Integração de bibliotecas do software R em ambiente de Metanálise para agricultura Jackson Genilson Sinhori 1, Suelyn Fernanda da Silva 1, Alaine Guimarães 1, Marcelo Giovanetti Canteri 2 1 Departamento de Informática, Universidade Estadual de Ponta Grossa, Ponta Grossa, Paraná, Brasil, jackson.genilson@live.com, suelynfernanda@gmail.com, guimaraesalaine@gmail.com 2 Departamento de Agronomia, Universidade Estadual de Londrina, Londrina, Paraná, Brasil, canteri@uel.br RESUMO A metanálise é um método estatístico que reúne os resultados de estudos distintos sobre o mesmo assunto de interesse em uma síntese elaborada. Pela complexidade dos cálculos estatísticos, um software é necessário no auxílio do processo. Entretanto, na maioria dos casos, as ferramentas encontradas no mercado são de difícil manuseio e pouco práticas, como por exemplo, o software R, que possui uma vasta aplicabilidade, porém, a ausência de uma interface amigável torna complicado o manuseio. Objetivou-se avaliar neste trabalho ferramentas metanalíticas, realizando a metanálise em uma base de dados de estudos sobre validação de escalas diagramáticas e propor uma nova ferramenta para o auxilio dessa tarefa. Testando e comparando as opções encontradas no mercado com o modelo proposto, evidencia-se que o novo software teve superioridade nos quesitos apontados e facilitou o processo de realização da metanálise. PALAVRAS-CHAVE: Escalas Diagramáticas, Análise Sistemática, WMA. INTRODUÇÃO A metanálise é uma analise sistemática para reunir os resultados de vários estudos distintos sobre o mesmo assunto de interesse. Seu objetivo é a realização de inferência em um verdadeiro efeito, com base em resumo de informações obtidas a partir de diversos estudos (GUOLO, VARIN, 2012). Para a realização da metanálise, inicialmente deve-se definir o objeto de estudo, ou o problema a ser resolvido, definindo assim o seu tema. Em seguida, é definido o Teste de Relevância, questionário constituído por perguntas que geram uma resposta afirmativa ou negativa, no qual são definidos os critérios de inclusão (tipo de estudo, apresentação de resultados originais, exposição ou intervenção, entre outros) e exclusão (ambiguidade dos resultados, apresentação insuficiente de resultados, dentre outros), utilizados para seleção dos estudos primários a serem usados na metanálise (ATALLAH, CASTRO, 1997; MUÑOZ, 2002). Cada estudo primário tem um resultado, o qual é chamado de tamanho ou medida de efeito (do inglês: Effect Size), este conjunto de estudos primários é
sumarizado em uma medida de efeito global (BORENSTEIN, HEDGES, ROTHSTEIN 2009). O psicólogo Gene Glass foi o primeiro a utilizar o termo metanálise, em 1976, com a definição de que metanálise seria uma análise estatística de uma grande coleção de resultados de estudos individuais com a finalidade de integrar as descobertas. Atualmente, na medicina, a metanálise é usada para determinar a aprovação ao uso de novos medicamentos (BORENSTEIN, HEDGES, ROTHSTEIN 2009). Já na agricultura, a metanálise foi utilizada inicialmente por Fisher antes da segunda Guerra Mundial, quando abordou de forma sistemática a análise conjunta de experimentos conduzidos de formas independentes aplicados a problemas agrícolas (LUIZ, 2002). Em 1938, Yates e Cochran consideraram a combinação de estimativas a partir de diferentes experimentos agrícolas. Raij (1998) realizou um trabalho que visava estabelecer, através da metanálise, qual seria o melhor método de análise de nutrientes do solo do ponto de vista da produção agrícola e, de acordo com Doré et al. (2011), a metanálise deve ser mais utilizada na área agronômica. Para o auxílio na realização da metanálise é necessário um software, devido à complexidade dos cálculos estatísticos, porém atualmente existem poucos desses que realizem essa função de uma forma prática. Os softwares de metanálise disponíveis atualmente são, na maioria, pagos e os gratuitos são de difícil uso, trazendo várias complicações ao usuário. Um exemplo de software gratuito é o R (R CORE TEAM, 2014), que possui uma vasta aplicação devido a sua versatilidade e grande biblioteca de pacotes com métodos estatísticos. Entretanto, uma desvantagem do R, é a curva de aprendizagem em função desse software ser executado em linha de comando, pois a programação é um impedimento para usuários não técnicos, que normalmente preferem interfaces gráficas (WALLACE et al., 2012). A metanálise pode ser usada na agricultura para avaliação de escalas diagramáticas. Escalas diagramáticas são representações ilustradas de plantas, ou partes de plantas, mostrando áreas infectadas ou cobertas por sinais de uma doença, em diferentes níveis de severidade. Essas escalas constituem-se a principal ferramenta de avaliação da severidade para muitas doenças e sua utilização serve como guia para o avaliador, que vai determinar a severidade de uma doença. A severidade é definida como a porcentagem da área ou do volume de tecido coberto por sintomas, ou seja, corresponde a área doente da folha dividida pela área total da folha, multiplicada por 100 (NUTTER, ESKER, NETTO.2006; AMORIM, 1995). Objetivou-se avaliar neste trabalho ferramentas metanalíticas, realizando a metanálise em uma base de dados de estudos sobre validação de escalas diagramáticas e propor uma nova ferramenta para o auxílio dessa tarefa. MATERIAL E MÉTODOS Foi feito um levantamento de ferramentas que realizassem metanálise e, dentre as encontradas, foram selecionadas três para realizar os testes, sendo elas: R, CMA e Metawin. Os critérios de avaliação dos softwares foram definidos com base na Norma ISO 9241, que levam em consideração a intuição da interface, ajuda geral, apresentação do software, entre outros. O conjunto de características avaliadas encontra-se no Quadro 1 apresentado na seção Resultados e Discussão. Esses testes foram conduzidos realizando a metanálise, com o
