Heterogeneidade na Meta-Análise

A heterogeneidade na meta-análise é a variação nos efeitos verdadeiros entre os estudos que estão sendo combinados, além da variação esperada apenas pelo erro amostral. Quando os estudos diferem em suas populações, intervenções, desenhos ou condução, seus resultados podem genuinamente diferir, e quantificar essa variação é central para decidir se e como agrupá-los.

Definition

Heterogeneidade é o grau em que os efeitos verdadeiros estimados pelos estudos em uma meta-análise diferem uns dos outros além do que seria esperado apenas pelo acaso (erro amostral).

Scope

Esta entrada aborda o significado da heterogeneidade, a distinção entre heterogeneidade clínica, metodológica e estatística, as estatísticas comuns usadas para detectá-la e quantificá-la (Q de Cochran, o estatístico I-quadrado e a variância entre estudos tau-quadrado), e a forma como a heterogeneidade informa a escolha do modelo e a interpretação de uma estimativa agrupada. É um tópico metodológico, não uma orientação clínica.

Core questions

• Os estudos que estão sendo combinados estimam o mesmo efeito ou uma gama de efeitos?
• Quanto da variação observada entre os estudos excede o acaso?
• Quais fontes de diferença podem explicar a variação e como elas devem mudar a análise?

Key concepts

• Heterogeneidade clínica, metodológica e estatística
• Teste Q de Cochran
• Estatístico I-quadrado
• Variância entre estudos (tau-quadrado)
• Modelo de efeitos aleatórios
• Análise de subgrupos e meta-regressão
• Intervalo de predição

Mechanisms

Mesmo que cada estudo estimasse exatamente o mesmo efeito, seus resultados se dispersariam devido ao erro amostral. A heterogeneidade é a variação adicional e real nos efeitos subjacentes. O teste Q de Cochran verifica se a dispersão observada excede o acaso, mas tem baixa potência quando há poucos estudos e detecta diferenças triviais quando há muitos estudos. O estatístico I-quadrado expressa a proporção da variação total atribuível a diferenças entre estudos, em vez de ao acaso, tornando-o mais fácil de interpretar entre as análises. A variância entre estudos, tau-quadrado, quantifica a dispersão dos efeitos verdadeiros na escala do tamanho do efeito e é o parâmetro que um modelo de efeitos aleatórios adiciona ao agrupamento. Quando há heterogeneidade substancial, uma única estimativa sumária pode ser menos informativa do que descrever a distribuição dos efeitos, por exemplo, com um intervalo de predição, e os analistas podem explorar as fontes de variação por meio de análises de subgrupos pré-especificadas ou meta-regressão, em vez de tratar a heterogeneidade como mero ruído.

Clinical relevance

O grau de heterogeneidade afeta como um resultado agrupado deve ser lido: um resumo preciso derivado de estudos altamente heterogêneos pode não se aplicar uniformemente em todos os contextos. Reconhecer e interpretar a heterogeneidade é, portanto, parte da avaliação de uma meta-análise. Esta entrada explica como a heterogeneidade é medida e usada na análise; não é uma orientação para qualquer decisão clínica individual.

Epidemiology

As estatísticas de heterogeneidade, especialmente I-quadrado e tau-quadrado, são relatadas como padrão em meta-análises em medicina e saúde pública, e a maioria dos softwares de meta-análise as calcula automaticamente. O estatístico I-quadrado introduzido por Higgins e Thompson está entre as quantidades mais amplamente relatadas na literatura de síntese, embora sua interpretação seja frequentemente debatida.

History

O teste Q de Cochran, derivado do trabalho de William Cochran em meados do século XX, foi o padrão inicial para detectar heterogeneidade, mas foi reconhecido por ter baixa potência e dependência de escala. DerSimonian e Laird (1986) formalizaram a abordagem de efeitos aleatórios que incorpora a variância entre estudos. Higgins e Thompson (2002) então propuseram o estatístico I-quadrado para expressar a heterogeneidade como uma proporção independente do número de estudos, e seu artigo de 2003 no BMJ o popularizou, após o que o I-quadrado se tornou uma parte rotineira do relato meta-analítico.

Debates

Como o I-quadrado deve ser interpretado?

Limiares comuns de "regra de bolso" para heterogeneidade baixa, moderada e alta são amplamente utilizados, mas nunca foram concebidos como pontos de corte rígidos; o I-quadrado depende da precisão dos estudos incluídos e pode enganar quando os estudos são poucos ou muito grandes.

Key figures

• Julian Higgins
• Simon Thompson
• Rebecca DerSimonian
• Nan Laird
• William Cochran

Seminal works

• higgins-2003-i2
• higgins-2002-quantifying
• dersimonian-laird-1986

Frequently asked questions

Qual a diferença entre heterogeneidade clínica e estatística?

A heterogeneidade clínica (e metodológica) refere-se a diferenças reais entre os estudos em suas populações, intervenções ou desenhos. A heterogeneidade estatística é a variação resultante em suas estimativas de efeito além do acaso, medida por estatísticas como I-quadrado e tau-quadrado. As diferenças clínicas são frequentemente a explicação para a heterogeneidade estatística observada.

Um I-quadrado alto significa que uma meta-análise é inválida?

Não por si só. Um I-quadrado alto sinaliza que os efeitos variam entre os estudos e que um único resumo deve ser interpretado com cautela, muitas vezes levando a um modelo de efeitos aleatórios, exploração de fontes ou um intervalo de predição. É um sinalizador para interpretação, não uma desqualificação automática.