Meta分析入门思路全解｜照着做，小白也能产出高质量Meta！

所有Meta分析都开始于一个具体的临床问题，为了让这个问题变得能操作、能计算，需要利用PICO原则来构建题目。

【P（Population）】：代表人群，指代关注的特定患者人群或疾病类型。

【I（Intervention）】：代表干预，指代想要研究的干预措施或暴露因素。

【C（Comparison）】：代表对照，指代用于对比的对照措施。

【O（Outcome）】：代表结局，指代要观察的临床结局指标。

【S（Study Design）】：代表研究类型，纳入RCT，还是也纳入队列研究。

这五个要素组合起来就是一个严谨的科学问题，比如某种药物对比安慰剂治疗某疾病的有效性与安全性研究。把PICOS定清楚是后面所有步骤的基础，直接决定了纳入标准和排除标准怎么写。

正式开展研究之前，建议去PROSPERO等平台进行注册。能预先公开研究计划，避免重复工作，并提升研究的透明度。

需要在平台上详细填写研究背景、PICO要素、准备用的检索策略以及统计分析计划。这不仅仅是个填表的过程，更是对自己研究思路的一次预演。完成注册后拿到的注册号，以后发文章时用得上。

方向定好后，就去各大数据库找证据：一般会选PubMed、Embase、Cochrane Library以及Web of Science作为主要检索源；中文研究知网、万方、维普必不可少；另外加上护理类等专科数据库，确保检索的全面性。

检索策略用MeSH主题词配合自由词，中间用逻辑运算符AND和OR连接。

这一步的目标是构建一个高灵敏度（查全率） 的检索策略，力求不漏掉相关研究，通常需要结合主题词与自由词，并利用数据库的检索语法。

文献拿到手后，依据PRISMA 2020流程图的标准筛选。（双人独立进行）

先看题目和摘要，把明显不相关的文章、综述、个案报道和动物实验剔除掉。剩下的文献下载全文进行精细阅读。

这个时候必须严格对照PICO原则制定的纳入和排除标准。凡是不符合标准的文献都要剔除，并且记录下剔除的具体原因。最后留下来的文献就是做Meta分析的原材料。

真实文献中检索、初筛、全文筛选到最终纳入全过程的标准流程图

拿到最终纳入的文献，需要把数据提取出来。一般需要建立一个基线资料表，记录第一作者、发表年份、国家、样本量、年龄、性别比例这些信息。

同时还要建立数据提取表记录具体的结局指标数据，二分类变量提取发生事件数和总人数，连续性变量提取均数和标准差。

与此同时，必须对纳入研究的质量进行评价，也就是评估偏倚风险。

【随机对照试验】：目前标准是用Cochrane偏倚风险评估工具ROB 2.0；

【观察性研究】：常用纽卡斯尔-渥太华量表（NOS），比较容易上手；

【非随机干预研究】：推荐用ROBINS-I工具，评价维度多适合高级研究者。

质量评价的结果能展示证据靠不靠谱，后面做敏感性分析时也用得着。

偏倚风险评估图（红绿灯图）

数据提取完就进入统计分析阶段，首先通过I²等指标评估研究间的统计异质性。通常，当I² > 50%时，认为存在中度以上异质性。选择固定效应还是随机效应模型，需基于研究间是否具有足够同质性的先验判断。

若预期或发现研究间存在临床或方法学差异（或I²较高），通常建议使用随机效应模型，能更恰当地处理异质性并提供更保守的区间估计。

模型选好，软件自动计算合并后的效应量，数据最终通过森林图展示出来。

【二分类变量】：关注风险比、比值比或风险差；

【连续性变量】：关注均数差或标准化均数差。

森林图

森林图里的短横线代表单个研究的置信区间，中间的方块大小代表该研究的权重，最下面的菱形代表合并后的总效应量。

菱形和无效线相交，说明差异无统计学意义；不相交，说明干预措施有效。

为了验证结果稳不稳，需要做敏感性分析。常用方法是一个个剔除单个研究后重新合并数据，看总效应量变没变。如果结果依然稳定，说明结论立得住。此外还有改变统计模型、效应量计算方法，排除低质量研究重新合并。

此外，可通过绘制漏斗图初步评估发表偏倚。若图形大致对称，则发表偏倚的可能性较低；若明显不对称，需要确认是否是因为小样本效应、研究质量差异或异质性导致的，配合Egger's或Begg's检验的P值进行定量判定。

漏斗图

最后一步是对生成的证据进行分级：

使用GRADE系统从局限性、不一致性、间接性、不精确性和发表偏倚这五个维度对证据质量进行降级评估，最终把证据质量评定为高、中、低或极低四个等级。基于这个等级写出最终的结论，不仅要说明统计学差异，更要强调临床实际意义。

GRADE评级标准

看完这一圈下来会发现，做Meta分析其实就是按照既定的规则办事。从最初定题目到最后出结论，每一步怎么走、每张图怎么看都有明确的章法。只要按部就班地把这套逻辑走通，掌握循证医学的方法其实就在手边。