Combinar estudos (meta-análise)

Em resumo

Uma meta-análise combina os resultados de vários estudos num único resultado global. Os dados aqui são estudos, não pessoas: uma linha por estudo. O Statable calcula com o R (metafor) um modelo de efeitos aleatórios com REML, com o teste e os intervalos segundo o ajustamento de Knapp-Hartung (recomendado com poucos estudos). O R é carregado uma única vez, na primeira utilização.

1. Escolha o que tem dos estudos: efeito com erro-padrão ou intervalo, dois grupos (média, SD, n) ou correlação r com n.
2. Introduza os estudos ou cole-os a partir de uma folha de cálculo. Se os estudos já estiverem nos seus dados, atribua as colunas.
3. Calcular. O exemplo «Vacina BCG» mostra os passos.

Com «Adicionar moderador» (até três números por estudo, por exemplo o ano ou a duração), o Statable calcula também uma meta-regressão. Regra prática: pelo menos 10 estudos por moderador. Os moderadores mostram uma associação, não uma causa.

Ler o resultado

• Efeito combinado com intervalo de 95% e teste t (Knapp-Hartung): a média ponderada; os estudos precisos contam mais.
• Heterogeneidade: Q, I² e τ² com intervalo. Um valor elevado significa que os estudos realmente diferem.
• Intervalo de predição (na frase principal): onde provavelmente se situa o efeito verdadeiro de um novo estudo comparável; é mais largo do que o intervalo de confiança porque inclui a variação entre estudos.
• Gráfico em floresta: quadrados conforme o peso, um losango para o efeito combinado. Gráfico em funil com teste de Egger: indica se os estudos pequenos mostram efeitos diferentes dos grandes. Pode dever-se a estudos não publicados, mas também a diferenças reais entre os estudos ou ao acaso.

Pressupostos e limites

• Os estudos medem o mesmo resultado e nenhuma amostra faz parte de dois estudos.
• Com menos de 5 estudos, a variância entre estudos (τ²) é muito incerta; com menos de 10, o teste de Egger diz pouco (Sterne e colegas, 2011).
• As medidas de razão (odds ratio, risco relativo) são introduzidas como logaritmos; o Statable mostra-as com a transformação inversa.
• Uma meta-análise não melhora estudos fracos e não estabelece causas.

Meta-análise (modelo de efeitos aleatórios, REML): r = ,15, IC a 95% [,08; ,22], t(15) = 4,57, p < ,001; Q(15) = 38,16, p < ,001; I² = 62%; τ² = 0,008 (k = 16)

Exemplos típicos

• Dez estudos sobre um treino de leitura, cada um com um tamanho do efeito e um erro-padrão: efeito combinado, gráfico em floresta e I².
• Estudos com odds ratios: odds ratio combinado.

Para especialistas

metafor::rma com REML e Knapp-Hartung (test «knha») como predefinição: com 4 a 10 estudos, os intervalos z são demasiado estreitos (IntHout, Ioannidis e Borm, 2014; Cochrane Handbook 6.4). Sem o ajustamento (opção em «Para especialistas»), o Statable calcula como o JASP, com z. τ², τ e I² com intervalo através de confint. Intervalo de predição com predict; a variante de IntHout et al. (2016) com t(k − 2) está em «Para especialistas». g de Hedges através de escalc «SMD», correlações através de z de Fisher. Egger: regtest com modelo «lm».