Revisões Sistemáticas e Metanálise: do Protocolo ao Forest Plot

01Por que a revisão sistemática está no topo da pirâmide de evidências

A medicina baseada em evidências integra três elementos: melhor evidência externa disponível, expertise clínica e valores do paciente. Para responder perguntas sobre efeito de intervenções, a revisão sistemática ocupa o topo da hierarquia porque reduz erros sistemáticos (viés) e o acaso de forma planejada: ela é um resumo estruturado, com métodos explícitos e reprodutíveis, de todos os estudos primários sobre uma pergunta definida a priori. Diferente da revisão narrativa, cuja seleção de artigos fica a critério dos autores e é passível de viés de seleção, a revisão sistemática segue um protocolo registrado, com estratégia de busca exaustiva e seleção duplicada e independente dos estudos.

A metanálise é o passo estatístico que, quando permitido, combina os resultados dos estudos incluídos em uma medida única e ponderada, aumentando o poder estatístico e a precisão (intervalos de confiança mais estreitos) — o que permite detectar efeitos moderados que ensaios individuais, frequentemente subdimensionados, não conseguem demonstrar. Na prova, guarde a frase-síntese: a revisão sistemática é o método, a metanálise é a análise estatística; toda metanálise séria está embutida em uma revisão sistemática, mas nem toda revisão sistemática termina em metanálise.

02Definições e tipos de síntese de evidências

Existem vários formatos de síntese, e as bancadas exploram as diferenças. A revisão sistemática responde uma pergunta estruturada com métodos pré-especificados. A metanálise agrega efeitos com técnica estatística. A revisão rápida (rapid review) simplifica etapas (busca ou seleção) por urgência decisória, com risco maior de vieses. A revisão de escopo (scoping review) mapeia a literatura disponível sobre um tema, sem necessariamente avaliar efeito. A metanálise em rede (network meta-analysis) compara múltiplas intervenções entre si, inclusive indiretamente, quando não há comparações diretas cabeça-a-cabeça. A revisão guarda-chuva (umbrella review) sintetiza revisões sistemáticas sobre um tema amplo. A revisão viva (living systematic review) é atualizada continuamente à medida que novos estudos surgem.

03A pergunta estruturada e o protocolo prévio: PICO e PROSPERO

Tudo começa pela pergunta clínica estruturada em PICO: População, Intervenção, Comparador e Desfecho (Outcome). Uma pergunta bem construída define quem entra (critérios de elegibilidade), o que se compara e o que se mede. A pergunta vira protocolo antes da busca: o protocolo especifica elegibilidade, desfechos primário e secundários, estratégia de busca, ferramentas de risco de viés e plano de síntese. O registro prospectivo no PROSPERO (International Prospective Register of Systematic Reviews, Universidade de Iorque) data e congela o plano, previne duplicação de esforço e impede a troca de desfecho (outcome switching), prática em que o desfecho primário é alterado após ver os resultados.

04Busca bibliográfica e seleção de estudos: do início ao fluxograma PRISMA

A busca deve ser exaustiva e sensível, porque um estudo não localizado é um estudo excluído por viés de seleção. A estratégia combina termos controlados (MeSH no MEDLINE, DeCS na LILACS) com sinônimos de texto livre, adaptada a cada base: MEDLINE/PubMed, Embase, CENTRAL (Cochrane), LILACS e bases específicas da área. Somam-se a busca manual nas listas de referências dos incluídos, contatos com autores, busca de literatura cinza (teses, resumos de congressos) e consulta a registros de ensaios clínicos (ClinicalTrials.gov) para reduzir viés de publicação.

• Desduplicação dos registros recuperados nas bases pesquisadas
• Triagem de títulos e resumos por dois revisores independentes, às cegas um para o outro
• Leitura de texto completo dos pré-selecionados, com motivos de exclusão registrados
• Resolução de divergências por consenso ou terceiro revisor
• Cálculo da concordância entre revisores (coeficiente kappa de Cohen)
• Documentação de tudo no fluxograma PRISMA 2020: identificação, triagem, elegibilidade e inclusão

O fluxograma PRISMA 2020 é obrigatório no relato e traz os números que fecham a auditoria: registros identificados, duplicatas removidas, triados, excluídos com motivo, recuperados para texto completo e estudos finalmente incluídos na síntese qualitativa e quantitativa. Em prova, PRISMA 2020 é guia de RELATO (reporting), não ferramenta de qualidade metodológica nem padrão de conduta da revisão — erro clássico de alternativa.

