Cuando un psicólogo clínico busca actualizar su práctica, es habitual apoyarse en meta-análisis: sintetizan decenas de estudios y ofrecen una estimación única del tamaño de efecto de una intervención. Pero esa aparente solidez estadística puede esconder un problema estructural difícil de ver a simple vista: el sesgo de publicación. Los estudios con resultados positivos y estadísticamente significativos tienen más probabilidades de ser publicados, citados y replicados en revisiones que los estudios con resultados nulos o negativos, que a menudo quedan en el llamado «cajón del archivo».

En psicoterapia este fenómeno tiene particularidades propias: los ensayos suelen ser pequeños, con financiamiento académico limitado, comparadores heterogéneos (lista de espera, tratamiento habitual, otra terapia activa) y una tradición de registro prospectivo más débil que en los ensayos farmacológicos. El resultado es que los tamaños de efecto reportados en algunos meta-análisis pueden estar inflados, lo que impacta directamente en las expectativas que transmitimos a pacientes y en las decisiones de formación continua.

Este artículo propone herramientas concretas para leer un meta-análisis de psicoterapia con mirada crítica: qué buscar en el apartado de métodos, qué gráficos y estadísticos revisar, y qué preguntas hacerse antes de incorporar una conclusión a la práctica clínica.

Qué es el sesgo de publicación y por qué afecta a la psicoterapia

El sesgo de publicación ocurre cuando la probabilidad de que un estudio se publique (o se publique rápido, en una revista de alto impacto, o con énfasis en ciertos resultados) depende de la dirección o magnitud de sus hallazgos. Un meta-análisis que solo puede incorporar la literatura publicada corre el riesgo de sobrerrepresentar los estudios con efectos grandes y favorables.

En el campo de la psicoterapia, esto se combina con otro fenómeno relacionado: el p-hacking, es decir, decisiones analíticas flexibles (qué medida de resultado reportar, qué subgrupo analizar, cuándo detener el reclutamiento) que aumentan la probabilidad de obtener un resultado significativo. Un trabajo de simulación de Friese y Frankenbach (2020) mostró que cuando sesgo de publicación y p-hacking actúan juntos, la distorsión en las estimaciones de tamaño de efecto de un meta-análisis puede ser sustancialmente mayor que la producida por cualquiera de los dos mecanismos por separado, lo que complica bastante la tarea de detectarlo solo con la lectura superficial de resultados.

Señales que aparecen en los propios meta-análisis

Asimetría en el funnel plot

El funnel plot (gráfico de embudo) representa el tamaño de efecto de cada estudio contra una medida de su precisión (habitualmente el error estándar o el tamaño muestral). En ausencia de sesgo, los estudios deberían distribuirse simétricamente alrededor del efecto promedio, con mayor dispersión en los estudios pequeños. Cuando faltan estudios pequeños con efectos nulos o negativos, el gráfico se ve asimétrico.

El meta-análisis de Cuijpers et al. (2014) sobre tratamientos psicológicos para el trastorno de ansiedad generalizada encontró efectos moderados a grandes, pero identificó evidencia de asimetría en los funnel plots y observó que los tamaños de efecto eran mayores en los estudios de menor calidad metodológica. Esta es una de las señales más claras que un lector puede buscar en la sección de resultados o en el material suplementario de cualquier meta-análisis.

Test de Egger y otros métodos estadísticos

Además de la inspección visual, existen pruebas formales para cuantificar la asimetría, como el test de Egger. El meta-análisis en red de Black et al. (2020) sobre terapias psicológicas para el síndrome de intestino irritable incorporó tanto funnel plots como test de Egger para evaluar si los estudios pequeños mostraban efectos sistemáticamente distintos de los estudios grandes, una práctica que debería ser estándar y que conviene buscar explícitamente en la sección de métodos.

Comparar el efecto según calidad metodológica

Una estrategia sencilla y muy informativa es fijarse si el meta-análisis reporta el tamaño de efecto separado por nivel de riesgo de sesgo de los estudios incluidos (por ejemplo, ensayos con y sin cegamiento del evaluador, con y sin ocultamiento de la asignación). Si el efecto cae de manera notoria en los estudios de mejor calidad, es una señal de alerta adicional, más allá del sesgo de publicación puro. Esto conecta con la discusión sobre cómo los sesgos cognitivos también operan en la lectura clínica de la evidencia, no solo en la formulación de casos.

La certeza de la evidencia (enfoque GRADE)

Las revisiones Cochrane suelen aplicar el sistema GRADE para calificar la certeza global de la evidencia, considerando entre otros factores el riesgo de sesgo de publicación. La revisión de James et al. (2020) sobre TCC para trastornos de ansiedad en niños y adolescentes calificó la certeza de baja a moderada; entre los factores discutidos en el apartado de limitaciones se menciona el riesgo de sesgo de reporte selectivo como uno de los elementos que dificultan descartar el sesgo de publicación, junto con otros riesgos metodológicos, sin que esto implique que fue la razón principal explicitada en el resumen del estudio.

De forma similar, la revisión de Kunzler et al. (2020) sobre intervenciones para fomentar resiliencia en profesionales de salud calificó la evidencia de certeza muy baja a moderada, en parte por el riesgo de sesgo de publicación en una literatura con estudios pequeños y medidas heterogéneas. Cuando un meta-análisis reporta explícitamente estas calificaciones, es mucho más fácil para el lector clínico calibrar cuánta confianza depositar en la conclusión.

