Optimizando métodos estadísticos en meta-análisis

Abstract

La metodología meta-analítica permite integrar cuantitativamente los resultados de un conjunto de estudios primarios sobre un tópico común, mediante la aplicación de métodos estadísticos. Las ventajas del meta-análisis son numerosas. Actualmente, la mayor parte de las conclusiones sobre la acumulación del conocimiento en psicología están basadas en revisiones meta-analíticas. Debido al amplio alcance del meta-análisis, es realmente importante conseguir resultados válidos para la comunidad científica, aplicando los métodos inferenciales óptimos en cada situación. Se han realizado numerosos estudios de simulación Monte Carlo para investigar qué técnicas y procedimientos son los más adecuados dadas las características de una base meta-analítica. La presente Tesis Doctoral reúne un total de tres estudios de simulación Monte Carlo en los que se comparan diferentes métodos para la estimación del tamaño del efecto medio en modelos de efectos aleatorios, y para estudiar la significación de moderadores en modelos de efectos mixtos. Los resultados de cada estudio de simulación muestran que el método elegido influye en la precisión de las estimaciones y pruebas inferenciales. Como un paso previo, se realizó una revisión metodológica de meta-análisis sobre la efectividad de tratamientos psicológicos con el objetivo de ayudarnos, tanto a nosotros como a otros investigadores, en el diseño de los escenarios para estudios de simulación Monte Carlo. Esta Tesis Doctoral concluye con diversas recomendaciones sobre las condiciones y métodos más apropiados para maximizar la precisión de los resultados de un meta-análisis. Meta-analytic methodology allows quantitative integration of the results from a set of primary studies focused on a common topic, through the implementation of statistical methods. The advantages of meta-analysis are numerous. Nowadays, most conclusions about cumulative knowledge in psychology and in other research areas are based on meta-analytic reviews. Due to the broad scope of meta-analysis, it is really important to achieve valid results for the scientific community, by implementing the optimal inferential methods in each scenario. Many Monte Carlo simulation studies have been conducted in order to investigate which techniques and procedures are most adequate given the characteristics of a meta-analytic database. The current Doctoral Thesis gathers a total of three Monte Carlo simulation studies in which different methods for estimating an average effect size in random-effects models, and for testing the significance of moderators in mixed-effects models, were compared. The results from each simulation study show that choice of method influences the accuracy of the estimations and inferential tests. As a previous step, a methodological review of meta-analyses about the effectiveness of psychology treatments was carried out with the aim to help us, as well as other researchers, design the scenarios for Monte Carlo studies. This Doctoral Thesis concludes with several recommendations about the most appropriate conditions and methods to maximize the accuracy of the results in a meta-analysis.