05Extração de dados e risco de viés dos estudos primários

A extração usa formulário padronizado testado a priori, em duplicidade e independente: dados bibliográficos, características dos participantes, intervenção, comparador, desfechos com escala e tempo, duração do seguimento, financiamento e conflitos de interesse. Em paralelo, cada estudo tem o risco de viés avaliado com a ferramenta adequada ao desenho. O RoB 2 (Cochrane, 2019) avalia ensaios randomizados em cinco domínios: processo de randomização, desvios da intervenção pretendida, dados de desfecho ausentes, mensuração do desfecho e seleção do resultado relatado, resultando em baixo risco, algumas preocupações ou alto risco. O ROBINS-I avalia estudos não randomizados; o QUADAS-2, estudos de acurácia diagnóstica; o ROBINS-E, estudos de exposição.

A concordância entre revisores na seleção e extração é quantificada pelo kappa de Cohen, que corrige o acaso esperado — concordância bruta de 90% pode representar kappa modesto quando a prevalência de inclusões é baixa. Interpretação usual: 0,21 a 0,40 regular; 0,41 a 0,60 moderada; 0,61 a 0,80 boa; 0,81 a 1,00 muito boa.

06Metanálise: efeito fixo, efeito aleatório e medidas de efeito

A metanálise calcula uma média ponderada dos efeitos, em que o peso de cada estudo é proporcional à sua precisão (inverso da variância — estudos maiores pesam mais; métodos de Mantel-Haenszel para variáveis binárias e variância inversa para contínuas). Para desfechos binários usa-se risco relativo (RR), razão de chances (OR) ou hazard ratio; para contínuos, diferença de médias (DM) ou diferença de médias padronizada (DMP), esta quando escalas diferentes mediram o mesmo construto. Do modelo de efeitos, o fixo assume um único efeito verdadeiro comum a todos os estudos (toda variabilidade é amostral); o aleatório assume que os efeitos verdadeiros variam entre estudos em torno de uma média (distribuição normal de efeitos), incorporando a variabilidade entre estudos (tau ao quadrado, estimada por DerSimonian-Laird ou métodos de verossimilhança).

Ponto de prova recorrente: a escolha do modelo deve ser justificada pela heterogeneidade CLÍNICA previamente decidida no protocolo, e não trocada depois apenas porque o resultado mudou. Intervalos de confiança mais largos no modelo aleatório refletem a incerteza sobre a variação entre estudos.

07Interpretando o forest plot passo a passo

• Cada linha é um estudo: o quadrado é a estimativa pontual e seu tamanho é proporcional ao peso na síntese
• A linha horizontal é o intervalo de confiança de 95% do efeito daquele estudo
• A linha vertical contínua é a linha do efeito nulo: 1 para RR/OR/HR, 0 para diferenças de médias
• O losango representa o efeito combinado; sua largura é o intervalo de confiança da metanálise
• Se o losango (ou seu intervalo) cruza a linha do efeito nulo, o efeito combinado não é estatisticamente significativo
• Rodapé do gráfico: estatística de heterogeneidade (Q, I², tau ao quadrado) e teste global de efeito (z com valor p)

Exemplo numérico para leitura: metanálise de OR combinada de 0,70 com IC 95% de 0,55 a 0,90 significa redução de 30% nas chances do desfecho com a intervenção, estatisticamente significativa porque o intervalo não inclui 1. Se o mesmo efeito tivesse IC 95% de 0,45 a 1,10, a conclusão seria de imprecisão: possível benefício importante, ausência de efeito ou até prejuízo — terreno para avaliação GRADE com imprecisão grave.

08Heterogeneidade: Q de Cochran, I² e como lidar

Heterogeneidade é a variabilidade nos efeitos além do acaso. O teste Q de Cochran soma os desvios de cada estudo em relação ao efeito combinado; tem baixo poder quando há poucos estudos, por isso usa-se alfa de 0,10. O I² expressa a proporção da variabilidade total atribuível à heterogeneidade verdadeira, e não ao acaso, sendo independente do número de estudos. Guia do Cochrane Handbook: 0 a 40% pode não ser importante; 30 a 60% pode representar heterogeneidade moderada; 50 a 90% pode ser substancial; 75 a 100% pode ser considerável (as faixas se sobrepõem deliberadamente e a interpretação é contextual).

Diante de heterogeneidade, a ordem correta é: verificar extração e dados, explorar divergência clínica e metodológica (populações, doses, seguimento), realizar análises de subgrupo e metarregressão pré-especificadas, examinar influência de cada estudo (leave-one-out) e, persistindo a inconsistência, optar por não combinar os estudos. Subgrupos não previstos no protocolo são exploratórios e não sustentam conclusão causal — pegadinha clássica.

