Heterogeneidade em Meta-Análise

A heterogeneidade em meta-análise é a variação nos efeitos verdadeiros entre os estudos que estão sendo agrupados, além do que o erro amostral por si só produziria. Medir e interpretar isso informa ao analista se os estudos estão estimando essencialmente a mesma coisa ou coisas genuinamente diferentes, o que molda tanto o modelo utilizado quanto a confiança depositada no resumo.

Definition

Heterogeneidade é o grau em que os efeitos verdadeiros estimados por estudos individuais em uma meta-análise diferem uns dos outros, quantificada por estatísticas como o Q de Cochran, o I-quadrado (a proporção da variação total devido a diferenças entre estudos, em vez de acaso) e o tau-quadrado (a variância estimada entre estudos).

Scope

Esta entrada aborda a avaliação estatística da heterogeneidade entre estudos: o teste Q de Cochran, a estatística I-quadrado, a variância entre estudos tau-quadrado e as limitações conhecidas dessas medidas. Trata a heterogeneidade como um tópico metodológico dentro da síntese de evidências e oferece descrição de referência, não aconselhamento clínico.

Core questions

• Os estudos incluídos estimam um efeito comum ou uma gama de efeitos diferentes?
• Quanto da variação observada é uma diferença real entre estudos versus ruído amostral?
• Como o I-quadrado e o tau-quadrado devem ser interpretados, e onde eles podem induzir a erro?
• Quando a heterogeneidade torna uma única estimativa agrupada inadequada?

Key concepts

• Teste Q de Cochran
• Estatística I-quadrado
• Tau-quadrado (variância entre estudos)
• Heterogeneidade clínica versus estatística
• Intervalo de predição
• Análise de subgrupos como resposta à heterogeneidade

Mechanisms

A variação total entre as estimativas dos estudos é particionada em erro amostral dentro do estudo e variação genuína entre estudos. O Q de Cochran compara a dispersão observada com o que o erro amostral por si só prevê; como o Q tem baixo poder com poucos estudos, Higgins e Thompson propuseram o I-quadrado, a porcentagem da variação total atribuível à heterogeneidade entre estudos, em vez de acaso, que é independente do número de estudos. O tau-quadrado estima a variância da distribuição do efeito subjacente e alimenta diretamente a ponderação de efeitos aleatórios e os intervalos de predição. Advertências importantes seguem: Rücker e colegas mostram que o I-quadrado depende da precisão dos estudos incluídos, então pode ser grande simplesmente porque os estudos são precisos, e von Hippel mostra que é instável e pode ser enviesado em meta-análises pequenas, então essas estatísticas devem ser lidas juntamente com a amplitude absoluta dos efeitos, em vez de contra limiares fixos.

Clinical relevance

Se e como um conjunto de ensaios é resumido depende fortemente de sua heterogeneidade, então a avaliação das estatísticas de heterogeneidade faz parte do julgamento de quanto peso um resultado agrupado merece em diretrizes e avaliação de tecnologias em saúde. Esta entrada descreve como a heterogeneidade é medida e não é uma base para decisões clínicas individuais.

Evidence & guidelines

O Manual Cochrane descreve a prática esperada para avaliar e relatar a heterogeneidade, incluindo o uso do I-quadrado com interpretação cautelosa e o papel dos intervalos de predição, consistente com a literatura metodológica aqui resumida.

History

O teste Q de Cochran para combinar experimentos data da estatística de meados do século XX, mas provou ter baixo poder para o pequeno número de estudos comum em meta-análises clínicas. O artigo de Higgins e Thompson de 2002, seguido pela amplamente citada exposição no BMJ de 2003, introduziu o I-quadrado como uma medida interpretável e independente do tamanho da amostra, após o que uma literatura corretiva (Rücker et al., 2008; von Hippel, 2015) esclareceu sua dependência da precisão do estudo e sua instabilidade em pequenas sínteses.

Debates

Em que medida o I-quadrado deve ser usado para julgar a heterogeneidade?

O I-quadrado depende da precisão dos estudos incluídos e pode ser instável quando poucos estudos são agrupados, então os comentaristas alertam contra pontos de corte fixos e recomendam lê-lo juntamente com o tau-quadrado e a amplitude absoluta dos efeitos.

Key figures

• Julian Higgins
• Simon Thompson
• Gerta Rücker
• Paul von Hippel
• William Cochran

Seminal works

• higgins-thompson-2002
• higgins-2003

Frequently asked questions

O que significa um I-quadrado de 75%?

Indica que cerca de três quartos da variação total entre as estimativas dos estudos reflete diferenças genuínas entre estudos, em vez de erro amostral; mas como o I-quadrado depende da precisão do estudo, deve ser interpretado juntamente com a amplitude real dos efeitos, e não contra um rótulo fixo.

A alta heterogeneidade é uma razão para não agrupar estudos?

Não automaticamente. A alta heterogeneidade sinaliza que os estudos diferem e incita a investigação do porquê, mas se deve agrupar, usar um modelo de efeitos aleatórios ou abster-se depende se as diferenças são explicáveis e se os estudos são clinicamente comparáveis.