Ciencia y Educación, Vol. 10, No. 2, Septiembre, 2026 • ISSN (impreso): 2613-8794 • ISSN (en línea): 2613-8808 • Sitio web: https://revistas.intec.edu.do/

META-REVISIONES EN EDUCACIÓN: UNA GUÍA METODOLÓGICA PARA SU DISEÑO Y DESARROLLO

Umbrella reviews in education: a methodological guide for design and development

DOI: https://doi.org/10.22206/ciened.2026.v10i2.3783

Recibido: 11/06/2026 • Aceptado: 08/09/2026

Cómo citar: Rubio Hernandez, F. J. (2026). Meta-revisiones en educacion: una guia metodologica para su diseno y desarrollo. Ciencia y Educacion, 10(2), 109-130. https://doi.org/10.22206/ciened.2026.v10i2.3783

1. Introducción

En las últimas décadas, el crecimiento exponencial de la producción científica ha generado una urgente necesidad de sintetizar la evidencia disponible de manera rigurosa y sistemática (Maral, 2025). En este contexto, los estudios de síntesis se han consolidado como herramientas fundamentales para integrar los resultados de estudios primarios y facilitar la toma de decisiones basada en la evidencia (Page et al., 2021; Tricco et al., 2018). No obstante, el aumento progresivo de este tipo de estudios, también en el ámbito educativo (Maral, 2025), ha dado lugar a un nuevo desafío: la necesidad de sintetizar, a su vez, la evidencia procedente de revisiones sistemáticas (RS), revisiones de alcance (RA) y metaanálisis (MA) (Sánchez-Meca et al., 2026), lo que ha impulsado el desarrollo de enfoques de síntesis de segundo nivel (Higgins et al., 2024).

En este marco surgen las meta-revisiones (MR), también denominadas revisiones paraguas o revisiones de revisiones (meta-reviews, umbrella reviews u overviews of reviews en inglés), que constituyen un tipo de investigación secundaria orientado al análisis de diferentes RS, RA y/o MA sobre un mismo tópico (Aromataris et al., 2015, 2024; López-López et al., 2022; Pollock et al., 2024). Estas investigaciones tienen como objetivo seleccionar, evaluar, analizar, sintetizar e integrar las características y los resultados de estudios de síntesis previos, generalmente centrados en temáticas, intervenciones, poblaciones u objetivos relacionados o similares (Rubio et al., 2026b). A través de este enfoque, es posible ofrecer una visión global del estado del conocimiento, identificar patrones consistentes, detectar discrepancias entre revisiones y señalar vacíos o áreas insuficientemente investigadas (Pieper et al., 2014).

Aunque este tipo de estudios se ha desarrollado con mayor intensidad en ámbitos como las ciencias de la salud, en los últimos años se observa una incorporación progresiva de este enfoque en el campo educativo (Hernández et al., 2023). Diversos trabajos han aplicado meta-revisiones en educación para sintetizar evidencia sobre temáticas tales como la aplicación en el aula de la neuro-tecnología en alumnado con Trastorno por Déficit de Atención e Hiperactividad (Hidalgo et al., 2023), las pruebas sobre competencia psicomotora en educación preescolar (Prieto Andreu, 2023), los condicionantes del rendimiento académico (Gutiérrez et al., 2022), las intervenciones de alfabetización basadas en el inglés para apoyar a los estudiantes adolescentes (Henry et al., 2025), la eficacia del aprendizaje basado en problemas (Amoa-Danquah & Carbonneau, 2025), las intervenciones con niños con Trastornos del Espectro Autista (Trembath et al., 2023), el uso de la inteligencia artificial en contextos educativos (Fu et al., 2025) o la evaluación del pensamiento computacional en la universidad (Zhang et al., 2024).

Aun así, a pesar de este crecimiento, el uso de meta-revisiones en educación presenta todavía importantes desafíos. A diferencia del ámbito sanitario, donde existen guías metodológicas consolidadas y estándares definidos (Aromataris et al., 2024; Gates et al., 2022; Higgins et al., 2024), en el campo educativo suele darse una mayor heterogeneidad en los procedimientos utilizados (Grant & Booth, 2009; Booth et al., 2016). Esta variabilidad afecta a aspectos como la formulación de la pregunta de investigación, la definición de criterios de elegibilidad, las estrategias de búsqueda, los procesos de selección de estudios o la evaluación de la calidad metodológica de los estudios de síntesis incluidos (Rubio et al., 2026). Como resultado, la falta de estandarización puede dificultar la comparabilidad entre estudios y comprometer la transparencia y reproducibilidad de los resultados (Gates et al., 2022).

Por otro lado, con el fin de contextualizar esta tendencia, en el presente trabajo se llevó a cabo un análisis exploratorio de la producción científica sobre meta-revisiones en la Web of Science (WOS) durante el periodo 2005–2025, diferenciando entre el conjunto general, el ámbito educativo y la investigación en educación.

Los resultados muestran una clara concentración de la producción en los años más recientes del periodo analizado, especialmente a partir de 2015, con una intensificación notable entre 2020 y 2025. En este último periodo se concentró el 81,01 % de las meta-revisiones del conjunto general, el 80,38 % de las del ámbito educativo y el 80,00 % de las de la categoría de investigación educativa.

Estos resultados evidencian un proceso reciente de expansión y consolidación de las meta-revisiones (Tabla 1 y Figura 1).

En consecuencia, el crecimiento sostenido de las meta-revisiones en educación, junto a las escasas pautas metodológicas concretas para este ámbito (Fontana y Camilli Trujillo, 2026), pone de manifiesto la necesidad de contar con orientaciones claras que guíen su diseño y desarrollo. A pesar de su creciente importancia como herramienta de síntesis del conocimiento, la ausencia de procedimientos sistemáticos y homogéneos puede limitar su utilidad y dificultar su aplicación en la práctica educativa y en la investigación (Maral, 2025).

A partir de ello, surge la siguiente pregunta de investigación: ¿qué elementos metodológicos deben considerarse en el diseño y desarrollo de meta-revisiones en el ámbito educativo?

En coherencia con lo anterior, el objetivo de este trabajo es proponer una guía metodológica para el diseño y desarrollo de meta-revisiones en educación. De manera específica, se pretende: 1) describir los elementos estructurales que debe contener una meta-revisión; 2) sistematizar el proceso metodológico necesario para su desarrollo; 3) proponer estrategias de búsqueda estructuradas y reproducibles para la identificación de estudios de síntesis; 4) detallar los procedimientos de selección, evaluación de la calidad metodológica y extracción de datos; y 5) establecer orientaciones para la síntesis, presentación e interpretación de los resultados.

2. Metodología

El presente trabajo se enmarca en un enfoque metodológico de carácter teórico y aplicado, orientado a la sistematización, el análisis y la integración de aportaciones procedentes de la literatura especializada, con el propósito de elaborar una guía metodológica para la realización de meta-revisiones en educación. Desde esta perspectiva, la investigación se inscribe en la tradición de los estudios teóricos en educación, sustentados en el análisis y la síntesis de fuentes documentales y regidos por criterios de calidad como la relevancia, la precisión conceptual, la coherencia argumental y el rigor en la elaboración de propuestas. En este sentido, puede caracterizarse como una síntesis teórica orientada al desarrollo de un marco metodológico aplicable a las meta-revisiones (Romero Pérez, 2024).

