Estudantes para Melhores Evidências

METANÁLISE E FOREST PLOT 

27 de fevereiro de 2026 

DEFINIÇÃO 

Metanálise é um método estatístico que sintetiza, quantitativamente, por meio de uma única estimativa de tamanho de efeito, os resultados de dois ou mais estudos primários considerados clínicamente e metodologicamente homogêneos, ou seja, possuem o mesmo PICO e o mesmo delineamento de estudo [1]. Uma vez identificado estudos primários homogêneos entre si, para cada desfecho avaliado por eles, teremos uma diferente metanálise. 

METANÁLISE VERSUS REVISÃO SISTEMÁTICA 

O uso do termo metanálise como sinônimo de revisão sistemática por ‘desavisados’ não é infrequente. Como colocado, metanálise corresponde a uma síntese quantitativa de dados apresentados por estudos suficientemente homogêneos.  

Revisão sistemática é um desenho de estudo secundário que, por meio de métodos transparentes e sistematizados, identifica estudos primários que respondam uma questão de interesse em comum, avalia criticamente estes estudos, sintetiza (de modo narrativo e/ou quantitativo) seus resultados e avalia a certeza no conjunto final das evidências para, assim, apoiar a tomada de decisão e direcionar estudos futuros [2].  

Ressalta-se, ainda, que metanálise não é um desenho de estudo à parte. É possível encontrar revisões sistemáticas sem metanálise (é o caso de revisões de estudos primários muito heterogêneos entre si, por exemplo).  

ETAPAS DE UMA METANÁLISE SOBRE INTERVENÇÕES EM SAÚDE 

  1. Resumir as características de cada estudo em uma tabela de “Características dos estudos incluídos” para discriminar seu conteúdo. 
  1. Determinar quais estudos são suficientemente similares entre si, ou seja, compartilham o mesmo PICO e o mesmo delineamento de estudo. 
  1. Determinar quais resultados (medidas de tamanho de efeito, medidas de dispersão, tamanho da amostra) estão disponíveis (ou podem ser obtidas, a partir de outros dados) para síntese quantitativa. 
  1. Com base nos dados à disposição, determinar se é necessário modificar ou adicionar novas análises, observando quaisquer desvios dos planos do protocolo. 
  1. Tendo em mãos estudos primários homogêneos entre si e suas respectivas análises estatísticas, para cada desfecho avaliado, sintetizar os dados para obtenção de uma medida final, que é o resultado da metanálise. 

APRESENTAÇÃO DA METANÁLISE- FOREST PLOT 

As metanálises são apresentadas em forma de gráficos, conhecidos como gráficos de floresta (ou blobograma) ou, do inglês, forest plot, elaborados em softwares específicos (como Review Manager e Comprehensive Meta-Analysis Software) ou gerais (como STATA). 

Um forest plot é utilizado, de forma geral, para otimizar a visualização dos resultados de diversos estudos em um único gráfico, de forma a facilitar as comparações entre eles e a identificação de potenciais benefícios das intervenções propostas por estes estudos.  

FOREST PLOT- DESFECHOS DICOTÔMICOS 

Figura 1: Exemplo de forest plot para um desfecho dicotômico (adaptado de: Martimbianco et al, 2025 [3]) 

Geralmente, um forest plot traz as seguintes informações [1,4]: 

