El acceso ubicuo y el crecimiento exponencial de la información disponible en las redes sociales han facilitado la difusión de noticias falsas, complicando la tarea de distinguir entre estas y las noticias reales. Las noticias falsas son una barrera social significativa que tiene un impacto profundamente negativo en la sociedad. A pesar del gran número de estudios sobre la detección de noticias falsas, aún no se han combinado para ofrecer una visión coherente sobre las tendencias y avances en este ámbito. Por lo tanto, el objetivo principal de este estudio fue llenar este vacío de conocimiento. El método para seleccionar los artículos pertinentes para la extracción se creó utilizando los elementos de informe preferidos para revisiones sistemáticas y metaanálisis (PRISMA). Este estudio revisó métodos de detección de noticias falsas basados en aprendizaje profundo, aprendizaje automático y enfoques de conjunto mediante un metaanálisis de 125 estudios para agregar sus resultados cuantitativamente. El metaanálisis se centró principalmente en estadísticas y el análisis cuantitativo de datos de numerosas investigaciones primarias separadas para identificar tendencias generales. Los resultados del metaanálisis se informaron según la distribución espacial, los enfoques adoptados, el tamaño de la muestra y el rendimiento de los métodos en términos de precisión. Según las estadísticas de la varianza entre estudios, se encontró una alta heterogeneidad con 2 = 3.441; la relación de la verdadera heterogeneidad con la variación total observada fue I2 = 75.27% con el chi-cuadrado de heterogeneidad (Q) = 501.34, el grado de libertad = 124, y p.