Sie sind auf Seite 1von 7

Metaanlisis

El metaanlisis es un conjunto de herramientas estadsticas, que son tiles para sintetizar los datos de una coleccin de estudios. El meta-anlisis se inicia recopilando
estimaciones de un cierto efecto (expresado en un ndice de tamao del efecto, como la diferencia de medias
tipicada, la razn de riesgo, o la correlacin) de cada
estudio.[1][2] El metaanlisis permite valorar estos efectos en contexto: si el tamao del efecto es consistente, el
efecto del tratamiento puede ser considerado como fuerte
y el tamao del efecto se estima con mayor precisin que
con un solo estudio. Si el tamao del efecto vara, esa variacin puede ser descrita y, potencialmente, explicada.

de aumentar la potencia estadstica para detectar un


efecto;
La inconsistencia de resultados entre estudios se
puede valorar y analizar. Por ej: se valora la heterogeneidad debida al error de muestreo, y si en parte
ese heterogeneidad se ve inuida por heterogeneidad genuina entre los estudios involucrados;
Se pueden contrastar hiptesis respecto a las estimaciones combinadas;
Pueden incluirse moderadores que expliquen la variacin entre estudios;

El trmino metaanlisis, como tal, fue inicialmente aplicado en las ciencias sociales y en psicologa. A partir de
la dcada de los 80, se comenz a aplicar de forma creciente en medicina y a partir de los 90 es muy frecuente
los artculos que describen resultados de metaanlisis en
publicaciones mdicas.

Se puede prestar atencin y analizar el sesgo en publicacin.

3 Dicultades potenciales
1

Historia

El metaanlisis que arrojan varios estudios de corto


alcance, no predice los resultados de un solo estudio
amplio.[3] Algunos han argumentado que una debilidad
del mtodo es que los focos de sesgo no estn controlados por el mtodo: un buen metaanlisis de estudios mal
diseados todava dar lugar a malas estadsticas. Esto
signicara que slo los estudios metodolgicamente slidos deben ser incluidos en un metaanlisis, una prctica
llamada sntesis de la mejor evidencia. Otros analistas
incluiran estudios ms dbiles, y aadiran una variable
de prediccin a nivel de estudio que reeje la calidad metodolgica de los estudios para examinar el efecto de la
calidad del estudio sobre el tamao del efecto.[4] Sin embargo, otros han argumentado que el mejor enfoque es
el de preservar la informacin sobre la variacin en la
muestra del estudio, echando una red tan amplia como
sea posible, y que los criterios de seleccin metodolgica
introduzcan subjetividad no deseada, anulando el propsito de este enfoque.[5]

El trmino metaanlisis fue acuado por Gene V. Glass


en 1976, siendo el primer estadstico moderno en sealar
que su mayor inters era a qu hemos llamado el metaanlisis de la investigacin cientca. An cuando esto le
permitiera ser ampliamente reconocido como el fundador
del mtodo moderno, no fue sino hasta la dcada de los
1990s cuando la prctica de los meta-anlisis comenz a
gurar, pero no siempre, como los componentes importantes de un proceso de revisin sistemtica. La teora
estadstica en torno al metaanlisis mejor notablemente gracias al trabajo desempeado por Nambury S. Raju,
Larry V. Hedges, Harris Cooper, Ingram Olkin, John E.
Hunter, Jacob Cohen, Thomas C. Chalmers, Robert Rosenthal, y Frank L. Schmidt.

Ventajas del metaanlisis

Conceptualmente hablando, se utiliza un enfoque estadstico para combinar los resultados de mltiples estudios. 3.1
Por tanto, sus ventajas son las siguientes:

Sesgo de publicacin: el problema de


fondo

Otro escollo potencial es la conanza en lo disponible de


estudios publicados, lo que puede generar resultados exagerados debido a dicho sesgo, pues los estudios que mues La precisin y exactitud de las estimaciones pueden tran resultados negativos o insignicantes tienen menos
mejorarse a mayor uso de datos. Esto, a su vez, pue- probabilidades de ser publicados. Para cualquier rea de
Los resultados del estudio se pueden generalizar a
una poblacin ms amplia;

