Elegir herramientas

IA y software para metanálisis: de los datos a resultados reproducibles

Elige la asistencia y el software según el análisis previsto y conecta los resultados con datos verificados.

↳

La respuesta breve

La IA puede proponer valores extraídos o código; el software estadístico calcula el modelo especificado. Elige un flujo integrado o scripts según los métodos y registros que debas inspeccionar. Tres estudios ficticios ilustran un registro de datos, el control de dirección del efecto y la entrega del análisis.

Ideas clave

  • Distingue extracción, análisis integrado y software estadístico por la salida que debes comprobar.

  • Incluir en la revisión no equivale a incluir en cada análisis: otro seguimiento o una SD ausente pueden impedir el cálculo sin eliminar el estudio.

  • Conserva entradas verificadas, ajustes explícitos, ejecución y resultados para permitir la revisión o el recálculo.

Gatsbi publica esta guía y desarrolla algunas de las herramientas descritas. Aplicamos los mismos criterios de trabajo a Gatsbi y a los demás productos, basándonos en su documentación pública. No son resultados de pruebas comparativas. Comprueba las funciones y condiciones de acceso actuales antes de elegir.

Elegir la vía de análisis antes que el producto

Define pregunta, diseño, desenlace, comparación y momento; después, medida de efecto y datos necesarios. Consulta los principios e interpretación del metanálisis. El software debe ajustarse al análisis previsto.

Un flujo integrado conecta extracción, cálculo, gráficos y borrador sin scripts. Los scripts permiten inspeccionar y reutilizar código y argumentos. Ambas vías deben servir al diseño real: efectos correlacionados, conglomerados o múltiples grupos requieren comprobar algo más que la etiqueta «metanálisis».

Reparte el trabajo en cuatro etapas. Una extracción correcta no valida la transformación ni el modelo. Si faltan selección y extracción, consulta la guía de herramientas para revisiones sistemáticas.

Cuatro etapas y evidencia para aceptarlas
EtapaAsistencia posibleEvidencia necesaria

Leer informes

Proponer valores y fragmentos

Estudio, grupo, desenlace, estadístico, unidad y momento verificados

Preparar efectos

Borrador de transformaciones y cálculos

Método justificado y ejemplo recalculado independientemente

Ajustar el modelo

Ejecutar software o análisis integrado

Ajustes explícitos y adecuados al diseño, resultados inspeccionables

Interpretar

Borrador de resultados

Texto coherente con estimaciones, incertidumbre y limitaciones

Comparar entradas, controles y reproducción

Los productos se describen con documentación consultada el 18 de octubre de 2026. Gatsbi, editor de la guía, sigue los mismos criterios. No se ha medido precisión; la asistencia de código es una categoría, no una evaluación de un producto específico.

RevMan y metafor son software de revisión o estadística; acompañarlos de IA no los convierte en IA generativa. Producir una tabla de extracción tampoco equivale a disponer de un motor estadístico completo. Define quién calcula efectos y modelos.

Enumera medidas, diseños, estimadores e intervalos requeridos. Consulta la versión pertinente y comprueba un ejemplo pequeño. Las funciones y exportaciones no confirmadas quedan pendientes, sin asumir que existen o faltan.

Comparación por función · documentación revisada el 18 de octubre de 2026
Función / fuenteEntradas y salidas descritasCuándo usarlaQué comprobar

Extracción / Elicit

Selecciona y extrae publicaciones en un flujo estructurado.

Obtener campos candidatos antes de preparar el análisis.

Ubicación original, grupos, tiempos y exportación; extraer no produce automáticamente entradas válidas.

Entorno de revisión / RevMan

Datos de estudios para gestionar, analizar e informar revisiones.

Analizar dentro del entorno de revisión.

Diseños y métodos admitidos, ajustes visibles y registros para reconstruir.

Paquete estadístico / R / metafor

Datos y código generan modelos, diagnósticos y gráficos.

Método compatible y equipo capaz de inspeccionar y mantener código.

Argumentos, dependencias, datos ausentes, versiones y reejecución.

Flujo integrado / Gatsbi Reviewer · editor

Describe extracción cuantitativa, efectos fijos/aleatorios, gráficos forest/funnel, I²/Q y exportación de datos y resultados clave.

Conectar estudios verificados con análisis y borrador.

Diseño, estimador, intervalos, ajustes completos, fuentes y salidas reproducibles requieren confirmación.

Asistencia de código / categoría

Propone código y explicaciones desde instrucciones y definiciones de datos.

Redactar código que el equipo revisará, ejecutará y mantendrá.

Verificación independiente de variables, supuestos, dependencias y errores; ningún producto concreto evaluado.

