IA en el metaanálisis:nunca le preguntes si los estudios pueden combinarse

Dentro del flujo de trabajo del metaanálisis, estas tareas pueden acelerarse con IA sin problema:

Generar candidatos a términos de búsqueda. Primera lectura y priorización de títulos y resúmenes. Estructurar los resúmenes de los artículos incluidos. Redactar borradores de las tablas de extracción (recopilar ítems predefinidos). Pulir la redacción de la sección de métodos. Lo que tienen en común: todas son productos intermedios que después pueden verificarse contra los originales.

Otras decisiones pueden consultar la salida de la IA, pero la palabra final es humana.

La inclusión y exclusión definitivas, con sus motivos. La evaluación del riesgo de sesgo. Si combinar o no. Qué tamaño del efecto usar. Cómo interpretar la heterogeneidad. Qué tan fuerte puede ser la conclusión. Esas últimas cuatro son exclusivas del metaanálisis, y son el corazón de este artículo.

Si los estudios pueden combinarse se reduce a esto: ¿las poblaciones, las intervenciones y los desenlaces son clínicamente lo bastante cercanos? Esa no es una pregunta de estadística: es un juicio de similitud que solo puede hacer quien entiende el contexto clínico y de investigación del campo.

La IA responderá con fluidez que «son similares». Pero no puede responsabilizarse de esa decisión, ni sopesar si diferencias sutiles —rangos de dosis, momentos de medición, gravedad de los pacientes incluidos— socavan la validez de la combinación. Ese juicio pertenece a quien leyó los Métodos originales con conocimiento del área.

Dejar que la IA redacte el borrador de la tabla de extracción funciona, pero en un metaanálisis el listón de la revisión sube.

Si cualquier valor que alimenta la combinación está mal en unidades, denominadores, correspondencia de grupos o formato del tamaño del efecto, una fila entera del diagrama de bosque se invierte. Cada número del borrador de IA debe verificarse contra el texto original, sus figuras, sus tablas y los suplementos. La verificación completa —no el muestreo— es el estándar del metaanálisis.

Otra particularidad del metaanálisis: los artículos enviados enfrentan un escrutinio estricto de transparencia metodológica, así que si la IA está en tu proceso, debes poder describir su alcance con honestidad.

Mantén las sugerencias de la IA y los juicios humanos en registros separados. Es el mismo principio de nuestro artículo sobre revisiones sistemáticas, pero en un metaanálisis destinado a publicación esos registros se convierten en material del manuscrito. Revisa las directrices de tu revista de destino sobre el reporte del uso de IA y consulta con tu director.

Calcular y combinar tamaños del efecto es dominio del software estadístico validado, como RevMan o R. Nunca lleves números calculados por un chat de IA directamente a tus resultados.

Lo que un chat de IA hace bien es enseñar: explicar en lenguaje llano las ideas detrás de los métodos estadísticos. El software validado calcula; la IA apoya la comprensión. Esa división del trabajo es segura.

Paperfy apoya la lectura y la verificación que preceden a la combinación. Cada artículo incluido tiene una página con el resumen de IA, las figuras, las tablas y el texto original lado a lado. Edita el resumen para dejar notas como «valores extraídos verificados en la Tabla 2» o «el punto temporal difiere 3 meses del resto: marcar para la discusión de la combinación».

No es software estadístico ni una herramienta de gestión de revisiones: es la herramienta que acorta los viajes que haces una y otra vez de vuelta al texto original.

Si la IA acelera la primera lectura y los borradores, ¿adónde debería ir el tiempo recuperado? A pensar en la heterogeneidad.

¿Por qué difieren los estudios: las poblaciones, la intensidad de la intervención, los puntos temporales? La profundidad con que pienses el «por qué difieren» es lo que determina el valor de un metaanálisis. La IA es una herramienta para comprar ese tiempo.