Curso Introdutório de Revisão Sistemática e Metanálise – Estudos Observacionais

Compreenda, analise e sintetize evidências do mundo real com segurança metodológica.

Os estudos observacionais são fundamentais para compreender o comportamento das tecnologias em saúde fora do ambiente controlado dos ensaios clínicos. Este curso introdutório da HT Educacional oferece uma formação sólida em revisão sistemática e metanálise de estudos observacionais, preparando o participante para aplicar os métodos corretos de busca, extração, análise e avaliação crítica dessas evidências complexas.

Com aulas teóricas e demonstrações práticas em softwares como Rayyan, RevMan, Zotero e R, o curso capacita o aluno a realizar análises robustas e interpretar resultados com rigor técnico, aplicando-os em pesquisa, ATS e decisões em saúde baseadas em valor.

📚 Conteúdo Programático

🔹 Módulo 1 | Fundamentos e Estratégia de Busca

• Conceitos fundamentais em revisões sistemáticas e metanálises

• Peculiaridades das revisões sistemáticas de estudos observacionais

• Demonstração prática: estratégias de busca e seleção de bases

🔹 Módulo 2 | Seleção, Extração e Bases de Dados

• Tipos de evidência em estudos observacionais

• Seleção e extração de dados: prática com Rayyan, EndNote e Zotero

• Diferença entre dados brutos e ajustados

• Execução de metanálise no RevMan

🔹 Módulo 3 | Avaliação da Qualidade Metodológica

• Ferramentas para estudos observacionais: Newcastle–Ottawa Scale (NOS) e JBI Checklist

• Avaliação de risco de viés com ROBINS-I

• Demonstrações práticas de aplicação das ferramentas

🔹 Módulo 4 | Metanálise no R

• Introdução à metanálise no R

• Metanálise de dados comparados e não comparados

• Interpretação de resultados e gráficos de floresta

🔹 Módulo 5 | Tópicos Avançados em Metanálise de Estudos Observacionais

• Avaliação de viés de publicação e impacto de dados ajustados

• Análises de subgrupos, hazard ratios e abordagens para heterogeneidade

🔹 Módulo 6 | Revisão e Aplicações de Inteligência Artificial

• Introdução à aplicação de IA em revisões sistemáticas

• Ferramentas e fluxos de trabalho automatizados para triagem e extração de dados

• Limitações, validação e integração com métodos tradicionais

• Demonstração prática de uso de IA em revisão e síntese de evidências