Como interpretar um gráfico Forest Plot?

Publicado por 20 de Novembro de 2021 em

Uncategorised

Primeiro, o que seria um Forest plot ou Gráfico em floresta?

Um forest plot/ blobograma/ gráfico em floresta é a forma de representação gráfica dos resultados de uma metanálise. Mostra de forma clara e objetiva os estudos que foram incluídos na análise, com seus resultados individuais (estimativa de efeito e intervalos de confiança, e o resultado estatístico agrupado de todos os estudos combinados. Os primeiros Forest Plots foram publicados no início da década de 1970, por Friedman et al., e atualmente são apresentados com muita frequência em resultados de revisões sistemáticas da literatura. O gráfico apresenta informações que permitem ao leitor observar os resultados de cada estudo incluído – direção, magnitude e precisão do efeito da intervenção comparada ao controle – o peso que cada estudo atribuiu à medida combinada final, a taxa de eventos em cada grupo de cada estudo, a heterogeneidade entre eles, e ao final, o resultado combinado de todos os estudos para um determinado desfecho em questão. Entretanto, muitos leitores têm dificuldade em ler e interpretar um gráfico em floresta.

Então, como realizar a leitura de um gráfico Forest Plot?

Os Forest Plots podem ser apresentados de diversas formas, e o leitor vai observar diferentes apresentações em estudos diferentes, mas um gráfico completo geralmente contempla 6 colunas. A figura abaixo mostra cada componente de um Forest Plot. Vamos passar por cada coluna para descrever o que cada uma contem e significa:

  • 1ª coluna (identificação): identifica o estudo, com seu respectivo título ou autor, e o ano de publicação.
  • 2ª coluna (grupo intervenção n/N”): nesta coluna encontramos dados referentes ao grupo intervenção de cada estudo analisado. O “n” indica quantidade de pacientes que apresentaram o desfecho de interesse, enquanto o “N” ilustra a quantidade total de pacientes no grupo. Nesta coluna podemos calcular a taxa de eventos deste grupo, dividindo o número de eventos pela quantidade de pacientes deste grupo. Chamamos esta taxa de risco absoluto do evento no grupo intervenção. Podemos fazer este cálculo para cada estudo, ou ao final para a totalidade dos estudos incluídos, somando todos os eventos (n) e todos os participantes (N) de todos os estudos.
  • 3ª coluna (grupo controle n/N”); como discutido acima, o mesmo se aplica a esta coluna, no entanto estamos no grupo controle. O “n” sendo o número de pacientes com desfecho avaliado sobre “N”, número total de pacientes no grupo. Nesta coluna podemos calcular a taxa de eventos no grupo controle, dividindo o número de eventos pela quantidade de pacientes deste grupo. Chamamos esta taxa de risco absoluto do evento no grupo controle. Podemos fazer este cálculo para cada estudo, ou ao final para a totalidade dos estudos incluídos, somando todos os eventos (n) e todos os participantes (N) de todos os estudos.
  • 4ª coluna: o gráfico propriamente dito. É composto por um eixo horizontal (escala de magnitude de efeito) e um eixo vertical (linha do efeito nulo). Os resultados de cada estudo são representados por uma linha horizontal com um quadrado entre as suas extremidades. O quadrado representa o efeito estimado do desfecho naquele estudo – a medida resumo (risco relativo, odds ratio, diferença de médias, etc.). Este quadrado pode variar de tamanho de um estudo para outro, a depender de quanta informação o estudo trouxe para a estimativa final combinada (geralmente o tamanho da amostra, o número de eventos e a precisão da estimativa contribuem para o tamanho do quadrado). As linhas horizontais representam a precisão em torno da estimativa central, ou seja, o intervalo de confiança da medida (Veja o post sobre intervalo de confiança do nosso blog aqui). Logo, quanto mais longas as linhas (maiores os intervalos de confiança) menor a precisão sobre o valor da estimativa. Quanto mais estreita a linha do intervalo de confiança maior a precisão sobre a estimativa. Na última linha, apresenta-se o resultado combinado dos estudos que foram agrupados na metanálise, representado por um losango (diamante). As extremidades do diamante são os extremos do seu intervalo de confiança e o meio do diamante a estimativa central.

A linha vertical, o eixo Y, representa a linha de efeito nulo. Se a estimativa central do desfecho estudo estiver à esquerda podemos dizer que a intervenção é superior ao controle. Se estiver à direita, o controle é superior à intervenção. No entanto, se o intervalo de confiança cruza a linha de nulidade, não podemos ter certeza sobre o benefício ou risco da intervenção. Por outro lado, se os extremos do intervalo de confiança estão todos à esquerda da linha de nulidade, podemos ter certeza de que a intervenção é benéfica, ao passo que se estiver todo à direita, podemos ter certeza de que o controle é melhor que a intervenção, seja ele nenhum tratamento, cuidados usuais, outra droga ou o placebo.

  • 5ª coluna (Coluna do risco relativo (fixo), 95% IC):. A coluna à direita do Forest plot, traz de maneira numérica as medidas estimativas e seus IC.
  • 6ª coluna (O peso do estudo): é representado em porcentagem e indica a influência do estudo para o resultado conjunto. Também vimos que o peso dos estudos pode ser visto pelo tamanho do quadrado no gráfico. Por exemplo, grandes quadrados representam estudos mais informativos, com maior tamanho amostral, maior número de eventos, ou maior precisão.

Autora: Clara Nogueira, estudante de Medicina na Faculdade de Medicina de Petrópolis. 

 

Bibliografia:

  1. Understanding systematic reviews and meta-analysis;Dr A K Akobeng
  2. Department of Paediatric Gastroenterology, Central Manchester and Manchester Children’s University Hospitals, Booth Hall Children’s Hospital, Charlestown Road, Blackley, Manchester, M9 7AA, UK- Forest plots: trying to see the wood and the trees
  3. Steff Lewis, Mike Clarke UK Cochrane Centre, NHS Research and Development Programme, Oxford OX2 7LG
  4. Akobeng AK. Evidence based child health 1. Principles of evidence based medicine. Arch Dis Child2005;90:837–40.
  5. Cook DJ, Mulrow CD, Haynes RB. Systematic reviews: synthesis of best evidence for clinical decisions. Ann Intern Med1997;126:376–80.
  6. Cochrane UK, ”How to read a forest plot?”, https://uk.cochrane.org/news/how-read-forest-plot

Tags:

Deixe uma resposta

O seu endereço de email não será publicado.

Subscribe to our newsletter

You will receive our monthly newsletter and free access to Trip Premium.