Meta分析

Meta分析（Meta-analysis）是用于比较和综合针对同一科学问题研究结果的统计学方法，其结论是否有意义取决于纳入研究的质量，常用于系统综述中的定量合并分析。

与单个研究相比，通过整合所有相关研究，可更精准地估计医疗卫生保健的效果，并有利于探索各研究证据的一致性及研究间的差异性。而当多个研究结果不一致或都无统计学意义时，采用Meta分析可得到接近真实情况的统计分析结果。

起源

Meta分析（Meta-analysis）一词，最早由统计学家基恩·格拉斯（GeneV. Glass，美国，1940~）于1976年正式提出。

虽然Glass作为Meta分析的创立者广为人知，但Meta分析背后的方法学理念却可以追溯到17世纪。1753年，医生詹姆斯·林德（James Lind，苏格兰，1716-1794）发表了第一篇系统综述.。

而1904年统计学家卡尔·皮尔森（Karl Pearson，英国，1857-1936）发表在英国医学杂志（BritishMedical Journal，BMJ）的一篇关于伤寒疫苗有效性的研究，被认为是首次使用了Meta分析的方法理念，对多个临床研究的结果加以总结 。

20世纪80年代中期，Meta分析被逐步引入到临床随机对照试验及流行病学研究中，并在近十年来快速发展，Meta分析论文发表数量也快速增长。近年来，随着方法学的不断发展，累积Meta分析（CumulativeMeta analysis）和网状Meta分析（NetworkMeta analysis）等新方法也应运而生。

Meta分析的内容有

①异质性分析及处理多个独立研究的统计量一致性检验；

②合并效应值计算；

③合并效应值的检验。

异质性检验是Meta分析的重要环节，多用Q检验确定多个独立研究的异质性是否具有统计学意义，一般认为当P>0.1时，各独立研究结果一致性较好。

效应值的选取通常根据临床研究的性质、资料的类型确定。

Meta分析常用统计模型

Meta分析合并效应值常用统计模型有固定效应模型和随机效应模型两种，当多个研究具有同质性时，采取固定效应模型；

当多个研究不具有同质性时，对异质性原因进行分析和处理，如进行亚组分析，若异质性分析和处理后仍无法解决时，可采取随机效应模型进行合并效应值的计算。

针对合并效应值进行假设检验，以检验多个同类研究的合并效应值是否具有统计学意义。

常用方法如下

①z(u)检验：若P≤0.05，多个研究的合并统计量具有统计学意义；

②置信区间法：当试验效应指标为OR、RR时，其95%可信区间若不包含1，等价于P<0.05，即有统计学意义。当试验效应指标为RD、SMD时，其95%可信区间若不包含0，等价于P<0.05，即有统计学意义。

作用

Meta分析，尤其是综合高质量随机对照试验（RCT）的Meta分析，被视为循证医学的高级别证据，具有如下功能：

①实现定量综合；

②对同一问题提供系统的、可重复的的综合方法；

③通过对同一主题多个小样本研究结果的综合，提高原结果的统计效能；

④解决研究结果的不一致性，改善效应估计值；

⑤回答各项原始研究未提出的问题；⑥探究现有文献发表偏倚的程度；

⑦提出新的研究问题，为进一步研究指明方向。

局限性

当原始研究质量不高时，Meta分析可能无意义，合并的结果还会遭受“垃圾进、垃圾出”的质疑。原始文献的质量是系统综述的保证，对于质量欠佳的临床证据，应充分认识其局限性，辩证对待，并有针对性地开展高质量的临床研究，完善和丰富证据资源。

当各原始研究中存在临床差异时，在单一Meta分析中合并所有纳入研究并无意义，如进行不同治疗措施与对照措施间的混合比较时需要考虑每一个比较的合并，此时合并的决策不能依从于统计方法而需要讨论和临床判断。

在文献查找、选择、数据提取和统计分析过程中，如果处理不当，还会引入新的偏倚，导致合并后的结果歪曲了真实的情况，如存在发表偏倚（Publicationbias）：即具有统计学显著性研究意义的研究结果较无显著性意义和无效的结果被报告和发表的可能性更大。而对存在偏倚风险的研究进行Meta分析可能产生严重误导，产生“错误”结果 。