Meta-análise

Meta-análise é o procedimento estatístico que combina estimativas de efeito de vários estudos que abordam a mesma questão em uma única estimativa agrupada mais precisa. Ao ponderar cada estudo de acordo com sua precisão, ela extrai uma resposta geral que nenhum estudo isolado poderia fornecer e relata a incerteza restante em torno dela.

Definition

Meta-análise é a combinação quantitativa de estimativas de efeito de múltiplos estudos em uma estimativa sumária ponderada, tipicamente usando ponderação por variância inversa sob um modelo de efeitos fixos (um efeito comum assumido) ou um modelo de efeitos aleatórios (efeitos assumidos como variando entre os estudos).

Scope

Esta entrada abrange os mecanismos centrais de agrupamento: como os efeitos de estudos individuais são ponderados, a distinção entre modelos de efeitos fixos e de efeitos aleatórios, e como a estimativa agrupada e seu intervalo são lidos. Ela trata a meta-análise como um método quantitativo dentro da síntese de evidências e é uma descrição de referência, e não uma orientação clínica. O processo mais amplo de revisão sistemática é abordado no nó de meta-análise relacionado, em revisões sistemáticas.

Core questions

• How are individual study results weighted when they are combined?
• What does the pooled estimate represent under a fixed-effect versus a random-effects model?
• How should the confidence interval around a pooled estimate be interpreted?
• When is it appropriate to pool studies at all?

Key concepts

• Ponderação por variância inversa
• Modelo de efeitos fixos
• Modelo de efeitos aleatórios
• Efeito agrupado (sumário)
• Intervalo de confiança e intervalo de predição
• Gráfico de floresta

Mechanisms

Cada estudo contribui com uma estimativa de efeito (como uma razão de risco, razão de chances ou diferença de médias) juntamente com seu erro padrão. Na ponderação por variância inversa, estudos mais precisos recebem maior peso, e a média ponderada é a estimativa agrupada. Sob um modelo de efeitos fixos, todos os estudos são assumidos como compartilhando um único efeito verdadeiro, então os pesos dependem apenas da variância dentro do estudo. Sob um modelo de efeitos aleatórios, os efeitos verdadeiros são assumidos como variando, então uma variância estimada entre estudos é adicionada a cada peso, diminuindo a influência dos maiores estudos e ampliando o intervalo de confiança. A abordagem de DerSimonian-Laird forneceu o estimador clássico baseado em momentos dessa variância entre estudos; Riley e colegas enfatizam que o resumo de efeitos aleatórios é um efeito médio cuja interpretação, e o intervalo de predição em torno dele, devem refletir que os efeitos diferem entre os contextos.

Clinical relevance

As estimativas agrupadas de meta-análises frequentemente se situam no topo das hierarquias de evidências e alimentam diretamente diretrizes e avaliações de tecnologias em saúde, portanto, ser capaz de ler um gráfico de floresta e entender o que sua linha de resumo significa faz parte da avaliação de evidências. Esta entrada explica como a estimativa agrupada é produzida e não é uma base para decisões de tratamento individuais.

Evidence & guidelines

A condução e o relato transparente de meta-análises são regidos pelo Manual Cochrane (Higgins & Green, 2008) e pela declaração PRISMA (Moher et al., 2009), que especificam como a estimativa agrupada, a escolha do modelo e a incerteza circundante devem ser apresentadas.

History

O termo meta-análise foi introduzido por Gene Glass em 1976 para a síntese quantitativa de achados de pesquisa. Sua tradução para a pesquisa clínica foi ancorada pela estrutura de efeitos aleatórios de DerSimonian e Laird de 1986, e exposições posteriores, como as de Borenstein e colegas (2010), esclareceram a diferença conceitual entre o agrupamento de efeitos fixos e de efeitos aleatórios que ainda organiza a prática hoje.

Debates

O que significa, de fato, uma estimativa sumária de efeitos aleatórios?

Como o modelo de efeitos aleatórios faz uma média sobre uma distribuição de efeitos verdadeiros, sua linha de resumo é uma média, e não um único valor comum; Riley e colegas argumentam que um intervalo de predição, e não apenas o intervalo de confiança, é necessário para transmitir a gama de efeitos entre os contextos.

Key figures

• Rebecca DerSimonian
• Nan Laird
• Michael Borenstein
• Larry Hedges
• Julian Higgins
• Richard Riley

Seminal works

• dersimonian-laird-1986
• borenstein-2010
• higgins-handbook-2008

Frequently asked questions

Qual é a diferença entre uma meta-análise de efeitos fixos e uma de efeitos aleatórios?

Uma análise de efeitos fixos assume que cada estudo estima o mesmo efeito verdadeiro único, enquanto uma análise de efeitos aleatórios assume que o efeito verdadeiro varia entre os estudos e adiciona um termo de variância entre estudos, o que geralmente amplia o intervalo de confiança.

Qualquer conjunto de estudos pode ser combinado em uma meta-análise?

Não. O agrupamento só é significativo quando os estudos são suficientemente semelhantes em questão, população e desfecho; quando são muito diversos, combiná-los pode produzir um resumo preciso, mas enganoso.