¿Cómo llevar a cabo un metanálisis sobre los estudios que informan los resultados de manera diversa como odds ratios, riesgos o tasas?

Estoy haciendo un metanálisis de algunos estudios que informan los resultados de manera diversa como odds ratios, riesgos o tasas de interés (todos con intervalos de confianza). ¿Hay alguna forma de combinarlos / convertirlos entre ellos para poder hacer un metanálisis de todos los estudios?

Depende de por qué lo hicieron y de qué información adicional podría tener que trabajar, por ejemplo, ¿tiene recuentos celulares específicos a partir de los cuales pueda calcular sus propias medidas de efecto? Sin embargo, algunos pensamientos iniciales:

1. Hay dos grupos lógicos aquí. Las razones de probabilidad y los riesgos relativos, si se informan en alguno de sus estudios, se agrupan lógicamente (en la medida en que la razón de probabilidades generalmente trata de estimar un riesgo relativo cuando no se puede calcular el riesgo relativo real). Del mismo modo, las proporciones de tasas (que voy a suponer son = proporciones de densidad de incidencia de una regresión de Poisson) y las proporciones de riesgo se refieren a datos de tiempo. Yo realmente no cruzaría-RUP y comparar los CRI, por ejemplo.
2. Riesgos relativos y RUP: Sinceramente, probablemente realizaría análisis paralelos para estas dos medidas. Si un estudio es un diseño de población de cohorte o transversal, e informa sus números, puede calcular sus propios OR a partir de eso. Sin embargo, si elige hacer eso, definitivamente consideraría la heterogeneidad basada en el diseño del estudio.
3. Tasas de ratios y recursos humanos: estos podrían ser más capaces de salirse con la suya. Si la razón de la tasa es la razón de dos tasas calculadas como cases/person-time, entonces esa es también una estimación de la razón de riesgo. Es solo una relación de riesgo hecha bajo el supuesto de riesgos tanto proporcionales como constantes. Puede convertirlos directamente en un HR, pero nuevamente, vería la heterogeneidad del estudio según la medida que informa, ya que las proporciones de tasas y un HR que surgió de algo así como un modelo de Cox se realizan bajo diferentes supuestos.
4. En caso de duda, probablemente sea mejor dividir los estudios y observar cada subgrupo. No necesariamente veas esto como un fracaso. Si diferentes medidas de efecto y diseños de estudio reportan resultados diferentes, eso es, por sí solo, un hallazgo. Parafraseando a un profesor mío, la heterogeneidad que impide la estimación de una sola estimación agrupada es un resultado que vale la pena informar.