PASOS A SEGUIR EN UN METAANLISIS

que muchos estudios negativos no fuesen publicados, los


positivos restantes daran lugar a tal grco de embudo en
el cual el tamao de efecto es inversamente proporcional
al tamao de muestra, es decir, una parte importante del
efecto que se muestra se debe a la posibilidad de que no
se equilibra en el diagrama por ausencia de datos negativos no publicados. En cambio, al publicarse la mayora
de estudios, el efecto mostr no tener razn para sesgarse
por el tamao de estudio; por lo cual resulta, un grco de
embudo simtrico. As que, si no hay sesgo de publicacin, no habra relacin alguna entre el tamao de muestra y el tamao de efecto.[8] Una relacin negativa entre
el tamao de muestra y el de efecto implicara que los estudios que encontraron efectos signicativos fueran ms
propensos de publicarse y/o enviarse para tal n. Hay varios procedimientos disponibles que intentan corregir el
problema de cajn al identicarse, tales como adivinar en
la mecha de distribucin de los efectos de estudio.
Un grco en embudo previsto sin el problema de fondo.

Los mtodos para detectar el sesgo de publicacin han


sido polmicos ya que suelen tener bajo impacto para
detectarlo, incluso pueden generar falsos supuestos bajo
ciertas circunstancias.[9] Un mtodo conjunto para analizar el sesgo de publicacin ha sido propuesto para abatir
falsos supuestos y sugerir que el 25% de los metaanlisis
en psicologa podran tener sesgo de publicacin.[10] Sin
embargo, los posibles problemas de bajo impacto siguen
siendo controvertidos y las estimaciones de sesgo podran
ser inferiores a la cantidad real.

3.2 Sesgo impulsado por agenda

Un grco en embudo previsto con el problema de fondo.

investigacin determinado, no se puede saber cuntos estudios han sido ocultados o descartados.[6]
Este problema resulta en la distribucin de tamaos del
efecto que estn sesgados, asimtricos o totalmente aislados; creando un error comn de razonamiento lgico, en el
que se sobreestima la importancia de los estudios publicados, mientras otros estudios ni se publican. Esto debiera
ser considerado en serio al interpretar los resultados de
un metaanlisis.[6][7]
Esto se puede visualizar con un grco de embudo, el
cual, es un diagrama de dispersin del tamao de muestra
y de efecto. Para un cierto nivel de efecto, cuanto menor
sea el estudio, mayor es la probabilidad de encontrarlo
por casualidad; al mismo tiempo, cuanto mayor sea el nivel de efecto, menor ser la probabilidad de que un estudio ms grande pueda resultar as de positivo. En caso de

El error ms grave en el metaanlisis (H. Sabhan) ocurre


a menudo cuando la(s) persona(s) realizando un metanlisis tiene(n) una agenda econmica, social, o poltica,
como la aprobacin o la reprobacin legislativa. La gente con estos tipos de agendas podran ser ms propensos
de utilizar indebidamente los metaanlisis debido a sus
prejuicios.

4 Pasos a seguir en un metaanlisis


1. Formulacin del problema
2. Bsqueda de literatura
3. Seleccin de estudios (criterios de incorporacin):
Basada en criterios de calidad, ej: requisitos de
asignacin al azar y de ensayo clnico ciego;
Seleccin de estudios concretos sobre un tema
muy especco, como el tratamiento de cncer;
Decidir si los estudios no-publicados son incluidos para evitar el sesgo de publicacin
(problema de fondo).
4. Decidir de qu variables dependientes o medidas de
resumen se dispone. Por ejemplo:

5.2

Supuestos

Discrepancias (datos discretos);

