Metanálise: método genérico de variância inversa
| Comando: | Estatísticas MetanáliseMétodo genérico de variância inversa |
|---|
Uma metanálise integra os resultados quantitativos de estudos separados, mas semelhantes, e fornece uma estimativa numérica do efeito global de interesse (Petrie et al., 2003).
Recomenda-se usar um dos seguintes procedimentos específicos de metanálise para dados de desfecho contínuos e dicotômicos:
- Metanálise: medição contínua
- Metanálise: correlação
- Metanálise: proporção
- Metanálise: risco relativo
- Metanálise: diferença do risco
- Metanálise: razão de possibilidades
- Metanálise: área sob a curva ROC
Se nenhum dos procedimentos acima for aplicável ou adequado, você pode usar o procedimento “método genérico de variância inversa”. Nesse procedimento, as estimativas e seus erros padrão são inseridos diretamente no MedCalc. Para medidas de razão do efeito da intervenção, os dados devem ser inseridos como logaritmos naturais (por exemplo, como o log da razão de risco (hazard ratio) e o erro padrão do log da razão de risco).
No método da variância inversa, o peso atribuído a cada estudo é o inverso da variância da estimativa do efeito (ou seja, um dividido pelo quadrado do seu erro padrão). Assim, os estudos maiores recebem mais peso do que os estudos menores, que têm erros padrão maiores. Essa escolha de pesos minimiza a imprecisão (incerteza) da estimativa do efeito combinado.
Como inserir os dados
Os dados dos diferentes estudos podem ser inseridos na planilha da seguinte forma:
| A | B | C | D | |
|---|---|---|---|---|
| Reference | Hazard_Ratio__Log_ | SE_of_LOG_HR | ||
| 1 | Study 1 | -0,077 | 0,212 | |
| 2 | Study 2 | 0,012 | 0,221 | |
| 3 | Study 3 | 0,323 | 0,426 | |
| 4 | Study 4 | 0,154 | 0,230 | |
| 5 | Study 5 | 0,051 | 0,348 | |
| 6 | Study 6 | -0,661 | 0,232 | |
| 7 | Study 7 | -0,199 | 0,337 | |
| 8 | Study 8 | 0,040 | 0,245 | |
| 9 | Study 9 | 0,305 | 0,432 |
Na primeira coluna, foram inseridas as referências dos diferentes estudos científicos. A segunda coluna contém as razões de risco (hazard ratios) transformadas em log relatadas nesses estudos. A terceira coluna contém os erros padrão dessas razões de risco transformadas em log.
Dados necessários
Estudos: uma variável com a identificação dos diferentes estudos.
Dados
- Estimativa: uma variável com a estimativa de interesse relatada nos diferentes estudos.
- Erro padrão: uma variável com o erro padrão da estimativa relatado nos diferentes estudos.
Filtro: um filtro para incluir apenas um subgrupo selecionado de estudos na metanálise.
Opções
- Os dados são inseridos como logaritmos naturais: selecione esta opção se os dados forem inseridos como logaritmos naturais, por exemplo, como o log da razão de risco (hazard ratio) e o erro padrão do log da razão de risco.
- Diagrama de floresta: cria um diagrama de floresta.
- Tamanho do marcador relativo à ponderação do estudo: opção para que o tamanho dos marcadores que representam os efeitos dos estudos varie de acordo com os pesos atribuídos aos diferentes estudos. Você pode escolher os pesos do modelo de efeito fixo ou os pesos do modelo de efeito aleatório.
- Representar efeito combinado - modelo de efeitos fixos: opção para incluir no diagrama de floresta o efeito combinado sob o modelo de efeitos fixos.
- Representar efeito combinado - modelo de efeitos aleatórios: opção para incluir no diagrama de floresta o efeito combinado sob o modelo de efeitos aleatórios.
- Diamantes para efeitos combinados: opção para representar os efeitos combinados com um losango (a posição do losango representa o tamanho do efeito estimado e a largura do losango reflete a precisão da estimativa).
- Gráfico de funil: cria um gráfico de funil para verificar a existência de viés de publicação. Consulte Metanálise: introdução.