Crear un registro para el análisis previsto

Asigna identificadores distintos a estudio, informe y análisis. Conserva valores originales, verificados y transformaciones. Un estudio elegible puede carecer de datos para un desenlace o momento: separa ambas decisiones.

El ejemplo ficticio MD_12W usa la diferencia de medias intervención menos comparador de una puntuación a las 12 semanas, donde menos es mejor. A retoma el informe de la guía de extracción; B cambia el seguimiento y C carece de SD. No son resultados reales ni salidas del producto.

A contiene los campos ilustrados. Las medias a 6 semanas de B no se convierten en datos de 12. Para C, documenta solicitud de datos, derivación justificada, método preespecificado apropiado o no participación en esta síntesis. Ninguna opción excluye automáticamente el estudio de la revisión.

  • Identidad y alcance: study_id, report_id, analysis_id, arm, outcome, timepoint_weeks, statistic, unit.

  • Valores y fuentes: original_value, checked_value, n, source_location, transformation, missing_reason; una SD no informada no es cero.

  • Decisiones: verification_status, include_in_analysis, motivo y verificador. Conserva include_in_review por separado.

Registro ficticio MD_12W · sin estimación combinada
Estudio / fuenteInformación publicadaComprobación o correcciónEstado para MD_12W

A / informe A, tabla 2, semana 12

Intervención: n=40, media=12, SD=4; comparador: n=40, media=15, SD=5.

Confirmar grupos, estadísticos y unidades; conservar correcciones.

Campos ilustrados completos; diseño y supuestos pendientes antes del cálculo.

B / informe B, tabla 3, semana 6

Media de intervención=10; comparador=12.

No corresponde a 12 semanas; conservar el seguimiento real.

No listo: resolver momento y otros campos, sin combinar silenciosamente.

C / informe C, tabla 2, semana 12

Media de intervención=11; comparador=14; falta una SD necesaria.

Conservar la ausencia y registrar el tratamiento elegido.

No listo: no inventar SD ni convertir vacíos en ceros.

Verificar código o ajustes del análisis integrado

Comprueba si entran valores finales o cambios respecto al inicio, el orden de grupos y la distinción entre SD, error estándar e intervalo de confianza. Consulta la guía Cochrane de medidas de efecto para la metodología y el software para la implementación.

Recalcula A: a 12 semanas, intervención menos comparador es 12−15=−3 puntos; invertir grupos da +3. Antes de interpretar, verifica que código o interfaz mantengan el orden previsto.

Mismos números, dirección opuesta del efecto

En el estudio A ficticio a las 12 semanas, la media de la intervención es 12 y la del comparador es 15. La diferencia prevista, intervención menos comparador, es −3 puntos. Invertir los grupos da erróneamente +3. La recta numérica muestra los resultados a ambos lados del cero; la incertidumbre y el modelo aún deben verificarse.

Ejemplo didáctico · estudio A ficticio

Estudio A · tabla 2 · semana 12

IntervenciónMedia 12
ComparadorMedia 15
Cálculo previsto

Intervención − comparador

12 − 15 = −3
Grupos invertidos: error

Comparador − intervención

15 − 12 = +3

Diferencia de medias (puntos) · 0 = medias iguales

Los valores de origen no cambian. Intercambiar los grupos invierte el signo.

Comprobación unitaria, no análisis validado

Verifique las etiquetas de los grupos y el orden previsto de la resta. Obtener −3 correctamente no valida las desviaciones estándar, los tamaños muestrales, la incertidumbre ni el modelo.

Estudio A ficticio de este artículo: medias a las 12 semanas, tabla 2. Solo se comprueba el orden de los grupos; no se calcula incertidumbre ni una estimación combinada.

En scripts, revisa argumentos, correspondencia de campos, faltantes, paquetes y versiones. En interfaces, guarda entradas, ajustes, exportaciones y versión disponible. Si no puedes ver estimador o intervalo necesarios, documenta la limitación y confírmala.

Datos apareados, por conglomerados, repetidos o multigrupo pueden requerir otro tratamiento de incertidumbre y modelo. Aquí solo se comprueba una resta; no se elige un modelo combinado ni se valida un intervalo.

Configuración del cálculo didáctico
AjusteElección / estado registradoControl

Análisis y desenlace

MD_12W; puntuación continua a 12 semanas

Coincide con pregunta y registro

Dirección

Intervención menos comparador

A produce −3, no +3

Estadístico y unidad

Medias por grupo, puntos, SD y n conservados

No confundir valores finales, SD y unidades

Modelo, estimador e intervalos

No elegidos ni calculados en el ejemplo

En el proyecto real, especificar y validar sin heredar valores predeterminados involuntarios

Software y ejecución

Producto/paquete, versión, ajustes y fecha reales

Otro analista identifica el cálculo y la información no disponible

Contrastar resultados con datos antes de redactar

Compara salida, datos verificados y análisis previsto: estudios, participantes, dirección, intervalos, pesos y etiquetas. Investiga anomalías antes de redactar.