Para el desarrollo de la propuesta se han tomado como referencia las principales recomendaciones internacionales sobre revisiones paraguas o meta-revisiones, en particular las propuestas del Joanna Briggs Institute (JBI) (Aromataris et al., 2024) y la colaboración Cochrane (Higgins et al., 2024), así como otros trabajos relevantes sobre la metodología de los estudios de síntesis de segundo nivel (Barragán & Guzmán, 2025; Belbasis et al., 2022; Chambergo et al., 2021; Choi & Kang, 2023; Gates et al., 2022; Hernández et al., 2023; Zhou et al., 2025).

3. Resultados

Se presenta una propuesta metodológica estructurada en 12 elementos (Figura 2) para la realización de meta-revisiones en educación. A continuación, se describen de forma detallada.

3.1. Título y autoría

El título debe ser preciso y reflejar con claridad el objeto de la meta-revisión. Asimismo, debe incluir de forma explícita el tipo de estudio mediante términos como “meta-revisión”, “metarrevisión”, “revisión de revisiones” o “revisión paraguas” (o sus equivalentes en inglés), con el fin de facilitar su identificación en bases de datos y su adecuada indexación.

En relación con la autoría, se recomienda incluir los nombres de todos los autores, sus correspondientes afiliaciones institucionales y una dirección de contacto (incluido el correo electrónico), siguiendo las normas habituales de publicación científica.

3.2. Pregunta de investigación

La formulación de la pregunta de investigación constituye un elemento central en el diseño de una meta-revisión, ya que define el propósito general del estudio y orienta el desarrollo de los objetivos. En el ámbito educativo, estas preguntas suelen formularse en términos amplios, sin descender a un nivel excesivamente operativo, que será posteriormente concretado en la pregunta de revisión. Aunque en el diseño la pregunta de investigación se formula en primer lugar, en el informe final suele presentarse al término de la introducción (véase el apartado 3.3).

En este sentido, una meta-revisión puede orientarse a la síntesis de evidencia sobre intervenciones pedagógicas (como el aprendizaje basado en proyectos, la clase invertida o el aprendizaje-servicio) o fenómenos educativos (como la motivación, el rendimiento académico o el autoconcepto) vinculados a una misma población, o bien al análisis de distintos resultados asociados a una misma estrategia o enfoque (como el uso de dispositivos digitales en la enseñanza o la evaluación formativa).

Por ejemplo, desde un enfoque cuantitativo, una pregunta de investigación podría formularse en los siguientes términos:

• ¿qué se sabe sobre la eficacia de los métodos de enseñanza de la lectura en educación primaria?

Por su parte, desde un enfoque cualitativo, la pregunta podría centrarse en la comprensión de experiencias o percepciones, como en el caso de la comunicación familia-centro:

• ¿qué se sabe sobre las experiencias de comunicación entre las familias y los centros educativos en entornos digitales?

Asimismo, las preguntas de investigación pueden orientarse al análisis del estado de la literatura existente en un área de conocimiento —identificando el volumen de estudios de síntesis publicados, sus características y su calidad metodológica— o al estudio de variables específicas (por ejemplo, las competencias digitales docentes), valorando su evaluación y aplicación en distintos contextos educativos. Asimismo, la guía no desarrolla en profundidad otros aspectos propios de las meta-revisiones, como la gestión de revisiones con conclusiones discordantes, la graduación de la certeza de la evidencia o la síntesis cuantitativa de segundo orden, que requieren un tratamiento específico.

Para su adecuada formulación, la pregunta de investigación debe ser clara, relevante y coherente con los objetivos del estudio. Estas preguntas generales servirán posteriormente de base para la formulación de la pregunta de revisión, que concretará los elementos necesarios para guiar el proceso metodológico de la meta-revisión.

3.3. Introducción

La introducción de una meta-revisión debe incorporar los elementos esenciales relacionados con el tema que se pretende revisar y mostrar al lector la relevancia del estudio. En primer lugar, debe presentar el estado actual del conocimiento sobre la temática, incluyendo definiciones y conceptualizaciones relevantes (por ejemplo, si el tema son las características de la víctima de acoso escolar en educación primaria, convendría abordar cuestiones como qué es el acoso escolar, qué modalidades se contemplan, qué roles intervienen en este fenómeno o cómo han evolucionado los casos en una etapa educativa y contexto concreto).

En segundo lugar, se debe definir qué es una revisión paraguas, destacando su papel en la síntesis de la evidencia procedente de revisiones sistemáticas, revisiones de alcance y metaanálisis. Asimismo, es necesario justificar de manera explícita la realización de la meta-revisión, argumentando su relevancia y contribución, especialmente en relación con la necesidad de integrar la evidencia existente sobre el tema en el ámbito socioeducativo.

Además, resulta pertinente indicar de forma breve el objeto de la meta-revisión (¿sobre qué va a versar?), con el fin de garantizar la coherencia entre este apartado y la metodología.

También se deben señalar algunas de las revisiones sistemáticas, revisiones de alcance o metaanálisis existentes sobre el tópico de interés, así como describir la búsqueda preliminar realizada para identificar posibles meta-revisiones previas, mencionando las principales bases de datos u otras fuentes consultadas. En caso de existir revisiones paraguas anteriores, es necesario justificar el valor añadido de la nueva propuesta.

Por último, la introducción puede incluir el público objetivo al que se dirige la investigación (investigadores, maestras y maestros de educación infantil y/o primaria, profesorado de formación profesional, etcétera) y debe concluir con la formulación de la pregunta o preguntas de investigación, así como los objetivos correspondientes, los cuales suelen dividirse en un objetivo general y varios específicos, y que deben estar alineados entre sí.

3.4. Pregunta de revisión

En una revisión paraguas es esencial diferenciar la pregunta de investigación de la pregunta de revisión, puesto que cumplen funciones diferenciadas y complementarias (Rubio et al., 2026). Mientras que la pregunta de investigación define el propósito general del estudio y se encuentra alineada con los objetivos planteados, la pregunta de revisión presenta un carácter más operativo y metodológico, ya que orienta la búsqueda, selección y análisis de la evidencia disponible.

En este sentido, la pregunta de revisión puede entenderse como una operacionalización de la pregunta de investigación, ya que traduce el problema general en términos concretos que permiten delimitar la evidencia a analizar y guiar el proceso metodológico de la meta-revisión.

Por ello, la pregunta de revisión debe presentar claridad en su formulación, coherencia con el título de la revisión paraguas y capacidad para guiar el desarrollo de los criterios de inclusión y exclusión. Para su formulación, se recomienda utilizar un formato estructurado que permita delimitar los componentes o elementos esenciales de la pregunta, tales como PICO (Población, Intervención, Comparación y Resultado) en estudios cuantitativos o PICo (Población, Fenómeno de interés y Contexto) en investigaciones cualitativas.

A modo de ejemplo, en la Tabla 2 se presentan distintas formulaciones de preguntas de revisión en función del enfoque adoptado.

3.5. Criterios de elegibilidad e inclusión

Los criterios de elegibilidad e inclusión permiten definir las características que deben cumplir los estudios para ser seleccionados e incorporados en la meta-revisión, por lo que deben estar claramente definidos y alineados con la pregunta de revisión.