  • 1ª coluna (identificação): identifica o estudo primário, com sua autoria e ano de publicação.  
  • 2ª coluna (grupo intervenção “n/N” ou “eventos/total”): dados referentes ao grupo intervenção de cada estudo analisado. O “n” indica quantidade de participantes que obtiveram o desfecho de interesse (evento), enquanto o “N” ilustra a quantidade total de participantes no braço intervenção. 
  • 3ª coluna (grupo controle “n/N” ou “eventos/total”): dados sobre grupo controle. O “n” refere-se ao número de participantes com o desfecho observado (evento), ao passo que “N” é o número total de participantes do braço comparador. 
  • 4ª coluna (peso do estudo): é representado em porcentagem e indica a influência do estudo para o resultado agrupado, por meio de uma média ponderada – estudos com mais eventos, contribuem mais com a estimativa agrupada dos estudos.  
  • 5ª coluna (coluna da medida de efeito, 95% IC):  representa o forest plot em si, mas de maneira numérica. Ela informa a medida de efeito estudada (risco, odds, hazard, média etc), acompanhada de sua respectiva estimativa de imprecisão (intervalo de confiança 95%). Quando analisamos os intervalos de confiança e observamos que o IC 95% não engloba o número que corresponderia à linha de nulidade no forest plot (esse número é o número 1, se estivermos avaliando um desfecho dicotômico, tendo como medida de efeito “risco”, “hazard” ou “odds”. Se estivermos avaliando um desfecho contínuo, teremos como medida de efeito “média” e, nesse caso, a linha de nulidade vai cruzar o número 0), podemos afirmar que há significância estatística, ou seja, que há diferença entre os dois grupos para o desfecho analisado.  
  • 6ª coluna (gráfico forest plot): Esta coluna é responsável pela maior parte do estranhamento para interpretação de um forest plot. Ela é a demonstração gráfica dos resultados dos estudos quando agrupados.  

Nesse gráfico, para cada estudo, é possível observar que há uma linha horizontal que cruza um quadrado ou caixa. O quadrado/caixa representa o efeito estimado de cada estudo, enquanto seu tamanho reflete o número de participantes do estudo (quanto maior o número de participantes, maior o tamanho do quadrado, menor o intervalo de confiança e maior o peso do estudo na análise).  

Nota-se, ainda, que há um losango ou um diamante situado na parte inferior ao gráfico. Esse diamante representa o resultado agrupado dos estudos. A largura do diamante varia de acordo com o intervalo de confiança dos estudos, representando sua confiabilidade (quanto mais largo o diamante, menos preciso é o resultado final). 

As linhas horizontais representam a magnitude dos intervalos de confiança 95% de cada estudo. Quanto mais longa a linha, maior é o seu intervalo de confiança, tornando o estudo menos preciso. Um pequeno intervalo de confiança (linhas pequenas) indica um estudo de maior acurácia. 

O eixo Y do gráfico (linha vertical) corresponde à linha de efeito nulo ou linha de nulidade (como já mencionado acima, se a medida de efeito for “risco”, “hazard” ou “odds”, a linha de nulidade representa o número 1; se a medida de efeito for média, ela representa o valor zero).  

FOREST PLOT– DESFECHOS CONTÍNUOS 

 Figura 2- Exemplo de forest plot para um desfecho contínuo (adaptado de: SA KMM et al (2023) [5])  

Para desfechos contínuos, a medida resumo frequentemente utilizada para sumarizar o tamanho de efeito é a diferença de médias (a diferença entre o valor médio observado no grupo intervenção e o valor médio observado no grupo comparador) ou a diferença de médias padronizada (quando diferentes ferramentas são utilizadas pelos estudos). 

  • Linha vertical de efeito nulo: no forest plot para desfechos contínuos a linha de nulidade representa o valor zero. 
  • 2ª.  coluna: valor médio encontrado em cada estudo, seu respectivo desvio padrão (representado por “SD”, do inglês, standard deviation) e o número total de indivíduos avaliados no grupo intervenção. 
  • 3ª. coluna: valor médio encontrado em cada estudo, seu respectivo desvio padrão e o número total de indivíduos avaliados no grupo controle. 

CONCLUSÕES 

Metanálises são ferramentas de revisões sistemáticas para sintetizar resultados quantitativos de dois ou mais estudos. Metanálises que não são precedidas de revisões sistemáticas não apresentam valor como sínteses confiáveis.   

Enquanto a metanálise sintetiza, por meio de uma única estimativa de tamanho de efeito, os resultados de dois ou mais estudos primários homogêneos, o forest plot é a sua representação gráfica.  

