如何写一篇网状Meta分析？小白也能看懂的网状Meta流程拆解！

决定成败的基础，核心在于构建连通证据网络，比传统Meta更难把控。

1. PICO与网络构建

需要确定研究对象、干预措施和结局，关键在于确认这些干预措施之间是否存在“共同对照”（如安慰剂或标准治疗），能否形成闭环。

2. 传递性评估

分析成立的前提，需要预判不同研究间的人群、基线特征是否足够相似，否则会被审稿人质疑网络不可靠。

3. 注册

在PROSPERO平台注册，注册号是发表的硬性要求。

网状Meta的检索策略通常非常庞大，因为需要涵盖该疾病的所有主流干预措施。

1. 检索（2周）

构建复杂的检索式，覆盖PubMed, Embase, Cochrane Library, Web of Science等主流数据库。

2. 筛选（4-6周）

纳入文献量通常在30-100篇甚至更多，新手往往在多臂试验的识别上卡壳，需要仔细阅读全文判断，这是构建网络闭环的关键。

这是最耗时且容错率最低的阶段。

1. 精细化提取

除了常规数据，必须提取详细的效应修饰因子（如平均年龄、疾病严重程度、用药剂量等），用于后期的异质性探索。

2. RoB 2.0评价

目前主流期刊倾向于使用Cochrane RoB 2.0工具。相比旧版，RoB2.0对评价者的逻辑要求极高，每一篇文献的评价都可能是一场小型考试。

3. 数据清洗

需要处理单位换算、标准误计算以及多臂试验的数据拆分。这一步建议双人双录，否则后期模型报错时，回溯错误的成本极高。

建议直接学习R语言或者Stata。

1. 网络构建与模型运行

绘制网状证据图，运行一致性模型。

网状证据图

2. 解决报错

新手最常遇到的问题是模型不收敛或网络断链，解决这些问题需要查阅大量统计学资料。

3. 一致性检验

必须通过节点分裂法等手段，检验直接比较和间接比较的结果是否一致。

4. 结果输出

生成森林图、累积排序概率图（SUCRA）以及漏斗图。

森林图

累积排序概率图

漏斗图

注意：这是很多新手容易忽略的大坑！

1. GRADE/CINeMA分级

仅仅算出排名是不够的，现在的核心期刊要求对每一个两两比较的结果进行证据质量分级。目前趋势是使用CINeMA系统，这需要你对每个比较结果的偏倚、不精确性、异质性等六大维度进行评判，工作量巨大。

2. 撰写报告

必须严格遵循PRISMA-NMA扩展版清单进行撰写，缺一不可。

3. 讨论部分

需要深入解释排名的临床意义，而不仅仅是复述数据。

网状Meta属于方法学较复杂的文章，审稿人通常包括临床和统计学专家。统计学审稿人会非常刁钻地询问你的先验分布设置（如果是贝叶斯法）、异质性处理方式以及传递性假设的合理性。

新手第一轮修回往往需要补充敏感性分析或亚组分析，这几乎等于把分析部分重做一遍。

💡 核心总结

6个月是针对全职且学习能力较强的新手的底线，1年是常态。

网状Meta分析的门槛主要在于复杂的统计学原理和繁琐的证据质量分级。如果你只是为了“水”一篇简单的文章，现在的期刊（即便是3-4分的）也越来越难接受仅仅跑个软件就出来的结果。