# Combina tus estudios y dibuja el forest plot

> Sube una tabla con una fila por estudio. Yila calcula los tamaños del efecto, ajusta un modelo de efectos aleatorios, dibuja el forest plot con los estadísticos de heterogeneidad y evalúa un moderador, con el script de R para reproducirlo.

URL: https://yila.ai/es/playbooks/forest-plot

## Lo que obtienes

- **Forest plot** (PNG + SVG): Cada estudio con sus recuentos, su peso y su estimación en un eje logarítmico, el rombo del efecto combinado, el intervalo de predicción y la línea de heterogeneidad.
- **Gráfico de burbujas** (PNG + SVG): La metarregresión sobre tu moderador, con cada estudio como un punto, la recta ajustada y su banda de confianza del 95%.
- **Tabla de resultados** (CSV): Las estimaciones, los intervalos de confianza y los pesos de cada estudio, la estimación combinada con su intervalo de predicción y los coeficientes de la metarregresión.
- **El script** (Script de R): El análisis completo en R con metafor, para que un revisor pueda recalcular cada número a partir de tu tabla.

## Cómo funciona

1. **Sube la tabla de estudios e indica la medida**: Dale a Yila una fila por estudio: el número de eventos y los totales por brazo, o un tamaño del efecto con su error estándar. Indica qué medida combinar y qué característica de los estudios podría explicar las diferencias.
2. **Yila revisa la tabla y prepara el modelo**: Lee las columnas, calcula los tamaños del efecto y ajusta el modelo de efectos aleatorios. Indica cómo está codificado cada brazo (casos y no casos, o casos y totales) para que los tamaños de los grupos sean correctos; los estudios sin eventos se señalan, no se ajustan en silencio.
3. **Obtén las figuras, la tabla y el script**: El forest plot y el gráfico de burbujas se generan, se revisa que no haya solapamientos y se guardan con la tabla de resultados y el script. Pide subgrupos, un gráfico de embudo o un estimador distinto en la misma conversación.

## Pensado para

- **Una revisión sistemática**: El forest plot principal y los estadísticos de heterogeneidad que presenta una revisión PRISMA, listos para la sección de resultados.
- **Un capítulo de tesis**: Un análisis combinado cuyo script y cuyos resultados puede revisar un comité de tesis línea por línea.
- **Comprobar un metanálisis publicado**: Recalcula una estimación combinada a partir de los recuentos de los ensayos que aparecen en sus tablas antes de citarlo.

## Preguntas frecuentes

### ¿Qué formato deben tener mis datos?

Una fila por estudio. Para desenlaces binarios, el número de eventos y el de participantes (o de no eventos) en cada brazo; para desenlaces continuos, medias, DE y tamaños muestrales; o un tamaño del efecto con su error estándar, si ya los tienes. Indica en la solicitud cómo están codificadas las columnas.

### ¿Efectos fijos o aleatorios?

Efectos aleatorios por defecto, estimados con REML, porque los estudios suelen diferir en población y diseño. Si tienes un motivo para usar un modelo de efecto común, pídelo y Yila presentará ambos.

### ¿Qué me dicen Q, I² y τ²?

Q contrasta si los estudios discrepan más de lo que permite el azar, I² es la proporción de la variación que se debe a diferencias reales entre estudios y τ² es la magnitud de esa varianza entre estudios en la escala del efecto. El intervalo de predicción traduce τ² al rango que cabría esperar para un estudio nuevo.

### ¿Puede explicar la heterogeneidad?

Sí, con una metarregresión sobre una variable a nivel de estudio, como la latitud, la dosis o el año, representada en un gráfico de burbujas. Con pocos estudios, Yila advierte de lo poco que puede demostrar una metarregresión.

### ¿Riesgo relativo, odds ratio o diferencia de medias?

Cualquier medida que admita metafor: RR, OR y diferencia de riesgos para desenlaces binarios, diferencia de medias y SMD para los continuos, y otras, como los hazard ratios, a partir de estimaciones publicadas. Indícala en la solicitud.

### ¿Puedo añadir subgrupos o un gráfico de embudo?

Sí, en la misma conversación. Las estimaciones por subgrupo, un gráfico de embudo con la prueba de Egger o un análisis leave-one-out, que excluye un estudio cada vez, se añaden al mismo script.

### ¿De dónde proceden los datos del ejemplo?

De los 13 ensayos de la vacuna BCG recopilados por Colditz et al. (1994) y distribuidos con el paquete de código abierto metafor como dat.bcg. Yila nunca usa datos de usuarios como ejemplos.

---

- [Combina tus estudios y dibuja el forest plot](https://yila.ai/es/playbooks/forest-plot)
- [llms.txt](https://yila.ai/es/llms.txt)