manera que los estudios con muestras mayores tienden


a contribuir ms a la media ponderada que los estudios
Recursos (datos continuos);
con muestras menores. En consecuencia, cuando los es La g de Hedges es una medida popular para tudios en un metaanlisis son dominados por uno grande,
da-tos continuos estandarizada para eliminar los hallazgos en estudios ms pequeos resultan prcticadiferencias de escala, pero incorpora un ndice mente ignorados. Lo ms importante, este modelo supone
de variacin entre grupos:
que todos los estudios incluidos son idnticos: estudian a
la misma poblacin, usan la misma variable y deniciot c
= , en donde t es la media de
nes de resultados, etc. Este supuesto es tpicamente irreal
tratamiento, c es la media de control, y
porque toda investigacin es propensa a ser inuida por
2 la varianza conjunta.
varias fuentes de heterogeneidad; as, los efectos del tratamiento pueden diferir segn la conguracin regional,
5. Seleccin del modelo
los niveles de dosicacin, las condiciones de estudio.
Para conocer las directrices de informes, consulte los
artculos de Reporte Preferidos para Revisiones Siste- 5.2.2 De efectos aleatorios
mticas y los Meta-anlisis (PRISMA, por sus siglas en
ingls).[11]
Un modelo comn para sintetizar estudios heterogneos,
es el modelo de efectos aleatorios; este es tan solo la media ponderada de los tamaos del efecto de un grupo de
5 Metodologa y supuestos
estudios. El peso que se aplica en este proceso de ponderacin con un metaanlisis de efectos aleatorios se realiza
en dos pasos:[13]
5.1 Los mtodos
En general, existen dos tipos de evidencia que se pueden
distinguir al realizar un metaanlisis: los datos iniciales
aportados por cada participante (DIP) y los datos de agregado (AD). Considerando que los datos iniciales representan la informacin en bruto procedente de los centros
de estudio, los agregados de hecho son ms comunes y
disponibles (por ej: desde la literatura) y tpicamente representan estimaciones globales, tales como razones de
ventaja (odds ratio) o riesgos relativos. Esta distincin
ha incrementado las necesidades de diferentes mtodos
cuando la evidencia es deseada, conduciendo al desarrollo de mtodos de una o dos etapas; en los de una etapa, los
datos iniciales son simultneamente modelados mientras
representan la agrupacin de participantes dentro de los
estudios; por el contrario, los mtodos de dos etapas, sintetizan los datos agregados de cada estudio y consideran
aqu las cargas de estudio. Reduciendo los datos iniciales a datos agregados, los mtodos de dos etapas pueden
incluso aplicarse cuando se cuenta con los datos iniciales; lo que presenta una alternativa de accin al realizar el
metaanlisis.

1. Paso 1: Obtencin de las varianzas de muestreo.


2. Paso 2: Clculo de la varianza especca, debida a la
heterogeneidad de los estudios. El peso de cada estudio se obtiene sumando la varianza de muestreo de
ese estudio (distinta para cada estudio) y la varianza
especca (nica para todos los estudios). El peso se
obtiene como el inverso de la suma de esas varianzas. As, para el estudio i el peso sera: peso(i) = 1/
[var(i) + var(especca)]. La varianza especca del
modelo de efectos aleatorios se obtiene valorando la
magnitud en que la variabilidad observada excede
a la variabilidad esperada por mero muestreo (por
ejemplo, por el mtodo de los momentos).

En un caso extremo en el que la varianza especca sea


muy grande puede ocurrir que el peso est muy condicionado por esa varianza, resultando despreciable en trminos prcticos los tamaos muestrales de los estudios.
De esta forma, la media ponderada ser muy cercana a
la media aritmtica simple, no ponderada. En el extremo
Aunque se cree que los mtodos de una o dos etapas arro- opuesto est el caso en que la estimacin de la varianza
jan resultados parecidos, estudios recientes han demos- especca proporciona el valor cero. En este caso los petrado que dichos mtodos pueden a veces llevar a dife- sos sern iguales a los inversos de las varianzas de muestreo y el resultado ser idntico al que se obtiene bajo
rentes conclusiones.[12]
el modelo de efecto jo. El modelo de efecto jo es un
caso particular del modelo de efectos aleatorios, que se
5.2 Supuestos
produce cuando la varianza especca es igual a cero.
La medida de esta inversin depende nicamente de dos
factores: la heterogeneidad de precisin, y la heterogenei[14]
El modelo de efectos jos ofrece una ponderacin de es- dad del tamao del efecto:
timaciones seriadas: se suele emplear el inverso de la va- El mtodo ms utilizado para estimar la varianza esperianza de cada estimacin como peso del estudio, de tal cca y tener en cuenta la heterogeneidad es el mtodo
5.2.1

De efecto jo

de DerSimonian-Laird (DL), o mtodo de los momentos, propuesto en 1986. Posteriormente se han propuesto
otros mtodos, como el de mxima verosimilitud restringida (REML), un mtodo iterativo y computacionalmente ms intensivo. Sin embargo, una comparacin entre
estos dos modelos (y otros) demostr que hay pocas diferencias prcticas y DL es bastante adecuado en la mayora
de los escenarios.[15]

Meta-regresin

La Meta-regresin es una herramienta utilizada en el metaanlisis para examinar el impacto de las variables moderadoras en el estudio del tamao del efecto utilizando tcnicas basadas en regresin??. La meta-regresin es ms
ecaz en esta tarea, de lo que son las tcnicas de regresin
estndar.