método de correlação, em uma base de dados contendo 64 estudos sobre escalas diagramáticas. Com base nas dificuldades encontradas para a realização da metanálise nos softwares estudados, foi modelada e realizada a conexão entre uma interface gráfica e o software estatístico R juntamente com um sistema de ajuda, dando origem ao WMA (Wizard metanálise). O software assistente WMA foi produzido em linguagem de programação JAVA interligando uma interface gráfica de fácil manuseio ao software R, tornando-o transparente ao usuário, como mostra a Figura 1. Também foi feita a avaliação do software WMA usando os mesmos critérios adotados para os outros softwares. Figura 1 Fluxograma. Fonte: (O Autor) RESULTADOS E DISCUSSÃO Os resultados obtidos com os diferentes softwares na metanálise e em relação à escala diagramática, foram semelhantes. Os softwares metanalíticos foram testados e comparados de acordo com os critérios descritos no Quadro 1, o qual apresenta a diferença encontrada no uso dos mesmos. Quadro1- Características dos softwares analisados. Característica WMA Metawin CMA R Apresentação do Software Sim Não Sim Não Início do programa Sim Não Não Não Importação dos dados / leitura Sim Não Sim Não Preparação de dados para análise Sim Não Sim Não Velocidade de criação de dados Sim Não Não Não Preparação de dados para análise Sim Sim Sim Sim Ajuda geral Sim Não Sim Não Intuição de interface Sim Não Não Não Facilidade de criação de saída numérica Sim Sim Sim Sim Facilidade de criação de saída gráfica Sim Não Sim Sim Adaptabilidade dos gráficos Não Não Não Não Facilidade de mudanças de análise Sim Não Não Não Fonte: (O Autor) CONCLUSÕES Em vista da discussão já estabelecida percebe-se que os softwares encontrados no mercado não são de uso simples, e trazem várias complicações de manuseio ao usuário. Também se verificou que o acoplamento da interface gráfica ao software R juntamente com o sistema de ajuda, facilitou a tarefa de metanálise tornando-a mais prática e viável.
AGRADECIMENTOS À Fundação Araucária pelo apoio financeiro. À Profa. Dra. Alaine Guimarães que orientou toda a pesquisa e aos colegas que também participaram do desenvolvimento do projeto voltado ao WMA. REFERÊNCIAS GUOLO, A.; VARIN, C. The R Package metalik for Likelihood Inference in Meta-Analysis. Journal of Statistical Software, v50(i-7), 2012. ATALLAH, N.A.; CASTRO A.A. Revisões sistemáticas da literatura e metanálise: a melhor forma de evidência para tomada de decisão em saúde e a maneira mais rápida de atualização terapêutica. Diagnóstico & Tratamento. v.2, n.2, p.12-15, 1997. MUÑOZ, S.I.S. Systematic literature review and meta-analysis: basic notions about its design, interpretation and application in health research. In: Brazilian Nursing Communication Symposium, 8, São Paulo, 2002. BORENSTEIN, M.; HEDGES L.; ROTHSTEIN H. Introduction to Meta-Analysis. Chichester, West Sussex, U.K: ohn Wiley & Sons, 2009. GLASS, G.V. Primary, secondary, and meta-analysis of research.educational Researcher. v. 5, n. 10, p. 3-8, 1976 LUIZ, A.J.B. Meta-Análise: Definição, Aplicações E Sinergia Com Dados Espaciais. Cadernos de Ciência & Tecnologia, Brasília, v.19, n. 3, p.407-428, set./dez, 2002. YATES, F.; COCHRAN W. G. The analysis of groups of experiments. The Journal of Agricultural Science. 28(4):556-80, 1938. RAIJ, B. V. Bioavailable tests: alternatives to standard soil extractions. Communications in Soil Science and Plant Analysis, New York, v. 29, n. 11-14, p.1553-1570, 1998. DORÉ, T. ET AL. Facing up to paradigm of ecological intensification in agronomy: revisiting methods, concepts and knowledge. European Journal of Agronomy 34:197-210, 2011. R CORE TEAM. R: A language and environment for statistical computing. R Foundation for Statistical Computing, Vienna, Áustria. URL http://www.r-project.org/. 2014 WALLACE, B. C. ET AL. Closing the Gap between Methodologists and End-Users: R as a Computational Back-End. Journal of Statistical Software, 49(i-5), 2012 NASCIMENTO, A. R. P.; MICHEREFF, S.J.; MARIANO, R. DE L. R.; GOMES, A. M. A. Elaboração e validação de escala diagramática para cancro bacterianoda videira. Summa Phytopathologica, v.31, p.59-64, 2005. NUTTER, F. W.; ESKER, P. D.; NETTO, R. A. C. Disease assessment concepts and the advancements made in improving the accuracy and precision of plant disease data. Plant
disease epidemiology: facing challenges of the 21st Century. Dordrecht: Springer Netherlands, p. 95 103, 2006. AMORIM, L. (1995). Avaliação de doenças. In: MANUAL de fitopatologia: princípios e conceitos. 3. ed. São Paulo: Ceres, v. 1, p. 647 671, 1995. CMA. Comprehensive Meta-Analysis. Disponivel em: http://www.metaanalysis.com/index.php. Data de acesso: 17/06/2015. META WIN. Disponivel em: http://www.metawinsoft.com. Data de acesso: 17/06/2015.