En general, algunos de los criterios más habituales son los siguientes:

• Tipo de participantes: se deben especificar las características de los sujetos incluidos (edad, sexo, etapa educativa, etc.), de modo que resulten adecuados para los objetivos de investigación y coherentes con la pregunta de revisión. Asimismo, deben justificarse tanto los criterios de inclusión como de exclusión.

• Intervenciones o fenómenos de interés: en función del enfoque de la meta-revisión, es necesario definir con claridad las intervenciones, metodologías o fenómenos educativos que se van a analizar.

• Resultados: en meta-revisiones centradas en evidencia cuantitativa, los resultados deben definirse previamente y ser pertinentes para la pregunta de revisión y la población objeto de estudio (por ejemplo, familias, docentes o estudiantes). Entre los resultados que podrían considerarse, se encuentran el rendimiento académico (en forma de calificaciones), la comprensión lectora (número de aciertos en pruebas de comprensión) o la resolución de problemas aritméticos (por citar un caso, mediante multiplicación), así como variables socioemocionales (habilidades de colaboración o nivel de ansiedad) y de participación (asistencia o implicación en el aula). Además, conviene tener presente tanto los resultados directos como aquellos indirectos que puedan influir en los principales (por ejemplo, la relación entre motivación y rendimiento académico, o la relación entre la percepción del clima en la escuela y la participación del alumnado en las actividades del aula). Asimismo, deben contemplarse no solo los efectos positivos, sino también los posibles efectos adversos asociados a las intervenciones o fenómenos analizados (por ejemplo, el incremento de la ansiedad del alumnado, una mayor distracción en el uso de tecnologías digitales o una disminución de la motivación en determinados contextos).

• Contexto: puede incluir la delimitación geográfica (España, Europa, etc.), la etapa educativa (educación infantil, primaria, secundaria, educación superior), el tipo de entorno educativo (presencial, virtual o híbrido) y otras variables relevantes relacionadas con la equidad, la diversidad o la inclusión (como el origen étnico, el nivel socioeconómico o el género).

• Tipos de estudios: en las meta-revisiones, las unidades de análisis son estudios de síntesis de la investigación, como revisiones sistemáticas, revisiones de alcance o metaanálisis que informen de su proceso conforme a guías de publicación reconocidas (por ejemplo, PRISMA 2020 o PRISMA-ScR) (Page et al., 2021; Tricco et al., 2018). Dada la diversidad existente (Grant & Booth, 2009), es necesario especificar con claridad qué tipos de revisiones se incluirán, siendo habitual excluir aquellas de carácter puramente teórico cuando el interés se centra en la evidencia empírica.

3.6. Estrategia de búsqueda

La búsqueda en una meta-revisión tiene como objetivo identificar los estudios de síntesis (revisiones sistemáticas, revisiones de alcance y metaanálisis) relevantes para la pregunta de revisión. Por ello, debe incluir una estrategia detallada que permita localizar dichos estudios, especificando los términos o palabras clave, los operadores booleanos y los recursos que se consultarán (artículos, actas de congresos, tesis doctorales, entre otros), así como las fuentes donde se realizará la búsqueda (bases de datos, repositorios, etc.).

Algunas bases de datos ofrecen filtros por tipo de documento que ayudan a localizar revisiones (por ejemplo, “artículo de revisión” en Web of Science), aunque no distinguen entre revisiones sistemáticas y narrativas. Sin embargo, aplicar ciertos filtros puede implicar la pérdida de información, ya que podrían excluir revisiones sistemáticas, revisiones de alcance y metaanálisis relevantes.

Dado que muchas bases de datos no disponen de filtros específicos para este tipo de estudios, o porque el autor de la revisión paraguas decida no utilizarlos, se recomienda realizar búsquedas mediante términos clave como “revisión sistemática”, “revisión de alcance” y “metaanálisis” (incluyendo sus variantes en español, así como sinónimos y equivalentes en inglés) en los campos de título y resumen, al menos, sin perjuicio de su adaptación a otras configuraciones de búsqueda. Además, los términos seleccionados deben ser lo suficientemente amplios para abarcar todas las revisiones pertinentes a la pregunta de revisión.

Así pues, la estrategia de búsqueda suele organizarse en tres fases, que se representan de forma sintética en la Figura 3.

3.7. Selección de estudios

El proceso de selección de estudios debe describirse de forma clara y transparente. Este proceso suele estructurarse en cuatro fases. En la primera, identificada como identificación, se aplica la estrategia de búsqueda previamente definida con el fin de localizar todos los documentos potencialmente relevantes en las bases de datos seleccionadas.

En la segunda fase, correspondiente al cribado, las referencias identificadas se exportan a un gestor bibliográfico (por ejemplo, RefWorks, Zotero, Mendeley o EndNote) y se eliminan los duplicados. Posteriormente, al menos dos revisores, de forma independiente, revisan los títulos y resúmenes para seleccionar aquellas referencias potencialmente pertinentes según los criterios de elegibilidad e inclusión previamente establecidos, registrando los motivos de exclusión de los documentos descartados en esta fase.

En la tercera fase, denominada elegibilidad, se lleva a cabo la lectura completa de los artículos preseleccionados para confirmar si cumplen todos los criterios definidos. En este proceso, también se deben registrar los motivos de exclusión de los estudios que no superen esta etapa.

Finalmente, en la cuarta fase, denominada inclusión, se determina de forma definitiva qué documentos serán incorporados a la revisión paraguas. En todas las fases, cualquier desacuerdo entre revisores debe resolverse mediante consenso o, en caso necesario, con la intervención de un tercer revisor.

Para optimizar las fases de cribado y elegibilidad, se recomienda el uso de herramientas específicas como Covidence o Rayyan, que complementan el uso de gestores bibliográficos. Estas herramientas permiten importar referencias previamente organizadas, facilitar el cribado de títulos y resúmenes de forma colaborativa entre revisores independientes, así como registrar decisiones y motivos de exclusión.

Además, se recomienda presentar el flujo del proceso mediante un diagrama PRISMA (Page et al., 2021), adaptado al contexto de las revisiones paraguas, en el que se indique el número de registros en cada fase y las razones de exclusión. Cabe señalar que el diagrama de PRISMA 2020 incluye, entre el cribado y la evaluación de la elegibilidad, un paso de recuperación de las publicaciones a texto completo, en el que deben indicarse las que no pudieron obtenerse (Page et al., 2021).

3.8. Evaluación de la calidad metodológica y riesgo de sesgo

Las síntesis de investigaciones que cumplen los criterios de elegibilidad e inclusión en una revisión paraguas deben someterse a una evaluación rigurosa de su calidad metodológica y del riesgo de sesgo. Este proceso resulta fundamental para valorar la solidez de la evidencia disponible y garantizar la fiabilidad de los resultados obtenidos.

Habitualmente, esta evaluación se realiza una vez que los estudios han sido incluidos en la revisión, no constituyendo un criterio inicial de selección. Es decir, suele llevarse a cabo durante la fase de extracción de datos o en un momento posterior, como un procedimiento independiente.

