- ¿Qué dicen las calificaciones de riesgo de sesgo y de certeza, y se ofrece un efecto absoluto?
Fuentes
- Chapter 10: Analysing data and undertaking meta-analyses (Cochrane Handbook for Systematic Reviews of Interventions, version 6.5)Cochrane (Deeks, Higgins, Altman, McKenzie and Veroniki) · 2024Fuente consultada:
- Our name and logoCochraneFuente consultada:
- Nicotine receptor partial agonists for smoking cessationCochrane (Livingstone-Banks and colleagues) · 2023Fuente consultada:
- Pulmonary rehabilitation following exacerbations of chronic obstructive pulmonary diseaseCochrane (Puhan, Gimeno-Santos, Cates and Troosters) · 2016Fuente consultada:
Historial de revisiones
- Artículo inicial en inglés, español y japonés preparado con asistencia automatizada. Las fuentes citadas se comprobaron para todo el artículo el 2026-10-28T03:07:45Z (UTC). El forest plot del ejemplo es hipotético y su fila combinada se recalculó con el método de la varianza inversa. La publicación y la preparación usan la fecha actual, sin asignar una fecha histórica. No consta una revisión estadística ni clínica independiente.