Como fazer uma metanálise:combinar não é coletar e tirar a média

Primeiro, o contexto. A metanálise não é uma tarefa isolada — em geral, o termo se refere à combinação estatística feita na etapa final de uma revisão sistemática, em que a pergunta, a busca, a seleção e a avaliação foram desenhadas com antecedência.

O que significa que a qualidade de uma metanálise é decidida, em grande parte, antes de qualquer combinação acontecer. Se os critérios de seleção dos estudos foram falhos, nenhuma precisão de cálculo torna o resultado confiável. (Sobre a relação entre as duas, veja nosso artigo sobre revisão sistemática versus metanálise.)

A pergunta de uma metanálise se estreita até um único PICO (Paciente, Intervenção, Comparação, Desfecho): esta intervenção melhora este desfecho nesta população?

Uma pergunta ampla demais mistura estudos de naturezas fundamentalmente diferentes, e nenhuma etapa posterior consegue justificar a combinação. Se a combinação será defensável, isso se decide em grande parte nessa única frase.

Desenhe uma estratégia de busca, pesquise em múltiplas bases de dados mantendo os registros e faça a triagem contra critérios predefinidos. Esse é o processo padrão da revisão sistemática, então deixamos os detalhes para nossos artigos sobre desenho de revisão e triagem.

Resumos por IA podem apoiar a primeira leitura nesta fase, mas as decisões de inclusão e os motivos de exclusão são registrados por um humano trabalhando a partir do texto original.

Dos estudos incluídos, extraia os números que a combinação exige — número de participantes, resultados por grupo, dados de tamanho de efeito — em formato uniforme.

Em uma metanálise, confirmar que as definições de desfecho, os pontos de medição e as populações de análise correspondem entre os estudos é o coração da extração de dados. Pule isso e você comete o erro clássico de tirar a média de coisas diferentes. Os detalhes práticos estão no nosso artigo sobre extração de dados para metanálise.

Com os dados reunidos, resista ao impulso de combinar imediatamente. Pergunte primeiro: esses estudos podem mesmo ser combinados? As populações, intervenções e desfechos são semelhantes o suficiente? Os desenhos são compatíveis?

"Dá para calcular" e "dá para combinar" são coisas diferentes. Tirar a média de maçãs e laranjas não produz uma fruta com significado. Se combinar, e como (efeitos fixos versus aleatórios, por exemplo), envolve julgamento estatístico — consultar um estatístico ou o orientador é essencial.

Resultados combinados vêm acompanhados de uma avaliação da variabilidade entre estudos — a heterogeneidade. Quando ela é grande, perguntar por que os estudos diferem costuma render achados mais importantes do que o próprio valor combinado.

Interpretar os indicadores de heterogeneidade e desenhar análises de subgrupo e de sensibilidade é trabalho de equipe, não trabalho solo. A conclusão de uma metanálise não é um número único — é o número, mais o quanto os estudos eram parecidos, mais o porquê das diferenças.

Por fim, volte à pergunta. O efeito combinado é clinicamente significativo? Quanto o risco de viés dos estudos incluídos relativiza a conclusão?

Esta parte não pode ser delegada à IA. Só quem leu os originais e entende suas limitações consegue escrever uma interpretação honesta.

Ao longo dessa jornada, o Paperfy funciona como o lugar onde você lê, verifica e retorna. Cada artigo incluído ganha uma página com resumo por IA, figuras, tabelas e o PDF original. Os resumos podem ser editados à mão, então você pode acrescentar confirmações de extração ou dúvidas sobre a viabilidade de combinar como notas. Ele não substitui o software estatístico (R, RevMan) nem o gerenciador de referências — ele sustenta a leitura que vem antes deles.