REFERENCIAS

dos de diferentes estudios; con la esperanza de identicar patrones entre los resultados de estudio, las fuentes
de desacuerdo entre dichos resultados, u otras relaciones
interesantes que pueden salir a la luz en el contexto de
mltiples estudios.
En su ms simple forma, se lleva a cabo al identicar una
medida comn del tamao de efecto; del cual un promedio ponderado podra ser el dato de salida en un metaanlisis. La ponderacin podra estar relacionada con tamaos de muestra dentro de los estudios individuales.
Ms a menudo, hay otras diferencias entre los que necesitan ser permitidos; pero el objetivo general de un metaanlisis radica en estimar con mayor fuerza el tamao
real de efecto, en contraste a uno menos preciso derivado
en un solo estudio bajo un sencillo conjunto determinado
de supuestos y condiciones.

8 Referencias
7

Aplicacin en la ciencia moderna

En Medicina, un metaanlisis es el estudio basado en la


integracin estructurada y sistemtica de la informacin
obtenida en diferentes ensayos clnicos, sobre un problema de salud determinado. Consiste en identicar y revisar
los estudios controlados sobre un determinado problema,
con el n de dar una estimacin cuantitativa sinttica de
todos los estudios disponibles. Dado que incluye un nmero mayor de observaciones, un metaanlisis tiene un
poder estadstico superior al de los ensayos clnicos que
incluye. Los dos principales problemas metodolgicos de
los metaanlisis de ensayos clnicos son:
La heterogeneidad entre los ensayos incluidos, en
trminos de caractersticas clnicas y sociodemogrcas de las poblaciones en cada ensayo, los mtodos
de evaluacin clnica aplicados, la dosis, forma farmacutica o pauta de dosicacin del frmaco evaluado, etc.
El posible sesgo de publicacin, derivado de que no
todos los ensayos clnicos realmente realizados han
sido publicados, por resultados negativos o no esperados.
Un metaanalisis clnico se basa principalmente en una integracin o reciclaje entre la informacin ya obtenida y
poder obtener un anlisis mayor.

[1] Borenstein, M. in Meta-Analysis: Concepts and Applications - Seminar organized by Statistical Horizons; 2013.
[2] Botella y Snchez-Meca, 2015.
[3] Lelorier, J.; Grgoire, G. V.; Benhaddad, A.; Lapierre, J.;
Derderian, F. O. (1997). Discrepancies between MetaAnalyses and Subsequent Large Randomized, Controlled
Trials. New England Journal of Medicine 337 (8): 536
542
[4] Hunter, Schmidt, & Jackson, John E. (1982). Metaanalysis: Cumulating research ndings across studies. Beverly Hills, California: Sage.
[5] Glass, McGaw, & Smith (1981). Meta-analysis in social
research. Beverly Hills, CA: Sage.
[6] Rosenthal, Robert (1979). The File Drawer Problem
and the Tolerance for Null Results. Psychological Bulletin
86 (3): 638641. doi:10.1037/0033-2909.86.3.638.
[7] Hunter, John E; Schmidt, Frank L (1990). Methods of
Meta-Analysis: Correcting Error and Bias in Research Findings. Newbury Park, California; London; New Delhi:
SAGE Publications.
[8] Light & Pillemer (1984). Summing up: The science of
reviewing research. Cambridge, CA: Harvard University
Pree.
[9] Ioannidis, J., & Trikalinos, T. (2007). The appropriateness of asymmetry tests for publication bias in metaanalyses: a large survey. Canadian Medical Association
Journal 176 (8): 638641. doi:10.1503/cmaj.060410.

