Dr. Diego Ariel

Espero que estejam gostando do curso...

Essa é nossa sétima aula da série “Como realizar uma metanálise: um guia prático passo a passo utilizando o software R e o RStudio”.

Já vimos os conceitos básicos e as ferramentas necessárias para rodar uma metanálise. Agora faremos nossa primeira metanálise: estudos expressos como Medida de Associação - Risco Relativo (RR)/ Odds Ratio (OR). Para isso utilizaremos nosso exemplo 1, o teste X. Abaixo seguem links para download da planilha 1 e o script do Rstudio.

Em breve, lançaremos mais cursos nessa “pegada”....

Agradeço demais pela interação de todos... e qualquer coisa, estou às ordens...

Construindo um banco de dados do exemplo 1

A forma mais simples de criar um banco de dados para análise no R é criando uma tabela no Microsoft Excel, no Numbers (macOS) ou em outro editor de planilhas.

No exemplo 1, a estabilidade do joelho é averiguada com o teste X Pré e Pós operatório de 2 técnicas cirúrgicas, A e B.

Assim, o banco de dados do exemplo 1 consistirá de uma tabela com cinco colunas, obrigatoriamente nessa sequência (Figura 1):

Coluna 1- nome dos estudos: no caso, 3 estudos;

Coluna 2- número de eventos no grupo experimental/tratamento (evtto - Número de pacientes submetidos à técnica A com teste X positivo no PÓS op): no caso, 8, 10 e 12 pacientes, respectivamente nos 3 estudos;

Coluna 3- amostra total do grupo experimental/tratamento (ntto - Número de pacientes submetidos à técnica A com teste X positivo no PRÉ op): no caso, 18, 30 e 42 pacientes, respectivamente nos 3 estudos;

Coluna 4- número de eventos no grupo controle (evcont - Número de pacientes submetidos à técnica B com teste X positivo no PÓS op): no caso, 18, 31 e 20 pacientes, respectivamente nos 3 estudos;

Coluna 5- amostra total do grupo controle (ncont - Número de pacientes submetidos à técnica B com teste X positivo no PRÉ op): no caso, 21, 60 e 45 pacientes, respectivamente nos 3 estudos.

Na primeira linha é definida o nome das cinco variáveis (estudo, evtto, ntto, evcont e ncont). O nome é indiferente, contudo não devem ser utilizados caracteres especiais (como acentuação ou cedilha) e se possível tudo em letras minúsculas (Figura 1).

Figura 1. Planilha do banco de dados do exemplo 1 (teste x). Notem que em relação à Tabela 1, as colunas B e C estão invertidas, assim como a D e a E. Isso é devido ao pacote meta exigir que primeiro venha o evento em estudo (no caso o número de pacientes com o teste x positivo no pós op) e depois a amostra total (número de paciente submetidos à técnica cirúrgica – positivos no pré op)

Ao salvar o banco de dados, o mesmo deve ser salvo no formato “CSV” (variáveis separadas por vírgula). Para o exemplo 1 daremos o nome de “testex.csv” ao arquivo (Figura 2).

Figura 2. Exportando planilha para CSV. A- Excel. B-Numbers.

Temos então o banco de dados do exemplo 1 pronto para ser importando pelo RStudio. Agora abriremos o RStudio e no menu iremos em File, Import dataset, From Text (base)... Selecione o arquivo testex.csv. Confira se os parâmetros estão iguais aos da Figura 3 e clique no botão importar. O campo Name equivale ao nome da variável que será atribuída dentro do R com os dados do banco, nesse caso, “testex”. Deixe marcada como Yes a opção Heading para que a primeira linha da planilha corresponda ao nome das colunas do banco de dados.

Figura 3. Importando o arquivo CSV testex para o RStudio.

Agora o R importou o banco dentro da variável “testex”. Digite testex no console do RStudio e dê “enter/return” para ver o valor atribuído dentro dessa variável (Figura 4). Agora estamos com o nosso banco do exemplo 1 importado dentro do RStudio, pronto para análise.

Figura 4. Banco de dados do exemplo 1 (testex) no RStudio.

