Abordar a heterogeneidade

A heterogeneidade denota a variação nos tamanhos dos efeitos entre os estudos. A avaliação da heterogeneidade é uma etapa crítica na meta-análise, pois influencia a escolha do modelo e a interpretação dos resultados (Kepes et al., 2023).

Compreender e abordar a heterogeneidade na meta-análise é essencial para tirar conclusões precisas e generalizáveis. Um método chave para explorar as fontes de heterogeneidade é a análise moderadora, que envolve a identificação de variáveis que podem influenciar os tamanhos de efeito observados em diferentes estudos. Esta abordagem explica por que razão os estudos podem produzir resultados diferentes e em que condições os efeitos específicos são mais fortes ou mais fracos.

A heterogeneidade na meta-análise pode manifestar-se de três maneiras: heterogeneidade clínica, heterogeneidade metodológica e heterogeneidade estatística. A heterogeneidade clínica envolve variabilidade nos participantes, intervenções e resultados; a heterogeneidade metodológica inclui diferenças no desenho, qualidade e execução do estudo; e a heterogeneidade estatística refere-se à variabilidade nos tamanhos de efeito que não podem ser atribuídos apenas ao acaso.

Etapa 1: Identificação de potenciais moderadores
Os potenciais moderadores devem ser selecionados com base em fundamentos teóricos, resultados empíricos anteriores e relevância prática. Estes podem incluir caraterísticas demográficas (por exemplo, idade, sexo), factores metodológicos (por exemplo, qualidade do estudo, dimensão da amostra) ou especificidades da intervenção (por exemplo, dosagem, duração).

Etapa 2: Codificação dos moderadores
Extrair e codificar sistematicamente informações sobre potenciais moderadores de cada estudo incluído na meta-análise. Isto envolve a criação de uma folha de codificação detalhada onde cada estudo é avaliado e são atribuídos valores para cada moderador.

Etapa 3: Avaliação da heterogeneidade
Antes de efetuar a análise de moderadores, é essencial avaliar a presença e a extensão da heterogeneidade nos tamanhos dos efeitos. Isto pode ser feito utilizando várias medidas estatísticas:

Teste Q de Cochran: Avalia se a variabilidade observada nos tamanhos de efeito é maior do que o esperado pelo acaso. Q é a soma ponderada dos quadrados numa escala padronizada. É reportado como tendo um valor P com valores P baixos, indicando a presença de heterogeneidade. No entanto, sabe-se que este teste tem pouco poder para detetar a heterogeneidade e sugere-se que seja utilizado um valor de 0,10 como ponto de corte para a significância. Por outro lado, o Q tem demasiado poder como teste de heterogeneidade se o número de estudos for grande. Um teste Q significativo sugere a presença de heterogeneidade.
Estatística I²: É a percentagem da variação total observada entre os estudos que se deve a uma heterogeneidade real e não ao acaso. É calculada como I2 = 100% x (Q - df)/Q, em que Q é a estatística de heterogeneidade de Cochran e df são os graus de liberdade. Os valores negativos de I2 são igualados a zero, pelo que I2 se situa entre 0% e 100%. Mede a fração da variação global nos tamanhos dos efeitos atribuída a diferenças e não a erros de amostragem aleatórios. Os valores variam entre 0% (sem heterogeneidade) e 100% (heterogeneidade substancial).
Tau-quadrado (τ²): Estima a variância dos tamanhos de efeito verdadeiros entre estudos num modelo de efeitos aleatórios.

Uma heterogeneidade elevada pode justificar análises de subgrupos ou meta-regressão para explorar potenciais moderadores, como o desenho do estudo, as caraterísticas da amostra ou as especificidades da intervenção (Jak, 2015).

Passo 1: Identificar potenciais moderadores

Os potenciais moderadores devem ser selecionados com base em fundamentos teóricos, resultados empíricos anteriores e relevância prática. Estes podem incluir características demográficas (por exemplo, idade, sexo), fatores metodológicos (por exemplo, qualidade do estudo, tamanho da amostra) ou especificidades da intervenção (por exemplo, dosagem, duração).

Passo 2: Moderação de Codificação

Extrair e codificar sistematicamente informações sobre potenciais moderadores de cada estudo incluído na meta-análise. Isto envolve a criação de uma folha de codificação detalhada onde cada estudo é avaliado e valores atribuídos para cada moderador.

Passo 3: Avaliação da heterogeneidade

Antes de realizar a análise do moderador, é essencial avaliar a presença e extensão da heterogeneidade nos tamanhos dos efeitos. Isto pode ser feito através de várias medidas estatísticas:

1. Teste Q de Cochran: avalia se a variabilidade observada nos tamanhos de efeito é maior do que o esperado por acaso. Q é a soma ponderada dos quadrados numa escala padronizada. É relatado com um valor de P com baixos valores de P indicando presença de heterogeneidade. Este teste, no entanto, é conhecido por ter baixo poder para detetar heterogeneidade e sugere-se o uso de um valor de 0,10 como ponto de corte para significância. Por outro lado, Q tem muito poder como um teste de heterogeneidade se o número de estudos for grande. Um teste Q significativo sugere a presença de heterogeneidade.
2. I² Estatística: É a percentagem de variação total observada entre estudos que se deve à heterogeneidade real e não ao acaso. É calculado como I2 = 100% x (Q - df)/Q, onde Q é a estatística de heterogeneidade de Cochran e df os graus de liberdade. Os valores negativos de I2 são colocados iguais a zero, de modo que I2 fica entre 0% e 100%. Mede a fração da variação global nos tamanhos de efeito atribuída a diferenças em vez de erros de amostragem aleatórios. Os valores variam de 0% (sem heterogeneidade) a 100% (heterogeneidade substancial).
3. Tau-quadrado (τ²): Estima a variância dos tamanhos de efeitos reais entre estudos em um modelo de efeitos aleatórios.

Alta heterogeneidade pode justificar análises de subgrupos ou meta-regressão para explorar potenciais moderadores, como desenho do estudo, características da amostra ou especificidades de intervenção (Jak, 2015).