Qué mirar en la sección de métodos antes de leer los resultados

Un checklist breve para la lectura crítica

  1. ¿El meta-análisis incluye funnel plot y, si corresponde, test de Egger o similar?
  2. ¿Reporta el tamaño de efecto estratificado por calidad metodológica de los estudios?
  3. ¿Aplica un sistema de calificación de certeza de la evidencia (GRADE u otro) y menciona el riesgo de sesgo de publicación como factor?
  4. ¿Describe intentos de búsqueda de literatura no publicada o de contacto con autores?
  5. ¿El número de estudios incluidos es lo suficientemente grande como para que las pruebas de asimetría tengan poder estadístico razonable (habitualmente se recomiendan al menos diez estudios)?
  6. ¿Las conclusiones del resumen coinciden con lo que muestran los análisis de sensibilidad, o hay una brecha notoria entre el abstract optimista y los datos detallados?

Este tipo de lectura activa es especialmente relevante cuando se están comparando enfoques terapéuticos entre sí, un ejercicio que se relaciona con lo discutido en nuestro artículo sobre el efecto Dodo Bird y la comparación entre técnicas específicas y factores comunes: muchas diferencias aparentes entre terapias podrían reducirse si se corrigiera adecuadamente por sesgo de publicación.

Limitaciones a tener en cuenta

Es importante aclarar que detectar asimetría en un funnel plot no prueba, por sí solo, la existencia de sesgo de publicación: la heterogeneidad clínica genuina entre estudios también puede producir patrones similares. Las pruebas estadísticas como el test de Egger tienen poder limitado cuando el número de estudios es bajo, algo frecuente en meta-análisis de psicoterapia para poblaciones o condiciones específicas. Además, el trabajo de Friese y Frankenbach (2020) que sustenta buena parte de esta discusión proviene de simulaciones estadísticas, no de una auditoría empírica directa de meta-análisis publicados, por lo que su generalización a la práctica clínica cotidiana debe hacerse con cautela.

Conclusiones

Leer un meta-análisis de psicoterapia con ojo crítico implica ir más allá del tamaño de efecto reportado en el abstract. Revisar si hay funnel plot, si se aplicaron pruebas de asimetría, si el protocolo estaba registrado prospectivamente y si se calificó la certeza de la evidencia considerando el riesgo de sesgo de publicación son pasos accesibles para cualquier profesional, sin necesidad de ser especialista en metodología. La evidencia disponible sugiere que este tipo de sesgo no es una rareza teórica: aparece documentado en revisiones sobre ansiedad generalizada, ansiedad infantil, resiliencia en profesionales de salud y síndrome de intestino irritable, entre otras condiciones. Incorporar este filtro de lectura no reduce el valor de la psicoterapia como intervención eficaz, pero sí ayuda a calibrar expectativas más realistas al comunicar resultados a pacientes y colegas.

Preguntas frecuentes

¿Un funnel plot simétrico garantiza que no hay sesgo de publicación?

No necesariamente. La simetría reduce la probabilidad de sesgo de publicación evidente, pero no la descarta por completo, especialmente si el número de estudios incluidos es bajo o si el sesgo opera de formas más sutiles, como el reporte selectivo de algunas medidas de resultado dentro de un mismo estudio.

¿Los meta-análisis Cochrane están libres de este problema?

Tienen estándares metodológicos más estrictos y suelen aplicar el sistema GRADE, lo que los hace más transparentes respecto al riesgo de sesgo. Sin embargo, como muestran las revisiones citadas en este artículo, igualmente pueden calificar la certeza de la evidencia como baja o moderada precisamente por este motivo, lo cual es una fortaleza metodológica más que una debilidad: lo declaran explícitamente en lugar de ocultarlo.

¿Qué hago si el meta-análisis que quiero usar no reporta nada sobre sesgo de publicación?

Es razonable interpretar sus conclusiones con mayor cautela y, si es posible, buscar revisiones más recientes o complementarias sobre el mismo tema que sí incluyan estos análisis. También puede ser útil revisar si existen ensayos registrados en curso o completados que no hayan sido incorporados en la síntesis original.

Referencias

  1. Cuijpers, P., Sijbrandij, M., Koole, S., Huibers, M., Berking, M., & Andersson, G. (2014). Psychological treatment of generalized anxiety disorder: a meta-analysis. Clinical Psychology Review. https://doi.org/10.1016/j.cpr.2014.01.002
  2. James, A. C., Reardon, T., Soler, A., James, G., & Creswell, C. (2020). Cognitive behavioural therapy for anxiety disorders in children and adolescents. The Cochrane Database of Systematic Reviews. https://doi.org/10.1002/14651858.CD013162.pub2
  3. Kunzler, A. M., Helmreich, I., Chmitorz, A., König, J., Binder, H., Wessa, M., & Lieb, K. (2020). Psychological interventions to foster resilience in healthcare professionals. The Cochrane Database of Systematic Reviews. https://doi.org/10.1002/14651858.CD012527.pub2
  4. Black, C. J., Thakur, E. R., Houghton, L. A., Quigley, E. M. M., Moayyedi, P., & Ford, A. C. (2020). Efficacy of psychological therapies for irritable bowel syndrome: systematic review and network meta-analysis. Gut. https://doi.org/10.1136/gutjnl-2020-321191
  5. Friese, M., & Frankenbach, J. (2020). p-Hacking and publication bias interact to distort meta-analytic effect size estimates. https://doi.org/10.31234/osf.io/bvm58
  6. Berlin, J. A., & Ghersi, D. (2005). Preventing publication bias: Registries and prospective meta-analysis. En Publication Bias in Meta-Analysis. https://doi.org/10.1002/0470870168.ch3