先看簡答
統合分析(meta-analysis)是在明確模型下,合併多項研究中足夠相容之估計值的統計方法。它可提高精確度或概括結果模式,但意義取決於問題、資料、假設及研究限制。它常是系統性文獻回顧的一部分,卻不等於搜尋、篩選或評讀的整體過程。
重點整理
計算之前,先判斷這些研究能否回答一致的問題。
一併判讀效應指標、比較方向、區間與權重。
精確或具有統計顯著性的結果,仍可能有重要偏差與適用性限制。
統合分析合併的是什麼?
各研究提供風險比、平均差或相關係數等估計及其不確定性。統合分析依指定方法合併適合的估計,不是把文中數字直接平均。較精確的研究通常權重較大,但實際權重仍由模型與方法決定。
合併值只是特定假設下對輸入證據的摘要,不保證各場域都出現相同效果。估計很精確,仍可能有偏差、適用性不足或分析單位錯誤;合併不會改善原始報告,也不會修正擷取錯誤。
與系統性文獻回顧有何不同?
回顧界定問題、搜尋、選擇、評讀並綜整證據;統合分析是可能採用的一種綜整方法。任意選研究後合併,不會讓選擇過程變得系統化;嚴謹回顧也可能判定不宜合併。
看到「20 項研究的統合分析」,仍應問研究如何找到、如何選擇、多份論文是否來自同一研究,以及哪些結果可能未公開。篇數不能證明完整。整體流程見系統性文獻回顧解說。
什麼情況下合併才有意義?
先界定問題與要估計的量。族群、介入或暴露、比較條件、結果及追蹤時間須足夠相容,讓計畫中的合併有意義。研究不必完全相同,但如何處理差異需要科學理由。
接著檢查獨立性與資料可用性。同一批參與者的多份報告、重複時間點及共用對照組,都可能產生相關估計。將它們當作獨立資料,可能讓不確定性顯得過小。只有點估計,卻沒有適當的不確定性指標或可供推導的資訊,也可能無法進行某項計算。
下表虛構情境皆圍繞預定的 12 週結果,示範是否能納入該次綜整的判斷,並非產品測試。資料缺漏或時間點不相容,可能使一個結果無法參與這次計算,但不必因此將原本符合回顧標準的整項研究排除。
| 現有材料 | 不能據此認定什麼 | 下一步決定 |
|---|---|---|
兩項獨立研究均報告 12 週估計值與標準誤 | 數值欄位齊全不代表科學上相容 | 核對族群、比較條件及結果定義,再論證是否合併 |
兩份報告描述同一批參與者在 6 週與 12 週的結果 | 兩份報告不等於兩項獨立研究 | 連結報告,依預定時間點及相依性規則處理 |
一項研究只報告點估計 | 不能為填滿欄位而編造不確定性數值 | 尋找可支持合理推導的資訊、聯繫作者,或選擇適當替代方法 |
先確認效應指標與方向
風險比比較事件機率;勝算比比較勝算,即機率除以一減機率。兩者不可直接互換,事件常見時尤其如此。平均差保留原測量單位,標準化平均差則以變異程度表達差異。詳見 Cochrane 效應指標章節(英文)。
比值指標的無差異值是 1,差值指標通常是 0。比值低於 1 不必然有利,要看事件是有利或有害、分子是哪一組,以及結果如何定義。要解釋相對效應的絕對影響,還需要適用的基準風險。
比值指標常在對數尺度分析。因為 log(1) = 0,對數估計周圍的對稱區間取指數後,在比值尺度上會呈現不對稱;這是正常現象,並非繪圖錯誤。下例用對數風險比展示計算,未指定真實事件或介入。
若需要更完整的計算與換算,可閱讀 Cohen’s d、Hedges’ g、勝算比與風險比詳解(英文)。使用這些方法時,應為每項估計保留效應指標、比較方向、單位及追蹤時間。
模擬算例:從計算到森林圖
資料完全為教學模擬。三項獨立研究的對數風險比設為 0.10、0.20、0.30,標準誤皆為 0.10;使用共同效應逆變異數法及常態近似 95% 信賴區間。相同的標準誤產生相同權重,因此本例不示範不等權重,也不是實際介入效果的證據。
各項變異數為 0.10²=0.01,權重皆為 100,總權重 300。加權平均為 (100×0.10+100×0.20+100×0.30)/300=0.20。合併標準誤 √(1/300)=0.057735;以 1.96 倍標準誤計算,對數區間約為 0.08684–0.31316。
取指數後,合併風險比 1.221,95% 信賴區間 1.091–1.368。每項占三分之一權重,百分比顯示經過捨入。未指定真實事件及對照,因此沒有獲益或傷害方向;大於 1 僅表示模擬比較的分子組事件機率較高。