Metanalisando o exemplo 1 – teste X

Uma vez com o banco de dados importado, prosseguiremos com a realização da metanálise propriamente dita. Utilizaremos o pacote meta para rodar essas análises (lembrar de habilitá-lo, com o “check” na caixa ao lado de seu nome).

Para realizar a metanálise do exemplo 1, o qual se utiliza de variáveis quantitativas discretas e desfecho categórico (a instabilidade melhora ou não com o procedimento) utilizaremos o comando “metabin”.

Criaremos uma variável pra o comando metabin da nossa metanálise do exemplo 1, o testex. Daremos o nome de “metanalisetestex”. Assim, a linha de comando será:

metanalisetestex = metabin (evtto, ntto, evcont, ncont, estudo, data=testex)

Digite a linha acima e dê “enter/return”. Lembrado que os nomes testex (banco de dados criado a partir do exemplo 1) e metanalisetestex (variável criada para o comando metabin) são escolhidas pelo autor da revisão, podendo ser qualquer nome, contudo que sejam de fácil memorização e não contenham caracteres especiais.

Aparentemente não aconteceu nada, mas o RStudio salvou o resultado da metanálise dentro da variável metanalisetestex. Ao digitar metanalisetestex no console e dar enter/return, o software nos mostrará os resultados (Figura 5).

Figura 5. Resultados da metanálise do exemplo 1 (teste x para estabilidade de 2 técnicas cirúrgicas).

Temos assim os resultados da metanálise. Didaticamente podemos dividir os resultados em quatro partes (Figura 6).

Figura 6. Quatro partes do resultado da metanálise do exemplo 1 (teste x). 1. Estudos que compõem a metanálise. 2. Medida sumária (“resultado” propriamente dito) da metanálise. 3. Medidas de heterogeneidade da metanálise. 4. Testes utilizados na metanálise.

Na primeira parte (Figura 6), temos cada um dos estudos individuais, com seu risco relativo (RR), intervalo de confiança (95%-CI) e o peso (%W) nas análises tanto pelo modelo de efeitos fixos, quanto pelo modelo de efeitos aleatórios. No nosso exemplo, 3 estudos foram combinados (k = 3).

Na segunda parte (Figura 6), temos a medida sumária da metanálise, ou seja, o “resultado propriamente dito”. Nessa parte aparecem o risco relativo (RR), o intervalo de confiança (95%-CI) e o valor z (teste estatístico da significância do efeito global, isto é, uma medida matemática equivalente à localização e à largura do diamante no forest plot) para modelo de efeitos fixos e aleatórios, com seus respetivos p-value (lembrando que esse p-value é o que descreve se o estudo foi ou não estatisticamente significativo, com p<0,05).

Na terceira parte (Figura 6), temos medidas de heterogeneidade da metanálise. O tau-quadrado (tau^2) e o tau refletem a variabilidade entre os estudos na metanálise de efeitos aleatórios, sendo quanto mais próximo a zero menor a variabilidade entre os estudos (esta estimativa e? sempre calculada quando o modelo de efeitos aleatórios e? utilizado e seu valor não tem muita interpretação aplicada). A estatística I² (I^2), seguida de seu desvio padrão, como já mencionado, é um excelente indicador de heterogeneidade. Semelhante à estatística I², a estatística h (H) e seu desvio padrão medem a heterogeneidade dos estudos, sendo que quando H é próximo a 1 temos evidência de homogeneidade entre os estudos. E por último, ainda na terceira parte, é apresentado o valor do teste Q (já comentado acima) com seu p-value (não confundir com o p-value da segunda parte) e o grau de liberdade (d.f.), que nada mais é de que o número de estudos menos 1 (k-1), que ajuda no cálculo da estatística I²

Finalmente, na quarta parte (Figura 6), são detalhados quais testes foram utilizados na metanálise em questão.

Abaixo segue um vídeo sobre nossa aula 07: Metanalisando estudos expressos como Medida de Associação - Risco Relativo (RR)/ Odds Ratio (OR)

Espero que gostem. :)