Resultados
Variável para estudos | Reference |
|---|---|
Variável para estimativa: | Hazard_Ratio__Log_ |
Variável para Erro Padrão: | SE_of_LOG_HR |
Estudo | Estimativa (Log) | Erro Padrão | Estimativa | IC de 95% | z | P | Peso (%) | |
|---|---|---|---|---|---|---|---|---|
Fixo | Aleatório | |||||||
Anderson et al. (2012) | -0.0770 | 0.212 | 0.926 | de 0.611 a 1.403 |
|
| 17.83 | 16.65 |
Nguyen et al. (2018) | 0.0120 | 0.221 | 1.012 | de 0.656 a 1.561 |
|
| 16.41 | 15.64 |
Patel et al. (2005) | 0.323 | 0.426 | 1.381 | de 0.599 a 3.183 |
|
| 4.42 | 5.09 |
Rodríguez et al. (2021) | 0.154 | 0.230 | 1.166 | de 0.743 a 1.831 |
|
| 15.15 | 14.71 |
Lee et al. (2010) | 0.0510 | 0.348 | 1.052 | de 0.532 a 2.081 |
|
| 6.62 | 7.35 |
Johnson et al. (1997) | -0.661 | 0.232 | 0.516 | de 0.328 a 0.814 |
|
| 14.89 | 14.51 |
Kumar et al. (2015) | -0.199 | 0.337 | 0.820 | de 0.423 a 1.586 |
|
| 7.06 | 7.78 |
O'Connor et al. (2003) | 0.0400 | 0.245 | 1.041 | de 0.644 a 1.682 |
|
| 13.35 | 13.31 |
Zhang et al. (2020) | 0.305 | 0.432 | 1.357 | de 0.582 a 3.164 |
|
| 4.29 | 4.96 |
Total (efeitos fixos) | -0.0648 | 0.0895 | 0.937 | de 0.786 a 1.117 | -0.724 | 0.469 | 100.00 | 100.00 |
Total (efeitos aleatórios) | -0.0590 | 0.100 | 0.943 | de 0.775 a 1.147 | -0.589 | 0.556 | 100.00 | 100.00 |
Teste da heterogeneidade
Q | 9.6468 |
|---|---|
GL | 8 |
Nível de significância | P = 0.2907 |
I2 (inconsistência) | 17.07% |
IC de 95% para I2 | de 0.00 a 59.08 |
Viés de publicação
Teste de Egger | |
|---|---|
Intercepto | 1.4705 |
IC de 95% | de -2.0553 a 4.9963 |
Nível de significância | P = 0.3569 |
Teste de Begg | |
Tau de Kendall | 0.2222 |
Nível de significância | P = 0.4042 |
  |
O programa lista os resultados dos estudos individuais incluídos na metanálise: a estimativa e o intervalo de confiança de 95%.
O valor combinado da estimativa, com IC de 95%, é apresentado tanto para o modelo de efeitos fixos quanto para o modelo de efeitos aleatórios.
Modelo de efeitos fixos e de efeitos aleatórios
Sob o modelo de efeitos fixos, pressupõe-se que os estudos compartilham um efeito verdadeiro comum, e o efeito resumo é uma estimativa do tamanho do efeito comum.
Sob o modelo de efeitos aleatórios (DerSimonian e Laird), pressupõe-se que os efeitos verdadeiros variam entre os estudos, e o efeito resumo é a média ponderada dos efeitos relatados nos diferentes estudos (Borenstein et al., 2009).
O modelo de efeitos aleatórios tende a fornecer uma estimativa mais conservadora (ou seja, com um intervalo de confiança mais largo), mas os resultados dos dois modelos geralmente concordam quando não há heterogeneidade. Consulte Metanálise: introdução para a interpretação das estatísticas de heterogeneidade Q de Cochran e I2. Quando há heterogeneidade, o modelo de efeitos aleatórios deve ser o modelo preferido.
Consulte Metanálise: introdução para a interpretação dos diferentes testes de viés de publicação.
Diagrama de floresta
O diagrama de floresta mostra a estimativa (com IC de 95%) encontrada nos diferentes estudos incluídos na metanálise e o efeito global com IC de 95%.
Gráfico de funil
O gráfico de funil é uma ferramenta gráfica para detectar vieses na metanálise. Consulte Metanálise: introdução.
Observe que, quando a opção “Os dados são inseridos como logaritmos naturais” foi selecionada (veja acima), os erros padrão no eixo Y são logaritmos naturais.
Literatura
- Borenstein M, Hedges LV, Higgins JPT, Rothstein HR (2009) Introduction to meta-analysis. Chichester, UK: Wiley.
- Higgins JP, Thompson SG, Deeks JJ, Altman DG (2003) Measuring inconsistency in meta-analyses. BMJ 327:557-560.
- Petrie A, Bulman JS, Osborn JF (2003) Further statistics in dentistry. Part 8: systematic reviews and meta-analyses. British Dental Journal 194:73-78.