Detectando e ajustando os efeitos de pequenos estudos na meta-análise

O viés de publicação e tipos relacionados de efeitos de pequenos estudos ameaçam a validade das revisões sistemáticas. A existência de efeitos de pequenos estudos foi demonstrada em estudos empíricos. Os efeitos de pequenos estudos são diagnosticados graficamente pela inspeção do gráfico de funil. Embora a assimetria do gráfico de funil observada não possa ser facilmente vinculada a uma razão específica, testes baseados na assimetria do gráfico de funil foram propostos. Além de uma vasta gama de testes de gráfico de funil, existem vários métodos para ajustar estimativas de efeito de tratamento para esses vieses. Neste artigo, consideramos o método trim-and-fill, o modelo de seleção de Copas e abordagens mais recentes baseadas em regressão. Os métodos são exemplificados usando uma meta-análise da literatura e comparados em um estudo de simulação, baseado em dados de resposta binários. Eles também são aplicados a um grande conjunto de meta-análises. Algumas diferenças fundamentais entre as abordagens são discutidas. Uma suposição comum ao método trim-and-fill e ao modelo de seleção de Copas é que o efeito de pequenos estudos é causado pela seleção. O método trim-and-fill corresponde a um modelo implícito desconhecido gerado pela suposição de simetria, enquanto o modelo de seleção de Copas é um modelo estatístico paramétrico. No entanto, ele requer uma análise de sensibilidade. As abordagens baseadas em regressão são mais fáceis de implementar e não se baseiam em um modelo de seleção específico. Tanto as simulações quanto as aplicações sugerem que, na presença de uma forte seleção, tanto o método trim-and-fill quanto o modelo de seleção de Copas podem não eliminar totalmente o viés, enquanto as abordagens baseadas em regressão parecem ser uma alternativa promissora.