No obstante, en determinados casos, puede establecerse que la evaluación de la calidad metodológica se efectúe previamente a la inclusión definitiva, con el objetivo de incorporar únicamente aquellos estudios que presenten niveles moderados o altos de calidad, excluyendo aquellos con mayor riesgo de sesgo.

Para llevar a cabo este proceso, existen diversas herramientas y listas de verificación diseñadas para valorar la calidad metodológica de revisiones sistemáticas y metaanálisis (Pizarro et al., 2021).

En la Tabla 3 se presentan algunos de los principales instrumentos empleados para la evaluación de la calidad metodológica y el riesgo de sesgo en revisiones paraguas.

Estas listas suelen basarse en criterios evaluables mediante categorías como “cumple”, “no cumple”, “poco claro” y, en algunos casos, “no aplicable”. La decisión de incluir o excluir un estudio puede depender del cumplimiento de un porcentaje mínimo de criterios, de la satisfacción de determinados criterios esenciales o, en algunos sistemas, de la ponderación diferenciada de ciertos ítems. No obstante, algunos instrumentos, como AMSTAR-2, desaconsejan las puntuaciones globales obtenidas sumando ítems y proponen valorar la confianza general en cada revisión (alta, moderada, baja o críticamente baja) a partir de dominios críticos (Shea et al., 2017).

Es fundamental que las decisiones sobre el sistema de puntuación y los puntos de corte para la exclusión se definan previamente y se acuerden entre todos los revisores antes de iniciar la evaluación crítica. Por ello, se debe especificar con claridad el procedimiento para valorar la calidad metodológica, incluyendo, por ejemplo, el uso de puntos de corte predeterminados.

La aplicación de la herramienta debe realizarse por dos revisores independientes, quienes llevarán a cabo la evaluación crítica de cada revisión sistemática, revisión de alcance o metaanálisis seleccionado sin conocer la valoración del otro. Una vez finalizada la evaluación inicial, se comparan las valoraciones y se resuelven las discrepancias mediante consenso o, cuando sea necesario, con la intervención de un tercer revisor.

Así pues, la evaluación de cada estudio de síntesis incluido en una meta-revisión debe considerar criterios que valoren aspectos esenciales, como la claridad de las preguntas y objetivos de investigación, la transparencia en el proceso de selección de estudios o la exhaustividad de la búsqueda bibliográfica. Del mismo modo, resulta relevante evaluar la adecuación de los métodos de síntesis empleados (revisión sistemática, revisión de alcance o metaanálisis), así como el grado de cumplimiento de los estándares metodológicos.

El grado de cumplimiento de estos criterios permite caracterizar cada revisión, compararla con otras y establecer niveles relativos de calidad (Rodríguez & Úbeda, 2019; Rubio, 2024). Se trata, por tanto, de una valoración global del diseño y ejecución del estudio, que permite estimar la solidez y fiabilidad de sus resultados.

Por otro lado, el riesgo de sesgo constituye un concepto más específico, aunque estrechamente relacionado con la calidad metodológica. Se refiere a la probabilidad de que limitaciones en el diseño, la ejecución o el análisis de los estudios incluidos (o de la propia revisión) introduzcan errores sistemáticos que comprometan la validez interna de los hallazgos. Algunos ejemplos incluyen la ausencia de evaluación del riesgo de sesgo en los estudios primarios, la falta de revisores independientes en los procesos de selección y extracción de datos o el uso de instrumentos no adecuados para la valoración de la calidad (Healthcare Improvement Scotland, 2025).

En la Figura 4 se incluyen ejemplos de ítems que pueden emplearse para evaluar ambos aspectos, dado que en la práctica suelen integrarse en herramientas que combinan criterios metodológicos y de sesgo para garantizar la fiabilidad de la evidencia.

Estas orientaciones responden a la necesidad de evaluar la calidad metodológica y el riesgo de sesgo en las revisiones sistemáticas, revisiones de alcance y metaanálisis incluidos en las revisiones paraguas (Sánchez-Meca, 2022; Sánchez-Martín et al., 2024; Lunny et al., 2024).

3.9. Recopilación o extracción de los datos

La recopilación de datos en una meta-revisión consiste en extraer información relevante de cada uno de los estudios de síntesis incluidos.

Para reducir el riesgo de sesgo, es fundamental emplear una herramienta estructurada y estandarizada para la extracción de datos, ya sea en formato Excel, un formulario en Google, etc. Este instrumento podrá ser digitalizado para optimizar su utilización, permitir la descarga y exportación de datos y facilitar su análisis posterior.

Antes de iniciar la extracción completa, los revisores deben debatir previamente qué variables o aspectos se van a considerar y probar la herramienta con varios estudios. Este paso garantiza coherencia y aumenta la probabilidad de que los resultados se identifiquen y detallen de manera homogénea y suficiente para cumplir los objetivos de la meta-revisión. Sin este debate y prueba previa, los revisores podrían interpretar de forma distinta las variables del instrumento o valorar su relevancia de manera ligeramente diferente.

Por ende, el equipo encargado de la extracción debe disponer de una carpeta con todos los documentos incluidos en la meta-revisión, en formato PDF y numerados. Además, la extracción en una revisión paraguas debe realizarse de forma independiente por dos revisores, para minimizar aún más el riesgo de error.

Por último, se recuerda que los datos que se extraen en una revisión paraguas provienen de las revisiones sistemáticas, revisiones de alcance y metaanálisis incluidos, no de los estudios primarios que esos estudios de síntesis hayan analizado.

Una cuestión específica de las meta-revisiones es el solapamiento, es decir, la inclusión de un mismo estudio primario en varias de las revisiones analizadas. Si no se controla, puede otorgar un peso excesivo a algunos estudios primarios y producir estimaciones artificialmente precisas (Pollock et al., 2024). Para gestionarlo, se recomienda elaborar durante la extracción una matriz de citación que relacione cada estudio primario con las revisiones que lo incluyen y, de forma complementaria, calcular el área cubierta corregida (corrected covered area, CCA) (Pieper et al., 2014): CCA = (N − r) / (r × c − r), donde N es el número total de inclusiones de estudios primarios (contando las repeticiones), r el número de estudios primarios distintos y c el número de revisiones. Valores del 0 al 5 % suelen interpretarse como solapamiento ligero, del 6 al 10 % moderado, del 11 al 15 % alto y por encima del 15 % muy alto (Pieper et al., 2014). Cuando el solapamiento es elevado, deben justificarse en el protocolo decisiones como priorizar la revisión más reciente, la más completa o la de mayor calidad metodológica (Pollock et al., 2024).

3.10. Resumen de los datos

La finalidad de las revisiones paraguas es ofrecer un resumen de los estudios de síntesis existentes sobre un tema, pregunta o aspecto específico de interés. Por ello, resulta necesario presentar a los lectores los resultados de todos los estudios incluidos, de manera que les permitan obtener una visión general de los hallazgos de forma clara y sencilla para su interpretación.

En consecuencia, debe describirse el formato en el que se presentarán los resultados de los estudios incluidos en la meta-revisión. En este sentido, se recomienda la presentación tabular de los hallazgos. Por ejemplo, las columnas pueden seguir la siguiente secuencia: autores y año de publicación, objetivo y participantes (población diana), tipo de estudio de síntesis, temática abordada, número total de participantes o tamaño muestral (de los estudios incluidos en la revisión sistemática, revisión de alcance o metaanálisis revisado), principales conclusiones, entre otros.