森林圖的標記表示研究估計、橫線表示信賴區間,1 的垂直線代表無差異。菱形中心為 1.221、範圍 1.091–1.368。窄菱形只表示模型下的精確度,不評估偏差、缺失證據或適用性;表格提供相同的可讀數據。
模擬森林圖的構成
- 研究估計
- 95% 信賴區間
- 無差異:1
- 合併估計
| 估計 | 對數風險比 | 標準誤 | 風險比 | 95% 信賴區間 | 權重 |
|---|---|---|---|---|---|
研究 A | 0.10 | 0.10 | 1.105 | 0.908–1.344 | 33.33% |
研究 B | 0.20 | 0.10 | 1.221 | 1.004–1.486 | 33.33% |
研究 C | 0.30 | 0.10 | 1.350 | 1.110–1.642 | 33.33% |
合併 | 0.20 | 0.057735 | 1.221 | 1.091–1.368 | 100% |
固定效應、隨機效應與異質性
共同效應模型在此通常稱固定效應模型,假設各研究估計同一潛在效應。隨機效應允許潛在效應不同,並估計該分布的摘要。模型應由問題與合理差異決定,不能只看異質性檢定是否越過門檻。詳見 Cochrane 統合分析章節。
臨床與方法異質性關乎族群、場域、設計和測量;統計異質性則指超過抽樣誤差的估計差異。I² 描述相對不一致性,不是低品質研究比例,也不是效應量;研究少時估計可能不穩。研究間變異數 τ² 回答不同問題。
隨機效應不會修復不適當的合併或移除偏差,變異數估計法與區間方法也會影響結果。預測區間在額外假設下描述可比場域潛在效應的分布,不等於合併平均值的信賴區間,也不能保證某項新研究會得到特定結果。
有科學依據時,可透過預定的亞組或敏感度分析檢查重要差異,並標示探索性變更。若下一步要確認軟體是否正確實作這些選擇,可參考統合分析工具指南,檢查可重現分析所需的輸入、程式碼與紀錄。
為何好看的結果仍可能錯誤?
原始研究的缺失結果、選擇性報告和設計缺陷可能傳入合併值,不會被權重修正。使用適合設計的評讀工具,說明對特定結果的影響;參見 Cochrane 偏差指引。
若公開與否取決於結果,可取得的證據可能失真。漏斗圖不對稱不是發表偏差的證明,對稱也不證明完整;檢定需要適當條件。詳見缺失證據章節。
區間不跨無效值,不代表實際重要、可適用或確定性高。將效應與區間連同限制、不一致、間接性等一起判讀,必要時依證據確定性架構評估。
確認來源資料及研究身分後,再解讀結果。
將敏感度分析與缺失資料處理決定連同主要估計一起閱讀。
區分證據不足與有證據顯示不存在重要效應。
把實質限制帶入結論,而不僅放在技術附件。
不適合統合分析時怎麼辦?
當合併估計無法回答問題時,應明確選擇替代方法。不合併的結構化表格或圖可以保留各研究結果;其他問題可能需要質性綜整或不同方法。說明研究如何分組、如何比較發現,不要只計算顯著結果的數量。Cochrane 其他綜整方法指南(英文)提供方法選項,證據綜整工作流程指南則協助將所選方法連結到工具組合。
無論採用何種方法,都應保存重新檢視分析所需的輸入與理由。PRISMA 報告指南說明如何將方法及發現對應到報告。選擇與查核分析軟體是另一個後續工作,不能取代對「這個問題是否適合合併」的判斷。
常見問題
每項統合分析都是系統性回顧嗎?
不是。它是統計程序,是否系統地找出與評讀研究,取決於整體回顧方法。
需要幾項研究?
跨研究合併估計至少需要兩項研究,但這只是數學起點。相容性、相依性、可用的不確定性指標及科學目的,決定計算是否有意義。研究較少時,許多判斷尤其不確定。
菱形代表什麼?
中心是合併值,寬度是區間;它不代表品質、搜尋完整性或證據確定性。
I² 高就無效嗎?
不一定。應探討差異大小、來源與指標的不確定性,以及摘要是否仍回答一致問題。
顯著就是強證據嗎?
不一定。顯著性不解決偏差、缺失研究、適用性或實質重要性。
納入的研究不能參與合併計算時怎麼辦?
研究即使因結果、時間點或可用資料而無法參與某項綜整,仍可能符合整個回顧的納入標準。應解釋原因,說明如何處理其中相關發現,不要未加說明就從回顧中刪除。
資料來源與延伸閱讀
請參閱原始資料,確認完整方法、適用範圍及最新版本。
- 效應指標與分析資料Cochrane
- 分析資料與進行統合分析Cochrane
- 偏差與利益衝突Cochrane
- 綜整中的缺失結果Cochrane
- 證據確定性Cochrane
- 採用其他方法進行綜整Cochrane