El primer metaanlisis clnico fue realizado por Karl


Pearson en 1904, en un intento de superar el problema [10] Ferguson, C., & Brannick, M. (2012). Publication bias
del reducido poder estadstico de los estudios con pequein psychological science: Prevalence, methods for idenos tamaos muestrales; si se analizan los resultados de
tifying and controlling, and implications for the use of
un grupo de estudios similares, se puede alcanzar una vameta-analyses. Psychological Methods 17 (1): 120128.
doi:10.1037/a0024445.
loracin ms exacta de los efectos.
En Estadstica, un metaanlisis se reere al conjunto de [11] La Declaracin PRISMA. Prisma-statement.org. 2 de
febrero de 2012. Consultado el 2 de febrero de 2012.
mtodos enfocados a contrastar y combinar los resulta-

5
objective, quantitative methods for combining evidence from separate but similar studies or merely
statistical tricks which make unjustied assumptions in producing oversimplied generalisations
out of a complex of disparate studies"?

[12] Debray, Thomas P. A.; Moons, K.G.M.; Abdallah, A.Z.;


Kojberg, H.; Riley, R.D. (2013). Individual participant
data meta-analysis for a binary outcome: one-stage or twostage?. PLoS ONE.
[13] Senn S. Trying to be precise about vagueness. Stat Med
2007; 26:141730
[14] Al Khalaf MM, Thalib L, Doi SA. Combining heterogenous studies using the random-eects model is a mistake
and leads to inconclusive meta-analyses. Journal of Clinical Epidemiology 2011; 64:11923
[15] Kontopantelis E, Reeves D. Performance of statistical
methods for meta-analysis when true study eects are
non-normally distributed: A simulation study. Statistical
Methods in Medical Research. 2010 Dec. doi: http://dx.
doi.org/10.1177/0962280210392008

8.1

Bibliografa

Botella, J.; Snchez-Meca, J. (2015). Meta-anlisis


en ciencias sociales y de la salud. Madrid: Editorial
Sntesis.
Cooper, H. & Hedges, L.V. (1994). The Handbook
of Research Synthesis. New York: Russell Sage.
Cornell, J. E. & Mulrow, C. D. (1999). Metaanalysis. In: H. J. Adr & G. J. Mellenbergh (Eds).
Research Methodology in the social, behavioral and
life sciences (pp. 285323). London: Sage.
Norman S.-L. T. (1999). Tutorial in Biostatistics. Meta-Analysis: Formulating, Evaluating,
Combining, and Reporting. Statistics in Medicine 18 (3): 321359. doi:10.1002/(SICI)10970258(19990215)18:3<321::AID-SIM28>3.0.CO;2-P.
PMID 10070677.
Sutton, A.J., Jones, D.R., Abrams, K.R., Sheldon,
T.A., & Song, F. (2000). Methods for Meta-analysis
in Medical Research. London: John Wiley. ISBN 0471-49066-0
Higgins JPT, Green S (editors). Cochrane Handbook for Systematic Reviews of Interventions Version 5.0.1 [updated September 2008]. The Cochrane Collaboration, 2008. Available from www.
cochrane-handbook.org

Wilson, D. B., & Lipsey, M. W. (2001). Practical


meta-analysis. Thousand Oaks: Sage publications.
ISBN 0-7619-2168-0
O'Rourke, K. (2007) Just the history from the combining of information: investigating and synthesizing what is possibly common in clinical observations or studies via likelihood. Oxford: University
of Oxford, Department of Statistics. Gives technical
background material and details on the An historical perspective on meta-analysis paper cited in the
references.
Owen, A. B. (2009). Karl Pearsons meta-analysis
revisited. Annals of Statistics, 37 (6B), 38673892.
Supplementary report.
Ellis, Paul D. (2010). The Essential Guide to Effect Sizes: An Introduction to Statistical Power, MetaAnalysis and the Interpretation of Research Results. United Kingdom: Cambridge University Press.
ISBN 0-521-14246-6
Bonett, D.G. (2012). Replication-extension studies,
Current Directions in Psychology, 21, 409-412.
Bonett, D.G. (2010). Varying coecient metaanalysis methods for alpha reliability, Psychological
Methods, 15, 368385.
Bonett, D.G. (2009). Meta-analytic interval estimation for standardized and unstandardized mean differences, Psychological Methods, 14, 225238.
Bonett, D.G. (2008). Meta-analytic interval estimation for bivariate correlations, Psychological Methods, 13, 173189.
Stegenga, Jacob (2011). Is meta-analysis the platinum standard of evidence?. Studies in History and
Philosophy of Biological and Biomedical Sciences 42
(4): 497507. doi:10.1016/j.shpsc.2011.07.003.