Para datos extraídos en forma de variables cualitativas dicotómicas o categóricas, pueden calcularse frecuencias y porcentajes, así como elaborar gráficos con programas estadísticos como IBM SPSS Statistics, R, JASP o jamovi. Para datos extraídos en forma de variables cuantitativas o numéricas, se pueden emplear estadísticos descriptivos, tales como medidas de tendencia central (media, mediana, moda) y de dispersión (rango, desviación estándar, etc.).

En los resultados de la meta-revisión se deben presentar las conclusiones principales de cada revisión sistemática, revisión de alcance o mata-análisis revisado, respondiendo a la pregunta o preguntas de revisión. Además, se puede realizar una síntesis narrativa, describiendo las características generales de las revisiones, las temáticas y metodologías, entre otros aspectos. También se puede optar por una síntesis temática, agrupando los hallazgos por temas comunes (Sánchez et al., 2022; Smith et al., 2011).

3.11. El sesgo de publicación y de notificación en meta-revisiones

El sesgo de publicación se refiere a la tendencia de que los estudios con resultados positivos, estadísticamente significativos o considerados más interesantes se publiquen con mayor frecuencia que aquellos con resultados nulos, negativos o menos relevantes, lo que puede distorsionar la evidencia científica disponible (Page et al., 2021b).

Por otro lado, algunos autores distinguen entre sesgo de publicación (qué estudios llegan a publicarse, que son generalmente los que aportan resultados favorables) y sesgo de notificación (qué resultados se comunican dentro de los estudios publicados y cuáles se suprimen, modifican u ocultan) (Thomas & Heneghan, 2022). Ambas formas de sesgo reducen la transparencia y afectan la validez de las conclusiones, ya que la evidencia no refleja todos los datos generados.

En los metaanálisis, el sesgo de publicación suele evaluarse mediante métodos estadísticos y gráficos. Entre los más utilizados se encuentran los funnel plots o gráficos de embudo, que permiten identificar asimetrías indicativas de sesgo. Asimismo, las pruebas de Egger y Begg cuantifican dichas asimetrías (Page et al., 2021b). Otro método es el de Trim and Fill, que estima el número de estudios potencialmente omitidos y ajusta el efecto global; sus resultados deben interpretarse como un análisis de sensibilidad y no como una estimación del efecto real (Duval & Tweedie, 2000; Page et al., 2021b). Como complemento, se han propuesto análisis de sensibilidad que estiman qué magnitud debería tener el sesgo de publicación para alterar las conclusiones (Mathur & VanderWeele, 2020).

En las revisiones sistemáticas que no incorporan metaanálisis y en las revisiones de alcance no es posible aplicar estas pruebas estadísticas. Por ello, la evaluación del sesgo de publicación se realiza de forma cualitativa, valorando la exhaustividad de la búsqueda (incluyendo literatura gris y protocolos de estudios de síntesis) y discutiendo explícitamente, en el apartado de limitaciones, la posible influencia de estudios no publicados en los hallazgos (Ayorinde et al., 2020).

En las revisiones paraguas, la evaluación del sesgo de publicación no se aplica directamente a los estudios primarios, sino a las revisiones sistemáticas, revisiones de alcance y metaanálisis incluidos. Es recomendable registrar si estas revisiones evaluaron el sesgo de publicación, qué métodos emplearon (es decir, de qué forma) y cuáles fueron los resultados de esa evaluación. Además, debe indicarse si la ausencia de esta evaluación pudo impactar en la síntesis global de los estudios de síntesis seleccionados. Cuando los estudios de síntesis revisados en la meta-revisión no informan sobre este aspecto, debe señalarse como una limitación metodológica (Abdellatif et al., 2025; Fernández et al., 2025).

3.12. Registro del protocolo, cuestiones éticas en las meta-revisiones y uso de la inteligencia artificial

Habitualmente, los protocolos de revisiones paraguas que abordan resultados relacionados con la salud o el bienestar se registran en PROSPERO (International Prospective Register of Systematic Reviews, 2026). Cuando no se cumplen los requisitos de esta plataforma (por ejemplo, en meta-revisiones del ámbito educativo que no analicen hallazgos de la naturaleza mencionada anteriormente) se puede optar por INPLASY (International Platform of Registered Systematic Review and Meta-analysis Protocols, 2026). Asimismo, un repositorio de acceso abierto como Open Science Framework (OSF, 2026) también puede utilizarse para realizar el registro.

Normalmente, una vez efectuado el registro, la plataforma asigna un número identificativo y proporciona una URL o DOI. Además, siguiendo a Booth et al. (2012), un buen protocolo de un estudio de síntesis fortalece la credibilidad científica y garantiza la transparencia de este. Debe redactarse en tiempo futuro e incluir los objetivos, los criterios de selección, la estrategia de búsqueda, los procesos de extracción de datos y las formas de sintetizar la información, entre otros aspectos. En definitiva, se trata de describir minuciosamente la metodología prevista, contribuyendo a prevenir duplicaciones de investigaciones documentales de síntesis (Booth et al., 2016).

Dado que las revisiones paraguas sintetizan datos procedentes de revisiones sistemáticas, revisiones de alcance y metaanálisis ya publicados, sin implicar interacción directa con participantes ni recolección de datos primarios, por lo general no se requiere la aprobación de un comité de ética, aunque conviene consultar la normativa de la institución. No obstante, es imprescindible ajustarse a los principios de rigor científico y buenas prácticas (Aromataris et al., 2015), además de garantizar el respeto a los derechos de propiedad intelectual mediante la citación adecuada de cada estudio de síntesis incluido.

En relación con estas cuestiones éticas, y estrechamente vinculado con la transparencia, resulta fundamental que el equipo investigador ponga a disposición en acceso abierto los materiales y datos complementarios: estrategias de búsqueda completas, listados de revisiones excluidas y matrices con los datos derivados de la extracción de información de cada estudio incluido. Estas acciones facilitan tanto la reproducibilidad como la replicación (Rubio et al., 2020), contribuyendo a la consolidación de prácticas de ciencia abierta.

En lo tocante al uso de la inteligencia artificial (IA) en las meta-revisiones, esta puede desempeñar un papel de apoyo en tareas específicas, siempre bajo supervisión humana. Por ejemplo, puede emplearse para realizar búsquedas ampliadas, complementando las estrategias tradicionales en bases de datos con herramientas que identifican sinónimos, términos relacionados y expresiones equivalentes. Este enfoque contribuye a localizar estudios que podrían no aparecer con los términos inicialmente descartados (Bolaños et al., 2024). Bernard et al. (2025) trata específicamente Elicit (ver más abajo).

En la fase de cribado, donde se revisan títulos y resúmenes (y posteriormente los textos completos) para determinar qué estudios cumplen los criterios de inclusión, también es posible incorporar herramientas, algunas con funciones basadas en IA. Entre ellas destacan ASReview, que prioriza los artículos con mayor probabilidad de relevancia; Covidence, que permite registrar las razones de exclusión y generar diagramas PRISMA; y Rayyan, que facilita el cribado colaborativo y la deduplicación de documentos (van Dijk et al., 2023).