09Viés de publicação: funnel plot, teste de Egger e trim-and-fill

Estudos com resultados positivos e estatisticamente significativos têm maior chance de serem publicados, e publicados mais rapidamente, em inglês e em bases indexadas — o viés de publicação, forma extrema do viés de dispersão (dissemination bias). O gráfico de funil (funnel plot) plota o efeito de cada estudo contra uma medida de precisão (erro padrão ou tamanho): na ausência de viés, o funil é simétrico, com estudos pequenos espalhados dos dois lados; assimetria com estudos pequenos faltando na região de efeito nulo sugere que estudos negativos pequenos não foram publicados. O teste de regressão de Egger (1997) avalia formalmente a assimetria do funil, convencionalmente com p menor que 0,10; o teste de Begg usa correlação de postos, com menor poder. O método trim-and-fill de Duval e Tweedie imputa estudos ausentes e recalcula o efeito ajustado, testando a robustez da conclusão.

Contramedidas estruturais: registro prospectivo de ensaios clínicos, busca em registros e literatura cinza, exigência de publicação de resultados e redes como a Cochrane. Em avaliação crítica, lembre: funil assimétrico também pode surgir por heterogeneidade verdadeira, co-intervenções ou erros de mensuração — assimetria não prova viés de publicação, apenas aumenta a suspeita.

10Qualidade da evidência com GRADE e qualidade da revisão com AMSTAR 2

O sistema GRADE (Grading of Recommendations Assessment, Development and Evaluation) classifica a certeza do corpo de evidências para cada desfecho. Ensaios randomizados partem de certeza alta; estudos observacionais partem de baixa. Cinco domínios podem reduzir a certeza: risco de viés, inconsistência (heterogeneidade inexplicada), indiretude (população, intervenção ou desfecho indiretos), imprecisão (eventos poucos, IC amplo que inclui benefício e nulidade) e viés de publicação. Três domínios podem elevar evidência observacional: magnitude grande ou muito grande do efeito, relação dose-resposta e confundimento plausível que reduziria o efeito observado. O resultado aparece na tabela de resumo (Summary of Findings) com as classificações alta, moderada, baixa e muito baixa.

O AMSTAR 2 (2017) é a ferramenta de avaliação crítica DA REVISÃO SISTEMÁTICA em si, com 16 itens, dos quais 7 são críticos (por exemplo: protocolo a priori, adequação da busca, justificativa de exclusões, risco de viés dos incluídos, adequação dos métodos estatísticos, avaliação do viés de publicação e declaração de conflitos). O resultado classifica a confiança na revisão como alta, moderada, baixa ou criticamente baixa. Fixe a trinca de funções: PRISMA orienta o relato, RoB 2 avalia o ensaio primário, GRADE avalia o corpo de evidência que sustenta a recomendação, e AMSTAR 2 avalia a qualidade da revisão.

11Metanálise em rede e outras fronteiras

Quando várias intervenções competem e não existem comparações diretas entre todas, a metanálise em rede conecta evidências diretas e indiretas: se A foi comparado a B e B a C, estima-se A versus C pela rede. A validade depende da transibilidade — semelhança clínica e metodológica dos estudos que compõem a rede — e a coerência entre evidências diretas e indiretas deve ser testada (incoerência sugere viés ou heterogeneidade). Exemplo de impacto: a metanálise em rede de 21 antidepressivos publicada no Lancet em 2018, baseada em 522 ensaios, reordenou o debate sobre eficácia e aceitabilidade em depressão maior. Sínteses vivas (living reviews) atualizam continuamente a busca em temas de decisão urgente, como ocorreu na pandemia de COVID-19.

12Armadilhas de interpretação que caem em prova

13Checklist final de avaliação crítica de uma revisão sistemática

• A pergunta PICO está explícita e o protocolo foi registrado antes da busca (PROSPERO)?
• A estratégia de busca cobriu múltiplas bases, literatura cinza e registros de ensaios?
• A seleção e a extração foram duplicadas e independentes, com kappa relatado?
• O risco de viés usou a ferramenta correta para o desenho (RoB 2, ROBINS-I, QUADAS-2)?
• A decisão de agregar foi clínica antes de estatística, com modelo pré-especificado?
• Heterogeneidade foi investigada e relatada com I², tau ao quadrado e análises de subgrupo previstas?
• O funnel plot foi apresentado e o viés de publicação testado (Egger, trim-and-fill)?
• A certeza da evidência foi graduada (GRADE) com tabela de resumo dos achados?
• Conclusões guardam proporção com a certeza da evidência e com os desfechos clinicamente relevantes?