NOTA DE ESCLARECIMENTO:  

Anteriormente, o blog EME apresentava dois posts separados  “Como interpretar um forest plot?” e “Metanálise”. Para fins didáticos, as informações dos dois posts foram agregadas no presente texto “Metanálise e forest plot”.   

AUTORES 

Versão 1- texto “Metanálise”- 13/07/2022 

João Vitor Chau Bernardino, Leonardo Yoshida Botari de Araújo, Letícia Torres de Oliveira, Marlous Vinicius Gomes Lana. Alunos de graduação da Escola Paulista de Medicina (EPM), Universidade Federal de São Paulo (Unifesp).   

Rachel Riera, MD, MSc, PhD. Professora associada, Escola Paulista de Medicina (EPM), Universidade Federal de São Paulo (Unifesp). 

Versão 1- texto “Como interpretar um forest plot?”- 05/11/2021 

Clara Nogueira. Aluna de graduação da Faculdade de Medicina de Petrópolis. 

Luís Eduardo Fontes, professor titular da Disciplina de Urgência e Emergência da Faculdade de Medicina de Petrópolis. Rachel Riera. Professora adjunta, Disciplina de Medicina Baseada em Evidências, Escola Paulista de Medicina (EPM), Universidade Federal de São Paulo (Unifesp).   

Versão 1- texto “Metanálise e Forest Plot”- 27/02/2026 

Daniele Ho, farmacêutica, Disciplina de Medicina Baseada em Evidências, Escola Paulista de Medicina (EPM), Universidade Federal de São Paulo (Unifesp). 

Rachel Riera, MD, MSc, PhD. Professora associada, Escola Paulista de Medicina (EPM), Universidade Federal de São Paulo (Unifesp). 

CITAR COMO: Bernardino JVC, Araújo LYB, Oliveira LT, Lan MVG, Nogueira C, Fontes LE, Ho D, Riera R. Metanálise e forest plot. Estudantes para Melhores Evidências. Disponível em: [adicionar link da página da web]. Postado em 27/02/2026.  Acessado em [adicionar dia, mês e ano de acesso]. 

REFERÊNCIAS 

  1. Higgins JPT, Thomas J, Chandler J, Cumpston M, Li T, Page MJ, et al, editor(s). Cochrane Handbook for Systematic Reviews of Interventions version 6.5 (updated August 2024). Cochrane, 2024. Disponível em: www.cochrane.org/handbook. Acessado em 27 de fevereiro de 2026. 
  1. Chandler J, Cumpston M, Thomas J, Higgins JPT, Deeks JJ, Clarke MJ. Chapter I: Introduction. In: Higgins JPT, Thomas J, Chandler J, Cumpston M, Li T, Page MJ, Welch VA (editors). Cochrane Handbook for Systematic Reviews of Interventions version 6.3 (updated February 2022). Cochrane, 2022. Disponível em: www.training.cochrane.org/handbook. Acessado em 9 de fevereiro de 2026. 
  1. Martimbianco ALC, Silva RB, Latorraca COC, Toledo IP, Pacheco RL, Colpani V, Riera R. Cannabis derivatives and their synthetic analogs for treatment-resistant epilepsy: A systematic review and meta-analysis. Epilepsy Research. 2025. Disponível em: https://doi.org/10.1016/j.eplepsyres.2025.107559. Acessado em 27 de fevereiro de 2026. 
  1. Akobeng AK. Understanding systematic reviews and meta-analysis. Arch Dis Child. 2005 Aug;90(8):845–848. doi: 10.1136/adc.2004.058230 
  1. Sa KMM, Silva GR, Martins UK, Colovati MES, Crizol GR, Riera R, Pacheco RL, Martimbianco ALC. Resistance training for postmenopausal women: systematic review and meta-analysis. Menopause. 2023 Jan 1;30(1):108-116. doi: 10.1097/GME.0000000000002079. Epub 2022 Oct 25. Disponível em: https://journals.lww.com/menopausejournal/fulltext/2023/01000/resistance_training_for_postmenopausal_women_.15.aspx. Acessado em 27 de fevereiro de 2026.