什么是 Meta 分析？如何理解合并结果

每项研究提供某个量的估计，例如风险比、均数差或相关系数，同时伴随不确定性。Meta 分析按指定方法合并合适的估计，并不是把论文里的所有数字简单平均。精确度较高的研究通常获得较大权重，但具体权重由方法和模型决定。

合并结果只是在假设成立时，对输入证据的概括，不是所有环境中都会出现的真实效果。数值很精确，仍可能受到偏倚、适用性不足或错误分析单位影响。合并不会改善原始报告质量，也不能把提取错误的结局变正确。

系统综述负责明确问题、检索证据、按标准筛选、评价研究并综合发现；Meta 分析是其中一种可能的综合方法。方便地选取几项研究后合并，不会使证据选择自动具有系统性。严谨的系统综述也可以得出“不宜合并”的决定。

看到“纳入 20 项研究的 Meta 分析”，仍应追问研究如何找到、如何选择、多篇论文是否来自同一研究、哪些结果可能没有发表。数量不能证明覆盖完整。整体流程可参考什么是系统综述。

先定义要回答的问题和估计的量。人群、干预或暴露、对照、结局及随访时间应足够相容，使计划中的合并具有意义。研究不必完全相同，但如何处理这些差异需要科学理由。

接着检查独立性与数据可用性。同一批参与者的多份报告、重复时间点和共享对照组都可能产生相关估计。把它们当作独立数据，可能使不确定性显得过小。仅有点估计而缺少合适的不确定性指标，且无法从其他信息推导时，也可能无法进行某项计算。

下表的虚构情景都围绕计划中的 12 周结局，说明哪些结果可以进入该项综合，不是产品测试。数据缺失或时间点不符，可以使一个结果无法参加这次计算，却不必因此排除原本符合综述标准的整项研究。

风险比比较事件概率；优势比比较优势，即概率除以一减概率。两者不能直接互换，事件常见时尤其如此。均数差保留原量表单位，标准化均数差则相对变异程度表达差异。方法依据见 Cochrane 效应指标章节（英文）。

比值指标的无差异值是 1，差值指标通常是 0。比值小于 1 不一定代表获益，要看事件是有利还是有害、哪一组在分子，以及结局如何定义。解释相对效应的绝对影响，还需要适用的基线风险。

比值指标通常在对数尺度分析。因为 log(1) = 0，对数估计周围的对称区间取指数后，在比值尺度上会变得不对称；这是正常现象，不是绘图错误。下例用对数风险比展示计算，没有指定真实事件或干预。

需要更完整的计算与换算时，可阅读 Cohen’s d、Hedges’ g、优势比与风险比详解（英文）。使用这些方法时，应为每个估计保留效应指标、比较方向、单位和随访时间。

以下数据完全为教学模拟。三项相互独立研究的对数风险比分别设为 0.10、0.20、0.30，标准误都为 0.10。我们演示共同效应逆方差计算与正态近似 95% 置信区间。相等的标准误带来相等权重，因此本例不演示不同权重，也不构成真实干预的证据。

每项方差为 0.10²=0.01，所以逆方差权重均为 100，总权重为 300。加权均值为 (100×0.10+100×0.20+100×0.30)/300=0.20。合并标准误为 √(1/300)=0.057735；使用 1.96 个标准误得到对数区间约 0.08684–0.31316。

取指数后，合并风险比为 1.221，95% 置信区间为 1.091–1.368。每项研究占三分之一权重，表中百分比有四舍五入。由于没有指定真实事件和对照，不能解读为获益或伤害；大于 1 只表示这个模拟比较中分子组的事件概率较高。

森林图的标记表示研究估计，横线表示其置信区间；位于 1 的参考线表示比值无差异。菱形中心为 1.221，横向范围为 1.091–1.368。窄菱形只说明该模型下的精确度，不能评价偏倚、缺失证据和适用性。表格提供与图一致的可读数据。

这里的共同效应模型通常称为固定效应模型，假定研究在该分析中估计同一个潜在效应。随机效应模型允许潜在效应不同，并概括其分布。应依据科学问题及合理差异选模型，不能仅凭异质性检验是否越过某个阈值决定。详见 Cochrane Meta 分析章节。

临床和方法异质性涉及人群、环境、设计与测量；统计异质性指模型下超过抽样误差的估计差异。I² 是相对不一致性的概括，不是“低质量研究百分比”，也不是效应大小；研究较少时它本身可能很不确定。研究间方差 τ² 描述另一项统计特征。

随机效应不会修复不合适的合并或消除偏倚。方差估计与区间方法会影响结果，研究少时尤其需要留意。预测区间在额外假设下描述可比环境中潜在效应的分布范围，不等于合并均值的置信区间，也不保证某一新研究的结果。

有科学依据时，可用预先计划的亚组或敏感性分析检查重要差异，并标明探索性改动。下一步若要核查软件是否正确实现这些选择，可阅读 Meta 分析工具指南，检查可复现分析所需的输入、代码与记录。

原始研究的偏倚可进入合并结果。缺失结局、选择性报告及设计缺陷不会因逆方差加权而消失。应使用适合设计的评价，并解释对特定结果的影响，参见 Cochrane 偏倚指南。

如果研究或结果是否公开取决于其发现，可获得的证据就可能失真。漏斗图不对称不是发表偏倚的证明，看似对称也不证明没有缺失；相关检验需要满足条件并谨慎解释，参见缺失证据章节。

置信区间不跨无效值，并不意味着实际影响重要、适用性好或证据确定。将效应值和区间与局限、不一致、间接性等一起阅读；适用时可参考证据确定性框架。

• 核对来源数据及研究身份后，再解释结果。

• 把敏感性分析和缺失数据处理决定与主要估计一起阅读。

• 区分证据不足与有证据表明不存在重要效应。

• 将实质局限写入结论，而不只放在技术附件。

如果合并估计无法回答问题，应明确选择其他方法。不合并的结构化表格或图可以保留各研究结果；其他问题可能需要定性综合或不同方法。说明如何分组、如何比较发现，而不是只统计显著结果的数量。Cochrane 其他综合方法指南（英文）介绍方法选项，证据综合工作流指南则帮助把选定方法连接到工具组合。

无论采用哪种方法，都应保留重新检查分析所需的输入和理由。PRISMA 报告指南解释如何把方法与发现对应到报告。选择并核验分析软件是另一个后续任务，不能替代对“这个问题是否适合合并”的判断。