自從“爾云間meta分析”面向大家邀稿，我們陸續(xù)收到朋友們的經(jīng)驗(yàn)分享，以下是一名護(hù)理碩士畢業(yè)生對(duì)Meta分析的學(xué)習(xí)感悟。

發(fā)現(xiàn)問題

對(duì)于Meta分析，初次接觸是在研究生期間的循證課程上，剛開始也是一頭霧水，而后在大量的閱讀文獻(xiàn)過程中，對(duì)它的方法學(xué)逐漸了解，也在花費(fèi)大量的精力背后越發(fā)喜歡上Meta分析。

很多人學(xué)習(xí)Meta分析只是蜻蜓點(diǎn)水，不斷灌水，出現(xiàn)很多“低質(zhì)量”證據(jù)和“問題水文”，以至于現(xiàn)在這個(gè)研究方法被很多人嗤之以鼻。

簡(jiǎn)單舉一些例子：

1）一個(gè)很典型的問題，RevMan繪圖，底下的Favours 標(biāo)簽錯(cuò)誤。一些人只是把數(shù)據(jù)黏貼進(jìn)軟件就完事了，然后自說自話，XX干預(yù)是有效的，但你再看一下對(duì)應(yīng)的森林圖，合并的菱形是落在Favours control 一側(cè)。這種現(xiàn)象不止出現(xiàn)在中文科核和北核的文章里，甚至影響因子高達(dá)7+的paper也有出現(xiàn)，對(duì)此我也寫過Letter to the Editor。

2）納入排除標(biāo)準(zhǔn)的設(shè)定不到位。納排標(biāo)準(zhǔn)對(duì)于整個(gè)Meta分析可以說是奠基，但容易被人忽略；一般我們的納入標(biāo)準(zhǔn)是基于PICOS原則，但多數(shù)文章的輕描淡寫，導(dǎo)致最后納入的文獻(xiàn)有缺失。

3）文獻(xiàn)篩選步驟階段也有一個(gè)容易被忽略的地方，那就是全文篩選階段，需要另附一個(gè)附表說明排除文獻(xiàn)的原因，可以說，大部分Meta分析都沒有這個(gè)步驟?；蛘哒f，大部分人根本沒有進(jìn)行文獻(xiàn)篩選的環(huán)節(jié)。

4）雖然對(duì)于隨機(jī)效應(yīng)模型和固定效應(yīng)模型的使用一直存在爭(zhēng)議，但目前Cochrane的推薦仍然是低異質(zhì)性采用固定效應(yīng)模型，而高異質(zhì)性用隨機(jī)效應(yīng)模型。但是，很多文章執(zhí)意使用隨機(jī)效應(yīng)模型。

5) Meta回歸并不簡(jiǎn)單，不要輕易去嘗試。簡(jiǎn)單舉一個(gè)例子，如果你碰到的是三分類變量，納入模型后是以哪一組為對(duì)照？

還有很多我個(gè)人覺得不妥的地方，就不一一列出，有興趣的讀者可以多讀讀高分Meta分析，再看看一些“低質(zhì)量”的文章，你就能感受其中的差距。

學(xué)習(xí)方法推薦

我有一個(gè)小方法可以推薦大家學(xué)習(xí)，多看看別人發(fā)表的針對(duì)Meta分析的Letter。

Letter是什么呢？就是對(duì)別人發(fā)表的文章進(jìn)行批判，在閱讀Letter的過程中，你不僅可以學(xué)習(xí)到別人看文章的關(guān)注點(diǎn)，而且可以了解到原作者的錯(cuò)誤，以避免在自己身上發(fā)生。當(dāng)然，在日積月累的基礎(chǔ)上，有一定的信心時(shí)，你也可以去Letter別人。

近幾年統(tǒng)計(jì)學(xué)不斷發(fā)展的背景下，Meta分析更加復(fù)雜和繁瑣，相對(duì)于傳統(tǒng)的基于RCT的Meta分析，如今更加熱門的網(wǎng)狀Meta分析、患者個(gè)體Meta分析、劑量反應(yīng)Meta分析，加上這兩年很火爆的基于模型的Meta分析，以及貝葉斯Meta分析等都不是好啃的骨頭，也是打開頂刊的一把鑰匙。

但是這些方法學(xué)真的不簡(jiǎn)單，甚至可以說，沒有別人的指點(diǎn)，很難有所突破，我自己現(xiàn)在也困在其中，無法自拔。