伞状Meta还是网状Meta？一篇文章读懂循证医学两大高阶玩法，少走太多弯路！

在临床循证医学研究的路径规划中，选择进行伞状Meta还是网状Meta分析，是个极为严谨的决策。这不仅关系到整个课题能否顺利推进，更决定了最终研究成果在临床指南中扮演什么层次的角色。
我们在开展Meta分析的研究时，需要从两者的核心机制、方法学差异、适用条件以及统计学要求进行具体的拆解。

纳入研究的方法学质量评价汇总图

在评估整体证据确信度时，研究者主要参考或适配GRADE框架，对每个重要结局的证据质量进行“高、中、低、极低”的分级。

1.伞状Meta的统计学要求

高质量的伞状Meta不仅总结现有Meta分析的结论，还会对关键结论进行稳健性检验。这包括：
异质性评估：关注所纳入Meta分析间的异质性，比如I²统计量。
偏倚检验：常用Egger’s test或Begg’s test等方法检测小样本效应或发表偏倚。统计显著性通常以P<0.10为阈值，但需结合漏斗图等进行综合判断。
证据强度分析：计算95%预测区间，评估效应量在未来研究的可能范围。评估过度显著性偏倚，检查阳性结果数量是否多于预期。
证据分级：基于上述检验结果，用GRADE等框架对证据强度进行降级或升级判断。

网状Meta的统计模型更为复杂，核心在于验证假设并输出比较与排序结果：
传递性假设检验：是NMA成立的逻辑基础，需要论证网络中所有比较的研究，在重要的临床和方法学特征上是可比的。
一致性检验：评估直接比较证据与间接比较证据之间是否存在统计学差异，常用方法包括节点拆分法和整体一致性模型。
疗效排序：通过计算SUCRA值或P-score，为所有干预措施提供一个0-100%的量化排序概率。
结果呈现：网状关系图、联赛表、排序概率图等。

1.伞状Meta

撰写时重点参考PRISMA 2020指南，并结合伞状Meta的专属特征，例如证据分级过程、各种统计学偏倚的验证结果，进行全面、透明的方法学汇报；

2.网状Meta

对照PRISMA-NMA扩展声明进行报告，确保每一个统计学假设和网状关系图都得到清晰的文字展示。

为了决定最终的研究方向，最好基于具体的科研目的和当前的文献发表基线进行双向评估。