Solo A aporta aquí los campos ilustrados. B tiene otro seguimiento y C carece de SD; este registro no permite estimar un efecto combinado de tres estudios. Si aparece, examina reglas de inclusión y faltantes.

El contexto importa: I² por sí solo no elige el modelo, y la falta de significación no prueba ausencia de efecto. Consulta los principios e interpretación del metanálisis y el capítulo de análisis de Cochrane. Si combinar no responde a la pregunta, usa la guía de síntesis y traspasos para definir salida y entrega.

  • Cada fila coincide con desenlace, comparación y seguimiento previstos.

  • Informes o efectos de los mismos participantes no se tratan erróneamente como independientes.

  • Transformaciones, decisiones sobre faltantes y sensibilidad acompañan los resultados afectados.

  • Cifras y etiquetas del manuscrito coinciden con las salidas guardadas y conservan incertidumbre y limitaciones.

Entregar entradas, ajustes y resultados juntos

Un colega debe rastrear el resultado hasta una fuente autorizada. La tabla es una estructura para copiar y adaptar, no una promesa de exportación de todos los candidatos. Separa exportación original, datos verificados y entradas de análisis.

Para probar Gatsbi, parte de campos verificados y análisis definido, revisa y edita resultados, exporta los datos originales y resultados clave descritos y contrástalos con la tabla. Fuentes, ajustes completos, código y entorno congelado requieren verificación. Un informe o gráfico no demuestra reproducibilidad.

Pide a otro analista reejecutar el código o reconstruir los ajustes de interfaz y recalcular valores clave cuando sea posible. Anota limitaciones, incluida una versión de servicio no accesible. Las correcciones generan versiones justificadas que se cotejan con el manuscrito final.

Inventario de proyecto para copiar y adaptar
Registro / nombre sugeridoContenidoComprobación al entregar

README.txt

Pregunta, ID de análisis, punto de ejecución o pasos, requisitos y límites

El colega sabe empezar y conoce los accesos

source-manifest.csv y extraction-ledger.csv

ID de estudio/informe, fuentes autorizadas, valores originales/verificados y motivos

Trazabilidad sin redistribuir textos restringidos

analysis-input.csv y diccionario

Entradas del análisis, unidades, faltantes y transformaciones

Sin inclusiones inexplicadas, valores inventados ni tiempos cambiados

analysis-config.json o equivalente

Efecto, dirección, modelo, estimador, intervalos y reglas de faltantes

Métodos explícitos y ajustes no disponibles identificados

analysis.R o run-record.md; environment.txt

Código verificado o pasos, versiones y fecha

Posibilidad de reejecutar o reconstruir e identificar límites

decision-log.csv y outputs

Motivos, sensibilidad, tablas, gráficos y comprobación del manuscrito

Cifras informadas coherentes con la salida aprobada

Preguntas frecuentes

¿RevMan y metafor son IA?

Son software de revisión o estadística. Pueden combinarse con extracción o asistencia de código por IA, pero sus funciones deben evaluarse por separado.

¿Cuándo elegir un flujo integrado en lugar de R?

Si sus métodos y registros visibles satisfacen los requisitos y prefieres una interfaz, considera la integración. Si necesitas código inspeccionable o métodos específicos y puedes mantenerlo, considera scripts. Verifica diseño, ajustes y exportación en ambos.

¿Cómo comprobar código generado por IA?

Inspecciona variables, orden de grupos, efecto, entradas de incertidumbre, dependencia entre efectos, faltantes, argumentos y versiones. Recalcula un ejemplo sencillo y pide a otro analista ejecutar el script guardado.

¿Puede quedarse un estudio que no entra en el metanálisis?

Sí. La inclusión en la revisión y en un análisis concreto son decisiones distintas. Una SD ausente o seguimiento incompatible puede impedir el cálculo sin restar pertinencia. Anota el motivo y elige una síntesis adecuada.

Fuentes y lecturas adicionales

Consulta las fuentes originales para conocer los métodos completos, su alcance y las actualizaciones.

  1. Elegir medidas de efectoCochrane
  2. Analizar datos y realizar metanálisisCochrane
  3. Elegir un flujo de ElicitElicit
  4. RevManCochrane
  5. Documentación de metaformetafor project
  6. Proceso de análisis y exportación de Gatsbi ReviewerGatsbi · documentación del producto del editor
Gatsbi · RecursosVolver arriba ↑