Meta-análise: O Que É e Quando Usar na Pesquisa

O que é meta-análise, sem mistério

Vamos lá. Meta-análise é um daqueles termos que as pessoas usam em defesas e qualificações com uma certa seriedade, como se fosse algo muito avançado. E de certa forma é: bem feita, ela exige rigor metodológico e conhecimento estatístico. Mas o conceito em si não é complicado.

Meta-análise é uma técnica estatística que combina os resultados de vários estudos sobre uma mesma questão para calcular um efeito global. Em vez de olhar para um estudo de cada vez, você pega os dados de cada estudo, pondera pelo tamanho da amostra e pela qualidade metodológica e calcula um estimador que representa o efeito geral da evidência disponível.

O resultado mais conhecido da meta-análise é o forest plot, aquele gráfico com quadradinhos e barras horizontais que aparece em revisões sistemáticas da Cochrane e de outras revistas de alto impacto. Cada linha representa um estudo. O diamante no final representa o efeito combinado. A largura do diamante indica o intervalo de confiança.

Por que fazer meta-análise

A questão que justifica uma meta-análise é simples: quando você tem muitos estudos sobre a mesma pergunta, com resultados que variam entre si, como saber qual é a melhor estimativa do efeito real?

Estudos individuais têm limitações. Amostras pequenas produzem estimativas imprecisas. Efeitos podem aparecer em alguns contextos e não em outros. Variações metodológicas influenciam os resultados. A meta-análise tenta integrar tudo isso de forma sistemática, dando mais peso aos estudos com maior poder estatístico e avaliando se a heterogeneidade entre os estudos é aceitável ou problemática.

É por isso que meta-análises bem conduzidas ocupam o topo da pirâmide da evidência em medicina baseada em evidências, saúde coletiva, psicologia clínica e várias outras áreas.

Meta-análise não é simples de fazer

Aqui está o ponto que muitos projetos ignoram: fazer meta-análise direito é trabalhoso e exige mais do que o pesquisador médio imagina no começo.

O processo começa com uma revisão sistemática rigorosa: pergunta PICO ou PICOS claramente formulada, busca em múltiplas bases de dados, critérios de inclusão e exclusão pré-definidos, avaliação de risco de viés dos estudos, extração de dados em dupla (dois pesquisadores independentes), e só então análise estatística.

A análise em si envolve escolhas metodológicas que precisam ser justificadas: modelo de efeitos fixos ou aleatórios, software de análise (RevMan, R com pacote meta ou metafor, Stata com metan, entre outros), teste de heterogeneidade (estatística I²), análise de sensibilidade, análise de subgrupos quando pertinente, e avaliação de viés de publicação (funnel plot, Egger’s test).

Cada uma dessas escolhas afeta os resultados e precisa ser explicada no manuscrito. Boas revistas na área pedem também que os projetos de meta-análise sejam pré-registrados (no PROSPERO, por exemplo) antes da coleta de dados.

A heterogeneidade: o problema central

Um dos conceitos mais importantes em meta-análise é a heterogeneidade. Ela mede o quanto os estudos diferem entre si em termos de resultados, além do que seria esperado apenas pelo acaso.

O I² é o índice mais usado para quantificar heterogeneidade. Valores próximos de 0% indicam baixa heterogeneidade; valores acima de 75% indicam heterogeneidade substancial. Quando a heterogeneidade é alta, combinar os estudos pode ser enganoso: você está calculando uma média de coisas que não são comparáveis entre si.

Alta heterogeneidade não significa que a meta-análise é inviável, mas significa que você precisa investigar as fontes dessa variação. Análises de subgrupo e meta-regressão são ferramentas para isso: você verifica se estudos com determinadas características (população, dose, país, período) produzem efeitos diferentes dos outros.

Quando não fazer meta-análise

Nem toda revisão sistemática precisa ter meta-análise. Às vezes a síntese narrativa é o caminho mais honesto.

Os cenários em que a meta-análise não é indicada incluem:

Poucos estudos disponíveis: com dois ou três estudos, o efeito combinado tem intervalos de confiança tão largos que o resultado tem pouca utilidade prática.

Estudos muito diferentes entre si: se os estudos medem desfechos diferentes, usam populações incomparáveis ou têm desenhos radicalmente distintos, combiná-los estatisticamente produz um número sem sentido real.

Dados indisponíveis: para calcular o efeito de cada estudo (odds ratio, razão de risco, diferença de médias, etc.), você precisa de dados específicos que nem sempre estão nos artigos publicados. Contar estudos e extrair esses dados nem sempre é possível.

