Dica do autor: Na metanálise, o objetivo é sintetizar evidências combinando estimativas de efeito de estudos individuais para obter uma medida-sumário mais precisa. O pulo do gato é que nem todo estudo contribui igualmente: estudos com estimativas mais precisas (i.e., menor variância, intervalos de confiança mais estreitos) devem ter maior influência no resultado combinado. A técnica mais usada é a ponderação por inverso da variância — cada estudo recebe um peso proporcional a 1/variância da sua estimativa. Em modelos de efeito fixo isso é direto; em modelos de efeito aleatório, acrescenta-se a variância entre estudos (tau²) à variância dentro dos estudos, o que reduz os pesos dos estudos muito grandes e aumenta a influência relativa dos estudos menores. Existem métodos alternativos (Mantel–Haenszel, Peto) para situações específicas, como eventos raros, mas o princípio permanece: pesos refletem a precisão, não o tamanho bruto do efeito. Fique ligado também para heterogeneidade: quando alta, a interpretação da medida-sumário exige cautela e pode ser preferível apresentar intervalos de confiança mais amplos, analisar subgrupos ou relatar os estudos individualmente.

Alternativa A: INCORRETA. Dar maior peso aos estudos com maior variância significa privilegiar estudos menos precisos — exatamente o oposto do que se busca. Estudos com alta variabilidade trazem estimativas instáveis e devem, na prática, contribuir menos para a medida-sumário. Portanto, essa alternativa contradiz o princípio da ponderação por precisão.

Alternativa B: CORRETA. A prática padrão em metanálises é ponderar pelos estudos considerando que os com menor variância (mais precisos) têm maior peso. Na prática estatística isso aparece como ponderação pelo inverso da variância; nos modelos aleatórios a variância entre estudos (tau²) também entra na conta, mas a lógica é a mesma: maior precisão → maior contribuição para a medida-sumário.

Alternativa C: INCORRETA. A média aritmética simples não é usada porque ignora a precisão dos estudos. Além disso, dizer que estudos com maior risco relativo ou razão de chances são "mais importantes" confunde magnitude do efeito com precisão: um estudo pode mostrar grande RR mas com grande imprecisão (IC amplo) e, portanto, deveria receber pouco peso.

Alternativa D: INCORRETA. Novamente, a média aritmética simples é inadequada; e não faz sentido dar maior peso a estudos com menor risco relativo ou razão de chances sem considerar sua precisão. O que importa para o peso é a variância da estimativa, não o valor numérico do efeito.

Alternativa E: INCORRETA. Estudos com maior intervalo de confiança são os menos precisos (maior variância) e, por isso, devem receber menor peso, não maior. A alternativa inverte a lógica da precisão e, consequentemente, da ponderação correta.

Resposta: Alternativa B