經(jīng)?？吹接腥颂岢鲞@樣的疑問：異質(zhì)性來自其中一篇文章，去掉這一篇后I2能從86%降到20%，能不能剔除這篇文獻？

答案顯而易見，如果這個觀點是合理的，所有的meta分析都不會出現(xiàn)異質(zhì)性顯著的現(xiàn)象，那為什么還會有固定效應(yīng)模型和隨機效應(yīng)模型的區(qū)別呢？

或許有人也會反擊：我就要做異質(zhì)性不顯著的meta分析，這樣結(jié)果更可信，難道也不行嗎？

操作上當然可以，但不建議這么做。文獻的納入和排除，是在文獻篩選過程實現(xiàn)的，只要是符合納入標準的文獻，就不應(yīng)該在分析環(huán)節(jié)被排除，除非突然改變納入排除標準。

實際上，meta分析的異質(zhì)性在制定納入排除標準的時候已經(jīng)產(chǎn)生了，I square和Q檢驗只是評估納入文獻間的統(tǒng)計學異質(zhì)性是否顯著。然而，統(tǒng)計學異質(zhì)性是表象，方法學和臨床異質(zhì)性才是本質(zhì)。

沒有統(tǒng)計學異質(zhì)性，不代表沒有方法學和臨床異質(zhì)性，世界上沒有兩片完全相同的葉子，也沒有兩個完全相同的研究，因此異質(zhì)性是必然存在的。

異質(zhì)性并不是什么洪水猛獸，也不是說有異質(zhì)性的meta分析一定不能發(fā)表，關(guān)鍵是如何解讀異質(zhì)性！相對于追求所謂的異質(zhì)性不顯著，莫不如通過亞組分析、meta回歸等方法探討異質(zhì)性來源，討論異質(zhì)性對結(jié)果的影響。

Meta回歸，可以分析自變量（性別、年齡、地區(qū)、研究類型等）與統(tǒng)計學異質(zhì)性的關(guān)聯(lián)。當然了，meta回歸對文獻數(shù)量的要求比較高（≥5n，n代表自變量的數(shù)量）。

亞組分析，可以把研究對象細分，看看各組的組內(nèi)異質(zhì)性是不是還很大，判斷哪些因素是顯著的異質(zhì)性來源。

判斷依據(jù)是什么？分組后，每個組組內(nèi)異質(zhì)性都不顯著，則該因素為異質(zhì)性來源之一（如下圖），研究類型就是其中一個顯著的異質(zhì)性來源。

此外，敏感性分析可以幫忙我們評估結(jié)果的穩(wěn)定性，排除對異質(zhì)性影響較大的研究，然后看下剩余研究的合并結(jié)果是否有顯著變化（從有統(tǒng)計學意義變成無統(tǒng)計學意義，反之亦然）。如果無顯著變化，則雖然異質(zhì)性大，但結(jié)果穩(wěn)定；反之，則結(jié)果不穩(wěn)定，下結(jié)論時需要謹慎。

當然，上述方法主要針對的是統(tǒng)計學異質(zhì)性的分析和討論，如果臨床異質(zhì)性、方法學異質(zhì)性特別大，或許真的不適合做meta分析了，不妨改做定性的系統(tǒng)綜述。

綜上所述，對于帶來較大異質(zhì)性的研究，處理方案可以參考下面的“決策樹”。

本次分享就到這里了，如有meta分析的問題，歡迎留言或加好友交流。