Para la extracción de datos y la elaboración de tablas preliminares, pueden utilizarse aplicaciones como Elicit, que organiza la información de los artículos según categorías predefinidas, agilizando la sistematización de datos (Bernard et al., 2025; Bolaños et al., 2024).

En cuanto a la evaluación metodológica de los estudios de síntesis incluidos, esta debe realizarse prioritariamente con las herramientas señaladas en la Tabla 3. Aunque se ha explorado la aplicación de ROBIS y AMSTAR-2 mediante modelos de lenguaje (Forero et al., 2025), este uso debe considerarse experimental y sujeto a revisión humana. Asimismo, pueden contemplarse adaptaciones de dichos instrumentos, ajustadas a la naturaleza de cada estudio de síntesis, como las propuestas en Aromataris et al. (2015) mediante la lista de verificación para revisiones sistemáticas y síntesis de investigación (p. 136), o los diez indicadores de calidad metodológica sugeridos por Rubio (2024, p. 6) para las RS que evalúan programas.

En definitiva, las recomendaciones aquí expuestas se alinean con las directrices internacionales sobre el uso responsable de la IA en la síntesis de evidencia. Organismos como Cochrane, la Campbell Collaboration o el Instituto Joanna Briggs (JBI) insisten en la transparencia y en que la responsabilidad última recaiga en las personas, no en las herramientas (Flemyng et al., 2025).

4. Conclusiones

El crecimiento sostenido de las meta-revisiones en el ámbito educativo, junto con la diversidad de enfoques metodológicos empleados, pone de manifiesto la necesidad de contar con orientaciones claras que guíen su diseño y desarrollo (Booth et al., 2016; Grant & Booth, 2009).

En este contexto, el presente trabajo ha propuesto una guía metodológica estructurada en 12 elementos, orientada a sistematizar los aspectos clave que deben considerarse en la elaboración de meta-revisiones en educación. Esta propuesta integra y organiza diferentes aportaciones metodológicas en un marco coherente, en consonancia con las principales recomendaciones internacionales en la síntesis de evidencia (Aromataris et al., 2024; Higgins et al., 2024), contribuyendo a mejorar la calidad, la transparencia y la reproducibilidad de este tipo de estudios.

Desde una perspectiva aplicada, la guía desarrollada proporciona una estructura clara que puede facilitar tanto la planificación como la ejecución de este tipo de estudios, tanto en investigadores como en estudiantes de posgrado, favoreciendo la sistematización de prácticas metodológicas en un ámbito caracterizado por una notable heterogeneidad.

No obstante, este trabajo presenta algunas limitaciones. Al tratarse de una propuesta de carácter teórico-metodológico, su utilidad deberá ser contrastada mediante su aplicación en meta-revisiones concretas que permitan valorar su viabilidad en distintos contextos educativos.

En este sentido, futuras investigaciones podrían centrarse en la validación empírica de la guía propuesta, así como en el desarrollo de herramientas complementarias que faciliten su implementación y contribuyan a consolidar estándares metodológicos en la elaboración de meta-revisiones en educación.

Referencias bibliográficas

Abdellatif, M., Dadam, M. N., Vu, N. T., Nam, N. H., Hoan, N. Q., Taoube, Z., ... & Huy, N. T. (2025). A step-by-step guide for conducting an umbrella review. Tropical medicine and health, 53(1), 1-9. https://doi.org/10.1186/s41182-025-00764-y

Amoa-Danquah, P., & Carbonneau, K. J. (2025). A Systematic Review of Reviews on Problem-Based Learning and Its Effectiveness. Current Issues in Education, 26(2). https://doi.org/10.14507/cie.vol26iss2.2293

Aromataris E, Lockwood C, Porritt K, Pilla B, & Jordan Z. (Eds.). (2024). JBI Manual for Evidence Synthesis. https://doi.org/10.46658/JBIMES-24-01. https://jbi-global-wiki.refined.site/space/MANUAL

Aromataris, E., Fernandez, R., Godfrey, C. M., Holly, C., Khalil, H., & Tungpunkom, P. (2015). Summarizing systematic reviews: methodological development, conduct and reporting of an umbrella review approach. International Journal of Evidence-Based Healthcare, 13(3), 132–140. https://doi.org/10.1097/xeb.0000000000000055

Ayorinde, A. A., Williams, I., Mannion, R., Song, F., Skrybant, M., Lilford, R. J., & Chen, Y. F. (2020). Assessment of publication bias and outcome reporting bias in systematic reviews of health services and delivery research: A meta-epidemiological study. PloS one, 15(1), e0227580. https://doi.org/10.1371/journal.pone.0227580

Barragán, S. & Guzmán, A. (2025). La ruta para revisiones paraguas en ciencias sociales. Explorando nuevos horizontes. European Public & Social Innovation Review, 10, 01-19. https://doi.org/10.31637/epsir-2025-689

Belbasis, L., Bellou, V., & Ioannidis, J. P. (2022). Conducting umbrella reviews. BMJ Medicine, 1(1), e000071. https://doi.org/10.1136/bmjmed-2021-000071

Bernard, N., Sagawa, Y. J., Bier, N., Lihoreau, T., Pazart, L., & Tannou, T. (2025). Using artificial intelligence for systematic review: The example of Elicit. BMC Medical Research Methodology, 25(1), 75. https://doi.org/10.1186/s12874-025-02528-y

Bolaños, F., Salatino, A., Osborne, F., & Motta, E. (2024). Artificial intelligence for literature reviews: Opportunities and challenges. Artificial Intelligence Review, 57, Artículo 259. https://doi.org/10.1007/s10462-024-10902-3

Booth, A., Clarke, M., Dooley, G., Ghersi, D., Moher, D., Petticrew, M., & Stewart, L. (2012). The nuts and bolts of PROSPERO: an international prospective register of systematic reviews. Systematic Reviews, 1(1), 1-9. https://doi.org/10.1186/2046-4053-1-2

Booth, A., Lewin, S., Glenton, C., Munthe-Kaas, H., Toews, I., Noyes, J., Rashidian, A., Berg, R. C., Nyakang’o, B., & Meerpohl, J. J. (2018). Applying GRADE-CERQual to qualitative evidence synthesis findings: understanding the potential impacts of dissemination bias. Implementation Science, 13(1), 1-10. https://doi.org/10.1186/s13012-017-0694-5

Booth, A., Sutton, A., & Papaioannou, D. (2016). Systematic Approaches to a Successful Literature Review (Second Edition). Sage.