10 Enlaces externos
9

Lecturas adicionales (en ingls)


Thompson, Simon G; Pocock, Stuart J (2 de
noviembre de 1991). Can meta-analysis be
trusted?. The Lancet 338 (8775): 11271130.
doi:10.1016/0140-6736(91)91975-Z. PMID 1682553.
Archivado desde el original el 30 de noviembre de
2015. Consultado el 17 de junio de 2011.. Explores
two contrasting views: does meta-analysis provide

Wikiversidad alberga proyectos de aprendizaje


sobre Metaanlisis.Wikiversidad

Cochrane Handbook for Systematic Reviews of Interventions


Eect Size and Meta-Analysis (ERIC Digest)
Meta-Analysis at 25 (Gene V Glass)

10 ENLACES EXTERNOS
Meta-Analysis in Educational Research (ERIC Digest)
Meta-Analysis: Methods of Accumulating Results
Across Research Domains (article by Larry Lyons)
Meta-analysis (Psychwiki.com article)
EectSizeFAQ.com
Meta-Analysis in Economics (Reading list)
Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) Statement,
an evidence-based minimum set of items for reporting in systematic reviews and meta-analyses.

10.1

Software

MetaXL software page


Eect Size Calculators Calculate d and r from a variety of statistics.
ClinTools (commercial)
Comprehensive Meta-Analysis (commercial)
MIX 2.0 Professional Excel addin with Ribbon interface for meta-analysis and eect size conversions
in Excel (free and commercial versions).
What meta-analysis features are available in Stata?
(free add-ons to commercial package)
The Meta-Analysis Calculator free on-line tool for
conducting a meta-analysis
Metastat (Free)
Meta-Analyst Free Windows-based tool for MetaAnalysis of binary, continuous and diagnostic data
Revman A free software for meta-analysis and preparation of cochrane protocols and review available
from the Cochrane Collaboration
Metafor-project A free software package to conduct
meta-analyses in R.
Calculation of xed and random eects in R source code for performing univariate and multivariate
meta-analyses in R, and for calculating several statistics of heterogeneity.
Macros in SPSS Free Macros to conduct metaanalyses in SPSS.
compute.es: Compute Eect Sizes (R package).
MAd GUI User friendly graphical user interface
package to conduct meta-analysis in R (Free).

11
11.1

Origen del texto y las imgenes, colaboradores y licencias


Texto

Metaanlisis Fuente: https://es.wikipedia.org/wiki/Metaan%C3%A1lisis?oldid=87429053 Colaboradores: Joseaperez, Moriel, Pabloes,


JorgeGG, Interwiki, Dodo, Ascnder, Cookie, Dianai, Rembiapo pohyiete (bot), RobotQuistnix, Caiserbot, Yrbot, Mxcatania, GermanX,
Eskimbot, CEM-bot, Davius, Thijs!bot, Mion, Raimundo Pastor, VolkovBot, SieBot, Lmmolinero, BotSottile, SpBot, Luckas-bot, Amirobot, Jmarchn, Carmanpaco, ArthurBot, MauritsBot, Wikielwikingo, KamikazeBot, Humbefa, Ivanpares, EmausBot, ZroBot, Evasivo,
Jcaraballo, WikitanvirBot, Miguel.baillon, Diazcaamanho, AStarBot, MetroBot, Bibliolotranstornado, Elvisor, EricEnfermero, Ralgisbot,
Addbot, BenjaBot, JUANBOTELLAAUSINA y Annimos: 12

11.2

Imgenes

Archivo:Funnel_1.png Fuente: https://upload.wikimedia.org/wikipedia/commons/6/69/Funnel_1.png Licencia: Public domain Colaboradores: Trabajo propio Artista original: TesseUndDaan
Archivo:Funnel_2.png Fuente: https://upload.wikimedia.org/wikipedia/commons/b/bd/Funnel_2.png Licencia: Public domain Colaboradores: Trabajo propio Artista original: TesseUndDaan
Archivo:Wikiversity-logo-Snorky.svg Fuente: https://upload.wikimedia.org/wikipedia/commons/1/1b/Wikiversity-logo-en.svg Licencia: CC BY-SA 3.0 Colaboradores: Trabajo propio Artista original: Snorky

11.3

Licencia del contenido

Creative Commons Attribution-Share Alike 3.0