Dica do autor: Quando você olhar um forest plot e ver I2 alto (por exemplo 84%) com p do teste de heterogeneidade pequeno (p=0,01), o pulo do gato é interpretar o que cada medida representa. O I2 é a proporção da variabilidade total entre os estudos que é atribuível à heterogeneidade verdadeira (diferenças entre estudos) e não ao erro amostral. Valores de I2 costumam ser classificados de forma prática: ~25% baixo, ~50% moderado e ~75% alto; 84% indica heterogeneidade substancial. O p associado refere-se ao teste Q (ou teste de Cochran) que avalia a hipótese nula de homogeneidade entre efeitos — um p pequeno sugere rejeição dessa hipótese. Atenção: o teste Q tem pouca potência quando há poucos estudos (pode não detectar heterogeneidade) e pode ser excessivamente sensível com muitos estudos. Assim, avalie magnitude (I2), significância (p) e também gráfico (overlapping dos IC no forest plot), consistência clínica e metodológica. Na prática, heterogeneidade importante leva a investigar fontes (subgrupos, meta-regressão, sensibilidade) e, em geral, a preferência por modelos de efeitos aleatórios para obter uma estimativa mais apropriada da média dos efeitos.

Alternativa A: INCORRETA. Dizer que "a hipótese nula não deve ser considerada" é vago e exagerado. O p=0,01 indica que há evidência estatística para rejeitar a hipótese nula de homogeneidade (isto é, que todos os estudos compartilham um único efeito verdadeiro), mas isso não significa que a hipótese nula "deixe de ser considerada" em qualquer sentido prático. Deve-se interpretar conjuntamente I2, p, tamanho dos estudos e plausibilidade clínica; rejeitar a hipótese estatística é um passo, não uma ordem sem contexto.

Alternativa B: INCORRETA. A afirmação de que "com os resultados não é possível concluir sobre heterogeneidade" contraria o que os números nos dizem: I2=84% e p=0,01 apontam fortemente para heterogeneidade real entre os estudos. É verdade que nenhuma medida é perfeita e que é preciso avaliar criticamente (número de estudos, precisão dos efeitos, heterogeneidade clínica), mas, no fim das contas, esses resultados nos permitem concluir que há heterogeneidade substancial.

Alternativa C: INCORRETA. Indicar o uso de efeitos fixos quando há I2 alto e p significativo é justamente o contrário do recomendado na prática. O modelo de efeitos fixos assume um verdadeiro efeito comum entre os estudos; em presença de heterogeneidade real, esse pressuposto é violado e o modelo de efeitos aleatórios costuma ser mais adequado, pois incorpora variação entre estudos na estimativa e nas medidas de incerteza.

Alternativa D: CORRETA. "Há uma variabilidade real entre as estimativas de efeito do estudo" é a interpretação correta: I2 elevado indica que grande parte da variabilidade observada não é explicada pelo acaso, e p=0,01 reforça que a heterogeneidade é estatisticamente significativa. Isso justifica investigar causas e considerar abordagens analíticas apropriadas (efeitos aleatórios, subgrupos, meta-regressão, análise de sensibilidade).

Resposta: Alternativa D