0:00
[MÚSICA] [MÚSICA]
Nesta aula vamos discutir aspectos
relacionados à inconsistência, também conhecida como heterogeneidade.
Ao lidarmos com um conjunto de evidências, ou seja, um conjunto de estudos,
precisamos lembrar que estamos lidando com amostras.
E por causa do erro amostral é comum que não tenhamos o mesmo efeito observado
em todos os estudos.
O problema é quando observamos efeitos muito diferentes entre os estudos.
Aí devemos suspeitar que existe alguma causa de heterogeneidade.
Podemos classificar algumas das principais fontes de heterogeneidade.
A população é uma delas, por exemplo.
Em estudos que avaliam pacientes com quadros mais graves da doença,
podemos esperar efeitos menos pronunciados daquela intervenção,
que estudos que avaliam pacientes com quadros menos graves.
Podemos ter uma diferença de efeito entre esses estudos.
Quem sabe não seja interessante combiná-los em uma mesma medida?
Outra fonte de possível heterogeneidade são as intervenções.
Será que elas foram aplicadas da mesma forma entre os estudos?
Estudos que utilizam doses maiores podem observar efeitos maiores daquela
intervenção, daquele medicamento, que estudos que utilizam doses menores.
Os desfechos são outras fontes possíveis de heterogeneidade.
Ao avaliar a artrite reumatoide, por exemplo,
poderíamos observar no desfecho de remissão, ou de resposta da doença,
medindo em seis meses, um ano, ou até em mais tempo.
Estudos que avaliam esse desfecho em tempos diferentes, potencialmente podem observar
efeitos com tamanho diferente e isso pode ser uma causa de heterogeneidade.
Algumas estratégias e ferramentas podem nos auxiliar a identificar ou suspeitar de
heterogeneidade.
A primeira delas é a inspeção visual dos intervalos de confiança.
Imagine a seguinte situação onde eu apresento este gráfico em floresta,
com intervalos de confiança de alguns estudos.
Observe que há uma certa sobreposição dos intervalos.
É como se os três estudos fizessem parte de único grande intervalo de confiança.
Nesse caso, onde há sobreposição dos intervalos
de confiança não há motivo para suspeitar de uma heterogeneidade.
Agora imagine a seguinte situação,
onde eu incluo dois novos estudos nesse mesmo gráfico.
Esses dois novos estudos quase não se sobrepõe aos demais estudos.
Parece que existe alguma causa, alguma questão influenciando o
resultado desses estudos que eles possuem efeitos diferentes.
Nesse caso, devemos suspeitar realmente de heterogeneidade.
A avaliação da heterogeneidade não se limita à inspeção visual do gráfico
em floresta.
Podemos utilizar ferramentas estatísticas para isso.
Ao final da sua metanálise junto ao efeito combinado, que geralmente é representado
por um losango, você também pode observar as estatísticas de heterogeneidade.
Observe o teste estatístico de Q-quadrado da heterogeneidade,
se houve significância estatística nessa questão.
Observe, e ainda com mais importância, a estatística do I-quadrado.
Essa estatística traz para você a magnitude da heterogeneidade.
Observe ela como indicador da poluição dentro dos seus estudos,
o quão contaminado está o seu corpo de evidências.
Comumente, adota-se um valor de corte de 25% como irrelevante.
Não existem valores de corte validados para dizer quanto é uma
heterogeneidade alta, ou muito alta, mas comumente,
heterogeneidades com I-quadrado acima de 50% são bastante preocupantes.
Como é o caso dessa nossa metanálise hipotética.
Com 93% de heterogeneidade, devemos ficar muito preocupados com essa situação,
pois há um grande indício de inconsistência desses resultados.
Como auxílio ao julgamento sobre a presença ou não de inconsistência dos
nossos estudos e resultados, temos algumas formas de tratá-la.
A primeira delas é realizar análises de subgrupo.
Será que aqueles dois estudos que tinham resultados tão
diferentes dos demais não tinham algum fator em comum?
Será que não seria uma população diferente e caberia uma análise de subgrupo com
uma metanálise separada desses estudos?
Aí resolveríamos o problema da inconsistência e tomaríamos decisões com
informações melhores.
A outra estratégia é o uso de modelos de regressão,
utilizando fatores que poderiam explicar essa inconsistência.
São as chamadas metarregressões.
Bons estudos farão o uso dessas técnicas e trarão esse relato para você.
[MÚSICA] [MÚSICA]
[MÚSICA] [SEM_SOM]
Tais Freire GalvaoProfessora Doutora
Ivan Ricardo ZimmermannAnalista de Políticas Sociais, MBA, PhD
Everton Nunes da SilvaProfessor Adjunto II
Marcus Tolentino SilvaProfessor Adjunto da Universidade Federal do Amazonas e da Universidade de Sorocaba