CASP (2025). CASP Checklist: CASP Systematic Review Checklist. Critical Appraisal Skills Programme. https://casp-uk.net/casp-tools-checklists/systematic-review-checklist/

Chambergo, D., Diaz, M. E., & Benites, V. A. (2021). Revisiones de alcance, revisiones paraguas y síntesis enfocada en revisión de mapas: aspectos metodológicos y aplicaciones. Revista Peruana de Medicina Experimental y Salud Pública, 38(1), 136–142. https://doi.org/10.17843/rpmesp.2021.381.6501

Choi, G. J., & Kang, H. (2023). Introduction to Umbrella Reviews as a Useful Evidence-Based Practice. Journal of Lipid and Atherosclerosis, 12(1), 3. https://doi.org/10.12997/jla.2023.12.1.3

Ciapponi, A. (2018). AMSTAR-2: herramienta de evaluación crítica de revisiones sistemáticas de estudios de intervenciones de salud. Evidencia, Actualización en la Práctica Ambulatoria, 21(1), 4-13. https://doi.org/10.51987/evidencia.v21i1.6834

Duval, S., & Tweedie, R. (2000). Trim and fill: a simple funnel-plot–based method of testing and adjusting for publication bias in meta-analysis. Biometrics, 56(2), 455-463. https://doi.org/10.1111/j.0006-341x.2000.00455.x

Fernández, R. S., Sharifnia, A. M., & Khalil, H. (2025). Umbrella reviews: a methodological guide. European Journal of Cardiovascular Nursing, 24(6), 996-1002. https://doi.org/10.1093/eurjcn/zvaf012

Flemyng, E., Noel-Storr, A., Macura, B., Gartlehner, G., Thomas, J., Meerpohl, J. J., Jordan, Z., Minx, J., Eisele-Metzger, A., Hamel, C., Jemioło, P., Porritt, K., & Grainger, M. (2025). Position statement on artificial intelligence (AI) use in evidence synthesis across Cochrane, the Campbell Collaboration, JBI, and the Collaboration for Environmental Evidence 2025. Environmental Evidence, 14(1), 20. https://doi.org/10.1186/s13750-025-00374-5

Forero, D. A., Abreu, S. E., Tovar, B. E., & Oermann, M. H. (2025). Automated analyses of risk of bias and critical appraisal of systematic reviews (ROBIS and AMSTAR 2): A comparison of the performance of 4 large language models. Journal of the American Medical Informatics Association, 32(9), 1471–1476. https://doi.org/10.1093/jamia/ocaf117

Fontana, M., & Camilli Trujillo, C. (2026). How to conduct umbrella review in education? A step-by-step methodological guide through a case study in digital diaries. ECNU Review of Education, 9(1), 1-22. https://doi.org/10.1177/20965311261421966

Fu, Y., Weng, Z., & Wang, J. (2025). Examining AI Use in Educational Contexts: A Scoping Meta-Review and Bibliometric Analysis. International Journal of Artificial Intelligence in Education, 35(3), 1388–1444. https://doi.org/10.1007/s40593-024-00442-w

Gates, M., Gates, A., Pieper, D., Fernandes, R., Tricco, A., Moher, D., Brennan, S. E., Li, T., Pollock, M., Lunny, C., Sepulveda, D., McKenzie, J., Robinson, K. A., Matthias, K., Bougioukas, K. I., Fusar-Poli, P., Whiting, P., Moss, S. J., & Hartling, L. (2022). Reporting guideline for overviews of reviews of healthcare interventions: The Preferred Reporting Items for Overviews of Reviews (PRIOR) statement. BMJ, 378(1), 1-13. https://doi.org/10.1136/bmj-2022-070849

Grant, M. J., & Booth, A. (2009). A typology of reviews: an analysis of 14 review types and associated methodologies. Health Information & Libraries Journal, 26(2), 91–108. https://doi.org/10.1111/j.1471-1842.2009.00848.x

Gutiérrez, B., López, E., & Carpintero, E. (2022). Condicionantes del rendimiento académico: revisión sistemática de 25 años de meta-análisis. Revista De Educación, 398, 39–85. https://doi.org/10.4438/1988-592X-RE-2022-398-552

Healthcare Improvement Scotland (2025). Methodology checklist 1: systematic reviews and meta-analyses. Scottish Intercollegiate Guidelines Network (SIGN). https://www.sign.ac.uk/using-our-guidelines/methodology/checklists/

Henry, M. M., Snow, P. C., Serry, T. A., & Hammond, L. S. (2025). Adolescent Literacy Interventions: An Umbrella Review. Journal of Education for Students Placed at Risk (JESPAR), 31(2), 133–169. https://doi.org/10.1080/10824669.2025.2550772

Hernández, O., Rondón, B. I., & González, D. F. (2023). Revisión de revisiones: un nuevo método para abordar la literatura empírica. Revista Bibliotecas. Anales de Investigación, 19(1), 1-11. https://dialnet.unirioja.es/servlet/articulo?codigo=8879557

Hidalgo, A. -R., Acle, D., García, A., & Tabernero, C. (2023). Application of neurotechnology in students with ADHD: An umbrella review. Comunicar, 31(76). https://doi.org/10.3916/c76-2023-05

Higgins, J. P. T., Thomas, J., Chandler, J., Cumpston, M., Li, T., Page, M. J., & Welch, V. A. (2024). Cochrane Handbook for Systematic Reviews of Interventions (versión 6.5). Cochrane. https://www.cochrane.org/authors/handbooks-and-manuals/handbook/current/

INPLASY (2026). International Platform of Registered Systematic Review and Meta-analysis Protocols. https://inplasy.com/

Lewin, S., Booth, A., Glenton, C., Munthe-Kaas, H., Rashidian, A., Wainwright, M., … & Noyes, J. (2018). Applying GRADE-CERQual to qualitative evidence synthesis findings: Introduction to the series. Implementation Science, 13(Suppl. 1), 2. https://doi.org/10.1186/s13012-017-0688-3

López-López, J. A., Rubio-Aparicio, M., & Sánchez-Meca, J. (2022). Overviews of reviews: Concept and development. Psicothema, 34(2), 175–181. https://doi.org/10.7334/psicothema2021.586

Lunny, C., Kanji, S., Thabet, P., Haidich, A. -B., Bougioukas, K. I., & Pieper, D. (2024). Assessing the methodological quality and risk of bias of systematic reviews: Primer for authors of overviews of systematic reviews. BMJ Medicine, 3(1), 1-7. https://doi.org/10.1136/bmjmed-2023-000604

Maral, M. (2025). Artículos de revisión en investigación educativa: un análisis bibliométrico. Revista De Educación, 408(1), 223–264. https://doi.org/10.4438/1988-592X-RE-2025-408-675

Mathur, M. B., & VanderWeele, T. J. (2020). Sensitivity analysis for publication bias in meta-analyses. Journal of the Royal Statistical Society Series C: Applied Statistics, 69(5), 1091-1119. https://doi.org/10.1111/rssc.12440

National Heart, Lung, and Blood Institute (2021). Study Quality Assessment Tools. NHLBI. https://www.nhlbi.nih.gov/health-topics/study-quality-assessment-tools

OSF (2026). Open Science Framework. https://www.cos.io/

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., ... & Alonso-Fernández, S. (2021). Declaración PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas. Revista española de cardiología, 74(9), 790-799. https://doi.org/10.1016/j.recesp.2021.06.016

Page, M. J., Sterne, J. A., Higgins, J. P., & Egger, M. (2021b). Investigating and dealing with publication bias and other reporting biases in meta-analyses of health research: A review. Research synthesis methods, 12(2), 248-259. https://doi.org/10.1002/jrsm.1468

Pieper, D., Antoine, S. -L., Mathes, T., Neugebauer, E. A. M., & Eikermann, M. (2014). Systematic review finds overlapping reviews were not mentioned in every other overview. Journal of Clinical Epidemiology, 67(4), 368–375. https://doi.org/10.1016/j.jclinepi.2013.11.007

