学习Meta分析，顺序一定要搞对！Meta分析全流程就看这篇！

在打开软件操作之前，必须先建立严谨的科研思维。

1. 首先要理解核心概念，弄清楚系统评价与Meta分析的关系

选题是Meta分析能否成功的关键：我们需要利用PICOS原则来构建一个具体的临床问题。

P代表Patient，即研究对象，要明确疾病类型及人群特征；

I代表Intervention，即干预措施，通常指某种药物、手术方式或诊断方法；

C代表Comparison，即对照措施，如安慰剂、传统疗法或另一种药物；

O代表Outcome，即结局指标，这是评价干预效果的具体参数，如死亡率、治愈率或某项生化指标的变化值；

S代表Study Design，即研究设计类型，Meta分析通常纳入随机对照试验RCT或高质量的队列研究。

2. 此外，需要熟悉两个关键的指导性文件

最新版的Cochrane Handbook是进行Meta分析的核心方法学指南，遇到具体的方法学问题时可以查阅。

PRISMA声明是Meta分析报告的标准撰写规范，最终完成的研究必须严格涵盖PRISMA清单中的各项要素，并绘制标准的流程图。

PRISMA 2020 流程图

布尔逻辑图

完成检索后，用EndNote或Zotero等文献管理软件对文献进行去重处理。

随后依据预先制定的纳入标准与排除标准，通过阅读标题、摘要及全文，严格筛选出符合PICOS要求的原始研究。这个过程必须客观严谨，建议由两名研究者独立进行并交叉核对。

这是Meta分析技术的核心！

1. 需要理解几个关键统计指标

对于二分类变量，通常看相对危险度RR或比值比OR；
对于连续性变量，看均数差MD或标准化均数差SMD。

2. 异质性检验是选择统计模型的重要参考

通常用I²统计量量化异质性，其经验性解释为：25%可能表示低异质性，50%为中等，75%为高异质性。当存在不可忽略的异质性（如I² > 50%）时，通常首选随机效应模型，该模型考虑了研究间的变异。

但模型选择不应仅依赖于I²的单一阈值，而应结合研究的临床同质性和方法学质量进行综合判断。

3. 此外，还要了解如何通过漏斗图及Egger’s检验评估发表偏倚

需要注意的是，Egger‘s检验在纳入研究数量较少（通常少于10项）时效能不足，解释结果需谨慎。

漏斗图

4. 在软件选择上，初学者建议优先使用RevMan

这是Cochrane协作网官方提供的软件，采用菜单式操作，无需编写代码，界面直观且生成的图表符合国际标准。

掌握基本原理后，如果需要进行更复杂的分析，如回归分析或网络Meta分析，可以进阶学习Stata或R语言中的Meta包。

数据提取是将文献信息转化为可分析数据的过程，需要设计标准化的数据提取表，从每篇纳入的研究中提取第一作者、发表年份、样本量、干预细节以及具体的结局指标数据，包括均数、标准差及事件数。

1. 必须对纳入的原始研究进行方法学质量评价

对于随机对照试验RCT，应使用Cochrane风险偏倚评估工具即ROB工具。

目前高质量期刊倾向于要求使用更新版的ROB 2.0，它从随机过程、偏离既定干预、缺失数据、结局测量和结果报告五个方面进行评价；

风险偏倚评价图

2. 在这一阶段，学会解读森林图

森林图直观展示了每个研究的效应量及其置信区间，以及合并后的总效应量。通过观察代表总效应量的菱形是否与无效线相交，可以判断干预措施是否具有统计学意义。

森林图

掌握上述理论与技能后，通过复现已发表的高质量文章，来巩固所学是非常有效的实战方式。

选取一篇近三年发表的，中等以上影响因子期刊的Meta分析文章，下载纳入的所有原始文献，根据描述的方法重新进行数据提取、质量评价等步骤。

得出的森林图与原文比对，如果结果一致，说明基本掌握了Meta分析的标准流程。