Efeitos pré-calculados
Quando o artigo já traz o efeito e você só precisa agrupar
Use este módulo quando você extraiu dos artigos o efeito já calculado, em vez das contagens brutas. É o caso típico das razões de risco (HR) de análises de sobrevida, que raramente vêm com dados suficientes para recalcular.
Siga o fluxo em três passos. Aqui trato dos três formatos de entrada e do campo que decide se a sua análise vai sair certa.
Passo 1, os dados
São três submódulos, escolhidos na página anterior. Escolha o que corresponde ao que você conseguiu extrair dos artigos.
| Formato | Colunas obrigatórias | Precisa de erro-padrão? |
|---|---|---|
| TE com IC 95% | study, TE, lower, upper |
não |
| TE com erro-padrão | study, TE, seTE |
sim |
| Conjunto completo | study, TE, seTE, lower, upper |
sim |
n.e e n.c são opcionais nos três formatos e aparecem no forest plot quando presentes. Qualquer outra coluna fica disponível para subgrupo e meta-regressão.
O TE com IC 95% é o único em que você não digita erro-padrão nenhum: o app o deriva do intervalo. Os outros dois pedem o seTE diretamente.
O Data check confere as colunas, conta os estudos e valida a coerência do intervalo, exigindo lower <= TE <= upper. Se você inverteu duas colunas, ele avisa aqui, antes de a análise rodar.
Passo 2, os parâmetros
Outcome settings
Outcome name, If the outcome increases, is that beneficial or harmful?, Experimental group name e Control group name funcionam como no módulo binário.
Summary measure (sm) (padrão HR) oferece seis opções, e aqui ele faz mais do que rotular o eixo: ele decide se os seus números passam por transformação logarítmica.
- Medidas de razão:
HR,RR,OR. O agrupamento acontece na escala logarítmica e o resultado volta para a escala original nos gráficos. - Medidas de diferença:
RD,MD,SMD. Não há transformação.
A escala do TE
Este é o ponto onde mais se erra, e vale ler com atenção.
Para medidas de razão, o MetaVidence espera o valor como reportado no artigo, não o logaritmo. Se o artigo diz “HR 0,76 (IC 95% 0,61 a 0,95)”, você digita 0,76, 0,61 e 0,95. Digitar o logaritmo faz o app rejeitar a planilha, já que ele exige valores positivos nas medidas de razão.
Para medidas de diferença, o valor já está na escala certa e nada é transformado.
O sm escolhido em Outcome settings decide se os seus números passam pela transformação logarítmica. Escolher MD quando os dados são razões, ou o contrário, produz um resultado que parece plausível e está errado. É o tipo de erro que nenhuma validação pega, porque os números são todos válidos.
seTE vai numa escala diferente do TE
Nas medidas de razão os dois campos não usam a mesma escala. O TE vai como reportado, 0,76. O seTE vai na escala logarítmica, que é como os artigos o reportam e como o cálculo o usa. Para o exemplo acima, seTE seria 0,113, e não 0,087.
Errar isso não gera erro nenhum: sai um intervalo de confiança plausível e errado. O jeito de não passar por essa decisão é usar o formato TE com IC 95%, que dispensa o seTE.
Statistical settings (advanced)
Analysis model, Tau method, Random CI method e Prediction method funcionam exatamente como em o fluxo.
Prediction interval vem desligado por padrão (No) nos três submódulos.
Não existe campo Method: o efeito já vem calculado, então o agrupamento é sempre pelo inverso da variância.
Passo 3, exportação e resultados
Todos os cartões do módulo binário estão aqui, com o mesmo comportamento: Forest plot, Leave-one-out analysis, Funnel plot, Small-study effects com o teste de Egger, Subgroup analysis e Meta-regression, mais as duas tabelas-resumo em XLSX.