Pizarro, A. B., Carvajal, S., & Buitrago-López, A. (2021). ¿Cómo evaluar la calidad metodológica de las revisiones sistemáticas a través de la herramienta AMSTAR? Colombian Journal of Anesthesiology, 49(1), 1-13. https://doi.org/10.5554/22562087.e913

Pollock, M., Fernandes, R. M., Becker, L. A., Pieper, D., & Hartling, L. (2024). Chapter V: Overviews of reviews. En J. P. T. Higgins, J. Thomas, J. Chandler, M. Cumpston, T. Li, M. J. Page, & V. A. Welch (Eds.), Cochrane Handbook for Systematic Reviews of Interventions (versión 6.5). Cochrane. https://www.cochrane.org/authors/handbooks-and-manuals/handbook/current/chapter-v

Prieto Andreu, J. M. (2023). Revisión tipo paraguas de 50 pruebas sobre competencia psicomotora en educación preescolar (Umbrella review of 50 tests about psychomotor competence in preschool education). Retos, 47, 375–383. https://doi.org/10.47197/retos.v47.94964

PROSPERO (2026). International Prospective Register of Systematic Review. https://www.crd.york.ac.uk/prospero/

Rodríguez, C., & Úbeda, A. M. (2019). Análisis bibliométrico a través de indicadores de calidad metodológica de las revistas españolas de educación indizadas en JCR durante el trienio 2014-2016. Revista Electrónica de Investigación y Evaluación Educativa, 25(1), 1-16. https://doi.org/10.7203/relieve.25.1.12771

Romero Pérez, C. (2024). La investigación teórica en educación: singularidades y tendencias. Revista Internacional de Teoría E Investigación Educativa, 2, e95053. https://doi.org/10.5209/ritie.95053

Rubio, F. J., Díaz, A., Pedraza, I., & Merodio, G. (2026). Revisiones sistemáticas, metaanálisis y revisiones de alcance en revistas españolas de educación: Protocolo para una meta-revisión de alcance. https://hdl.handle.net/10486/749

Rubio, F. J., Díaz, A., Pedraza, I., & Merodio, G. (2026b). Diseño y hallazgos iniciales de una meta-revisión sobre estudios de síntesis en educación (2015–2025) (Comunicación oral en congreso). XXII Congreso Internacional de Investigación Educativa, Granada, España.

Rubio, F. J., Trillo, M. P., & Jiménez, C. (2020). Programas grupales de parentalidad positiva: una revisión sistemática de la producción científica. Revista de Educación, 389(3), 267-295. https://doi.org/10.4438/1988-592X-RE-2020-389-462

Rubio, F. J. (2024). Análisis de la calidad metodológica en las investigaciones de evaluación de programas de educación parental. Tendencias Pedagógicas, 43, 91-108. https://doi.org/10.15366/tp2024.43.008

Sánchez, S., Pedraza, I., & Donoso, M. (2022). ¿Cómo hacer una revisión sistemática siguiendo el protocolo PRISMA?: Usos y estrategias fundamentales para su aplicación en el ámbito educativo a través de un caso práctico. Bordón: Revista de pedagogía, 74(3), 51-66. https://doi.org/10.13042/Bordon.2022.95090

Sánchez-Martín, M., Gutiérrez-Sánchez, M., Olmedo-Moreno, E. M., & Navarro-Mateu, F. (2024). A systematic review to evaluate the risk of bias of meta-analyses reporting experimental educational interventions focused on academic performance. Cogent Education, 11(1), 1-21. https://doi.org/10.1080/2331186X.2024.2385785

Sánchez-Meca, J. (2022). Revisiones sistemáticas y meta-análisis en Educación: un tutorial. Revista Interuniversitaria de Investigación en Tecnología Educativa, 13(1), 5-40. https://doi.org/10.6018/riite.545451

Sánchez-Meca, J., López-López, J. A., & Rubio-Aparicio, M. (2026). Revisiones sistemáticas sin meta-análisis: un tutorial. Aula Abierta, 55(2). https://doi.org/10.17811/rifie.23622

Shea, B. J., Reeves, B. C., Wells, G., Thuku, M., Hamel, C., Moran, J., Moher, D., Tugwell, P., Welch, V., Kristjansson, E., & Henry, D. A. (2017). AMSTAR 2: A critical appraisal tool for systematic reviews that include randomised or non-randomised studies of healthcare interventions, or both. BMJ, 358, j4008. https://doi.org/10.1136/bmj.j4008

Smith, V., Devane, D., Begley, C. M., & Clarke, M. (2011). Methodology in conducting a systematic review of systematic reviews of healthcare interventions. BMC Medical Research Methodology, 11(1), 11-15. https://doi.org/10.1186/1471-2288-11-15

Thomas, E. T., & Heneghan, C. (2022). Catalogue of bias: selective outcome reporting bias. BMJ Evidence-Based Medicine, 27(6), 370–372. https://doi.org/10.1136/bmjebm-2021-111845

Tong, A., Flemming, K., McInnes, E., Oliver, S., & Craig, J. (2012). Enhancing transparency in reporting the synthesis of qualitative research: ENTREQ. BMC Medical Research Methodology, 12(1), 1-8. https://doi.org/10.1186/1471-2288-12-181

Trembath, D., Varcin, K., Waddington, H., Sulek, R., Bent, C., Ashburner, J., Eapen, V., Goodall, E., Hudry, K., Roberts, J., Silove, N., & Whitehouse, A. (2023). Non-pharmacological interventions for autistic children: An umbrella review. Autism, 27(2), 275–295. https://doi.org/10.1177/13623613221119368

Tricco, A. C., Lillie, E., Zarin, W., O'Brien, K. K., Colquhoun, H., Levac, D., ... & Straus, S. E. (2018). PRISMA extension for scoping reviews (PRISMA-ScR): checklist and explanation. Annals of internal medicine, 169(7), 467-473. https://doi.org/10.7326/M18-0850

van Dijk, S. H. B., Brusse, M. G. J., Bucsán, C. C., van der Palen, J., Doggen, C. J. M., & Lenferink, A. (2023). Artificial intelligence in systematic reviews: Promising when appropriately used. BMJ Open, 13(7), e072254. https://doi.org/10.1136/bmjopen-2023-072254

Whiting, P., Savović, J., Higgins, J. P. T., Caldwell, D. M., Reeves, B. C., Shea, B., Davies, P., Kleijnen, J., & Churchill, R. (2016). ROBIS: A new tool to assess risk of bias in systematic reviews was developed. Journal of Clinical Epidemiology, 69, 225–234. https://doi.org/10.1016/j.jclinepi.2015.06.005

Zhang, X., Aivaloglou, F., & Specht, M. (2024). A Systematic Umbrella Review on Computational Thinking Assessment in Higher Education. European Journal of STEM Education, 9(1), 2. https://doi.org/10.20897/ejsteme/14175

Zhou, C., Fabiano, N., Gupta, A., Wong, S., Cobey, K. D., Moher, D., ... & Solmi, M. (2025). Guidance for umbrella reviews of observational studies: A scoping review. JCPP Advances, e70017. https://doi.org/10.1002/jcv2.70017

_______________________________

¹ Universidad Autónoma de Madrid, España. Email: franciscoj.rubio@uam.es