Quando a heterogeneidade é alta demais sem explicação: se o I² é elevado e você não consegue identificar fontes plausíveis de heterogeneidade, o efeito combinado não representa a realidade de nenhum dos contextos estudados.

Como a meta-análise aparece na prática da pesquisa brasileira

No Brasil, a meta-análise tem ganhado espaço crescente nos programas de pós-graduação, especialmente nas áreas da saúde, educação física, nutrição e psicologia. O Mestrado Profissional em Saúde Coletiva, por exemplo, tem visto um aumento de projetos com revisão sistemática e meta-análise como metodologia principal.

No PRISMA 2020, o guia atualizado para relatar revisões sistemáticas e meta-análises, há itens específicos para cada etapa do processo, desde a pergunta de pesquisa até a interpretação dos resultados. Seguir o PRISMA não é opcional para a maioria das revistas que aceitam esse tipo de estudo.

Se você está considerando uma meta-análise para sua dissertação ou tese, o ponto de entrada mais importante é a pergunta de pesquisa: ela precisa ser específica o suficiente para permitir uma busca bibliográfica focada e critérios de inclusão claros. Uma pergunta muito ampla resulta numa revisão com centenas de estudos heterogêneos, o que torna a síntese quantitativa muito difícil.

O que o Método V.O.E. tem a ver com isso

Você pode estar se perguntando o que o Método V.O.E. tem a ver com meta-análise. A conexão não é técnica, é processual.

Fazer uma meta-análise é um processo longo, com muitas etapas e um volume grande de decisões metodológicas. A tendência é travar na análise estatística porque as etapas anteriores (busca, seleção, extração de dados) foram mal planejadas. Ou a pessoa extrai os dados mas não sabe como justificar as escolhas metodológicas no manuscrito.

A abordagem V.O.E., que separa Validar o projeto, Organizar a escrita e Executar sistematicamente, se aplica bem à produção de uma revisão sistemática com meta-análise exatamente porque o processo é modular: cada etapa tem insumos e produtos claros, e avançar sem completar a etapa anterior é fonte garantida de retrabalho.

Para pesquisadores que querem aprofundar o entendimento sobre metodologias de síntese de evidências, a seção de recursos do site tem indicações complementares.

Ferramentas para conduzir uma meta-análise

Algumas ferramentas são praticamente padrão na área:

RevMan (Review Manager): desenvolvido pela Cochrane, é gratuito e muito usado em revisões sistemáticas de saúde. Tem interface gráfica e gera forest plots automaticamente.

R com pacotes meta e metafor: mais flexível que o RevMan, permite análises customizadas e gráficos publicáveis. Requer conhecimento básico de R.

Stata com metan: usado principalmente em bioestastística e epidemiologia.

OpenMeta[Analyst]: interface gráfica gratuita que usa R por baixo, boa opção para quem não domina código.

A escolha da ferramenta deve ser guiada pelo que sua área usa (o revisor da revista vai reconhecer o output) e pelo seu nível de habilidade técnica. Começar pelo RevMan ou pelo OpenMeta costuma ser mais acessível; migrar para R quando precisar de análises mais sofisticadas é uma evolução natural.

Perguntas que você vai ter que responder no manuscrito

Quem publica meta-análise sabe que a seção de métodos vai ser lida com lupa. As perguntas que os revisores vão fazer incluem:

Por que o modelo de efeitos aleatórios (ou fixos) foi escolhido? Qual o nível de significância usado no teste de heterogeneidade? Como o viés de publicação foi avaliado? O que foi feito com estudos que não tinham todos os dados necessários? Como os dados foram extraídos e por quem?

Essas questões precisam de respostas antes de você começar a análise, não depois. O protocolo pré-registrado no PROSPERO é exatamente isso: um compromisso público com as decisões metodológicas tomadas a priori.

Por que a meta-análise importa para além do artigo

Uma meta-análise bem conduzida tem impacto além da publicação. Ela informa diretrizes clínicas, políticas públicas, protocolos de tratamento e decisões de financiamento em pesquisa. Quando a Cochrane publica que uma intervenção X tem efeito pequeno mas consistente para desfecho Y, essa conclusão tem peso real no mundo.

Isso também significa que os erros numa meta-análise mal feita têm consequências. Uma síntese distorcida por viés de publicação, por heterogeneidade ignorada ou por erros na extração de dados pode levar a conclusões enganosas que persistem na literatura por anos.

Fazer meta-análise com cuidado não é perfeccionismo. É responsabilidade com a cadeia de conhecimento que ela alimenta.