| name | meta-analise |
| description | Skill de meta-análise: síntese quantitativa de efeitos, forest plot, heterogeneidade (I²), viés de publicação (funnel plot), meta-regressão, subgrupos, PRISMA. |
| spec | SPEC-079 |
| version | 1.0 |
| category | research |
| tags | ["metodo","meta-analise","sintese-quantitativa","effect-size","forest-plot","funnel-plot","prisma","heterogeneidade"] |
| dependencies | ["SPEC-079"] |
| tdd_suite | tests/test_r34_meta_analise.py |
| ct_count | 8 |
| status | active |
SPEC-079 — Skill: Meta-análise (Síntese Quantitativa)
Objetivo
Prover protocolos operacionais para condução de meta-análise: cálculo de effect size, modelos de efeito fixo e aleatório, heterogeneidade, viés de publicação, meta-regressão e apresentação gráfica (forest plot, funnel plot).
CTs
| CT | Descrição | Status |
|---|
| CT-01 | SKILL.md existe com frontmatter | ✅ |
| CT-02 | Template: Cálculo de Effect Size (OR, RR, MD, SMD) | ✅ |
| CT-03 | Template: Forest Plot (execução e interpretação) | ✅ |
| CT-04 | Template: Heterogeneidade (I², Q de Cochrane, τ²) | ✅ |
| CT-05 | Template: Viés de Publicação (funnel plot, Egger, Trim and Fill) | ✅ |
| CT-06 | Template: Modelos de Efeito (Fixo vs. Aleatório) | ✅ |
| CT-07 | Template: Meta-regressão e Análise de Subgrupos | ✅ |
| CT-08 | Template: PRISMA 2020 Checklist | ✅ |
Template 1: Cálculo de Effect Size
Tipos de Effect Size
| Tipo | Medida | Uso Típico | Fórmula |
|---|
| Dicotômico | Odds Ratio (OR) | Caso-controle | (a/c) / (b/d) |
| Dicotômico | Risk Ratio (RR) | Coorte | a/(a+b) / c/(c+d) |
| Dicotômico | Risk Difference (RD) | EAPV | a/(a+b) - c/(c+d) |
| Contínuo | Mean Difference (MD) | Mesma escala | M₁ - M₂ |
| Contínuo | Std. Mean Difference (SMD) | Escalas diferentes | (M₁-M₂)/SD_pooled |
| Contínuo | Hedges' g | Pequenas amostras | SMD × (1 - 3/(4n-9)) |
| Tempo | Hazard Ratio (HR) | Sobrevida | log-rank O/E |
Procedimento de Extração
- Identificar desfecho principal de cada estudo
- Extrair: n por grupo, média/DP (contínuo) ou tabela 2×2 (dicotômico)
- Calcular effect size individual com IC 95%
- Converter para escala comum (ex.: OR → logOR para normalidade)
Template 2: Forest Plot
Componentes do Forest Plot
Estudo | ES (IC 95%) | Peso (%)
----------------|-----------------|----------
Estudo 1 (2023) | 0.72 (0.45-1.15)| 15.2
Estudo 2 (2024) | 0.85 (0.62-1.16)| 22.4
Estudo 3 (2025) | 0.61 (0.38-0.98)| 12.8
Estudo 4 (2025) | 0.78 (0.55-1.10)| 18.6
Estudo 5 (2026) | 0.69 (0.48-0.99)| 16.0
----------------|-----------------|----------
Pooled (REML) | 0.73 (0.62-0.86)| 100.0
Heterogeneidade: I² = 12.3%, τ² = 0.004, Q = 4.56 (p = 0.335)
Interpretação
- ES < 1 (dicotômico): fator protetor; ES > 1: fator de risco
- IC 95% que não cruza 1 (dicotômico) ou 0 (contínuo): significativo
- I² < 25%: baixa heterogeneidade; 25-50%: moderada; > 50%: alta
- Peso: proporção de cada estudo no pooled effect
Template 3: Heterogeneidade (I², Q de Cochrane, τ²)
Medidas de Heterogeneidade
-
Q de Cochrane: χ² = Σ w_i (y_i - μ)²
- p < 0.10: heterogeneidade significativa
- Limitação: baixo poder com poucos estudos
-
I²: (Q - df) / Q × 100%
- 0-25%: baixa (não se preocupe)
- 25-50%: moderada (explique possíveis fontes)
- 50-75%: substancial (investigue causas)
-
75%: considerável (considere não combinar)
-
τ² (entre-estudos)
- REML: estimativa preferida (Harville, 1977)
- DerSimonian-Laird: método clássico
- Q-profile: IC para τ² (Viechtbauer, 2007)
Árvore de Decisão de Heterogeneidade
I² < 25% → Efeito fixo (Mantel-Haenszel)
25% ≤ I² ≤ 50% → Efeito aleatório (REML); investigar fontes
I² > 50% → Efeito aleatório; meta-regressão; subgrupos
I² > 75% → Não combinar → Síntese narrativa (SWiM)
Template 4: Viés de Publicação
Métodos de Detecção
-
Funnel Plot (gráfico de funil)
- Eixo Y: precisão (1/SE) ou tamanho amostral
- Eixo X: effect size
- Assimetria → viés de publicação
- Interpretação: faltam estudos pequenos com efeito nulo/negativo
-
Egger Test: regressão linear de SE sobre effect size
- p < 0.10: assimetria significativa
-
Begg Rank Test: correlação de Kendall entre effect size e variância
- Menor poder que Egger, mas mais robusto
-
Trim and Fill: estimar quantos estudos faltam e ajustar
- Remove (trim) estudos assimétricos
- Estima o pooled effect ajustado
- Adiciona (fill) estudos imputados para simetria
Referências da Skill
- Cochrane Collaboration. (2024). Chapter 10: Meta-analyses. Cochrane Handbook v6.5.
- Dwivedi, A. (2026). FRAMES: Framework for Approaches and Methods in Evidence Synthesis. PeerJ, 14, e20897.
- Page, M.J. et al. (2021). PRISMA 2020 statement. BMJ, 372, n71.
- DerSimonian, R. & Laird, N. (1986). Meta-analysis in clinical trials. Control Clin Trials, 7(3), 177-188.
- Higgins, J.P.T. et al. (2003). Measuring inconsistency in meta-analyses. BMJ, 327, 557-560.
- Egger, M. et al. (1997). Bias in meta-analysis. BMJ, 315, 629-634.
- Borenstein, M. et al. (2021). Introduction to Meta-Analysis (2nd ed.). Wiley.
- Viechtbauer, W. (2010). Meta-analyses in R with metafor. J Stat Softw, 36(3), 1-48.
