一个月学会网状Meta分析！零基础小白也能看懂的网状Meta分析全流程！

网状Meta分析建立在传统Meta分析基础上，核心逻辑是利用间接比较技术推断缺乏直接头对头研究的干预措施间疗效差异。当干预措施A与B缺乏直接比较时，可以通过共同对照C构建连接，估算A与B的相对效应。

逻辑模型示意图

逻辑成立的前提严格依赖于以下三大核心假设：

1. 同质性

针对成对比较内部：要求针对同一对比（如A vs B）的所有纳入研究，在PICO要素（人群、干预、对照、结局）及方法学特征上保持高度一致，以控制临床异质性并确保合并结果的有效性。

2. 相似性与传递性

针对网络结构之间： 

相似性是临床前提，要求网络中不同对比（如A vs C与B vs C）的研究在效应修饰因子（如患者平均年龄、基线风险、给药途径）上分布均衡；

传递性是统计学推论，只有满足临床相似性，才能假设A vs C相对效应可以通过C传递给B，从而推算出A vs B间接效应，不可直接统计验证。

3. 一致性

针对统计证据： 

要求闭环结构中，直接比较得出的效应量与间接比较得出的效应量在统计学上无显著差异。

4. 工具选择

netmeta包：基于频率学派，采用图论与加权最小二乘回归方法，运算速度快，语法逻辑清晰，分层处理多臂研究的逻辑非常稳健。

gemtc包：基于贝叶斯学派的MCMC，快速计算排序概率及处理复杂的不对称网络，但需要通过Trace plot与Gelman-Rubin统计量诊断模型收敛性，必须依赖外部软件JAGS或OpenBUGS。

网络证据图

不仅直观展示网络几何结构，还能通过节点大小反映样本量，通过连线粗细反映直接比较的研究数量。这是评估网络连通性、识别闭环及发现潜在断链的首要步骤。

分析阶段重点在于效应量的估算与等级排序：对于二分类变量（如死亡率或有效率），通常计算比值比（OR）或风险比（RR）。

模型运行的主要产出包括：

1. 联赛表

展示所有干预措施两两比较相对效应值及置信区间的矩阵。

联赛表

通常呈下三角或上三角形式，需要通过对角线分隔阅读，判断任意两组干预措施间差异是否有统计学意义。

2. 累积排名概率图及SUCRA值

SUCRA即累积排名曲线下面积，数值范围为0至1：值越接近1，表明该干预措施成为最佳治疗方案的概率越高。是临床决策的重要量化依据。

SUCRA排序图表

3. 森林图

常设定某一共同对照（如安慰剂或标准治疗）为参照，展示其余所有干预措施相对于该参照的相对效应。

森林图

分析结果的可靠性取决于严格的质量控制与规范化报告。

1. 不一致性检验

通常采用节点拆分法对网络进行局部不一致性检验，通过比较直接证据与间接证据的P值判断模型稳健性。

若存在显著差异，需要回溯文献排查临床异质性或方法学质量。

2. 偏倚风险评估

采用Cochrane推荐的ROB 2工具对纳入的随机对照试验进行逐项评价，涵盖随机序列产生、分配隐藏及盲法等领域。

3. 发表偏倚检测

使用比较校正漏斗图，需要重点观察散点相对于零线的对称性，以识别小样本效应或潜在的发表偏倚。

比较校正漏斗图

逐条核对包括检索策略、纳入排除标准、几何结构描述、一致性假设检验及局限性讨论在内的各项内容，确保研究透明度与可重复性。