如何撰写元分析：统计证据综合
快速回答
元分析写作以系统整合多项定量研究为核心，通常先明确研究问题、纳入标准和效应量指标，再汇总各研究结果计算总体效应。结果部分应报告研究数量、样本量、异质性统计量（如I²）和森林图，讨论部分解释效应差异、偏倚风险及结论适用范围。
元分析是一种统计综合方法，将多项研究的数值数据结合起来，以得出比单项研究更有力的结论。元分析遵循系统评价的方法论，但增加了结果的定量整合。
理解元分析
元分析综合多项研究的定量数据，计算合并效应。它们在循证实践中日益重要，因为相比单项研究，元分析能更全面地利用现有证据。
元分析需要：
- 明确的研究问题
- 系统的文献回顾
- 研究间可比的效应量
- 结果的定量综合
- 严谨的报告
第一步：建立系统评价基础
元分析建立在系统评价基础之上：
- 制定明确的研究问题
- 创建详细的方案
- 全面检索文献
- 明确纳入/排除标准
- 系统筛选研究
- 评估研究质量
只有当存在足够且数据可比的研究时，才进行元分析。
第二步：提取并计算效应量
标准化各研究的效应量：
常用效应量指标：
- Cohen’s d（均值差异）
- 相关系数（r）
- 比值比（OR）
- 相对风险（RR）
- 标准化均值差
从研究中提取：
- 均值和标准差
- 样本量
- 统计检验和p值
- 频数（针对分类结果）
计算统一效应量： 将不同统计量转换为标准化指标。软件（如 Comprehensive Meta-Analysis、R 的 metafor 包）可辅助计算。
第三步：评估异质性
检查研究结果是否一致：
统计检验：
- Q统计量（检验异质性显著性）
- I平方（I²，异质性占总变异的百分比）
解释：
- I² < 25%：异质性低（适用固定效应模型）
- I² 25%-75%：中度异质性
- I² > 75%：高度异质性（适用随机效应模型）
高异质性表明研究间存在显著差异，需进一步探讨。
第四步：进行元分析
统计合并结果：
选择模型：
- 固定效应模型：假设存在单一真实效应（所有变异均为抽样误差）
- 随机效应模型：假设真实效应在研究间存在差异
随机效应模型通常更受青睐，因为它考虑了研究间的变异。
计算合并效应：
- 统计合并效应量
- 计算置信区间
- 检验显著性
使用软件：Comprehensive Meta-Analysis、RevMan、R 包简化计算过程。
第五步：绘制森林图
可视化各研究结果：
森林图展示：
- 单项研究效应量
- 置信区间
- 合并效应
- 效应量大小
森林图使结果易于理解并揭示模式。
第六步：检验发表偏倚
评估未发表研究是否与已发表研究不同：
方法：
- 漏斗图（视觉检查）
- Egger 检验（统计检验）
- 修剪填补法（调整效应估计）
发表偏倚可能导致效应量被高估，尤其是小样本负面结果未发表时。
第七步：进行亚组分析
检验效应是否因人群或情境而异：
- 按人群特征比较效应
- 按干预差异检验效应
- 按研究质量评估效应
亚组分析揭示调节变量。
第八步：解释并报告结果
报告内容：
- 研究数量及参与者数
- 合并效应量及置信区间
- 统计显著性
- 异质性指标（I²）
- 亚组分析结果
- 发表偏倚评估
解释：
- 效应量的实际意义
- 结果的一致性
- 影响效应的调节因素
- 证据质量
常见元分析错误
不当合并研究：避免合并异质性过大的研究。
质量评估不足：质量较差的研究不应与高质量研究同等对待。
忽视异质性：高 I² 需调查原因，不能忽略。
发表偏倚：不要假设所有相关研究都已发表。
报告不充分：遵循 PRISMA 指南确保报告完整。
过度解读弱证据：即使统计显著，临床意义可能很小。
实践示例结构
标题：“同伴指导对本科生坚持度的影响：一项元分析”
方法：
- 检索策略
- 纳入标准
- 质量评估
- 效应量计算
- 分析方法
结果：
- 研究筛选流程
- 纳入研究表
- 各研究效应量
- 森林图
- 合并效应：d = 0.35，95% CI [0.18-0.52]，p < .001
- I² = 38%（中度异质性）
- 发表偏倚评估
- 亚组分析
讨论：
- 总体发现
- 异质性解释
- 与既往综述比较
- 实际意义
- 研究空白
工具与资源
使用 GenText 保持技术性元分析报告的表达清晰。
元分析软件（Comprehensive Meta-Analysis、RevMan、R 包）简化计算过程。
PRISMA-P 指南指导方案报告。
修订清单
定稿前检查：
- 研究问题是否明确？
- 系统检索是否全面？
- 效应量计算是否正确？
- 异质性是否评估？
- 模型选择是否恰当？
- 是否检验发表偏倚？
- 报告是否符合 PRISMA 要求？
- 解释是否符合证据质量？
最终建议
仅当研究足够相似时进行元分析。强行合并异质性过大的研究会导致无意义结果。
通常使用随机效应模型，更保守且适合研究间存在差异的情况。
明确处理异质性，切勿忽视高 I² 值，应调查原因。
严谨的元分析通过系统评价、正确计算效应量、评估异质性及全面报告，提供可靠的证据综合。
延伸阅读
- Purdue OWL (在线写作实验室) — 提供学术写作和研究论文结构的全面指导，有助于清晰展示元分析结果。
- 哈佛写作中心 — 提供写作及研究综合的详细建议，有助于有效传达元分析中的统计证据。
- APA 格式 — 心理学及社会科学领域元分析研究的正确引用和格式规范。
- Microsoft Learn — Office — 掌握 Word 和 Excel 等工具，常用于绘制森林图和整理元分析数据。
常见问题
系统综述和元分析有什么区别？
系统综述是使用明确方法进行的全面文献综合。元分析是对来自多项研究的数值数据进行统计合并。系统综述不一定包含元分析，但大多数元分析都会采用系统综述的方法。
什么时候适合进行元分析？
当研究考察的是相似的问题，且其研究对象、干预措施和结局具有可比性时，元分析才适合进行。如果研究之间异质性过高（方法、研究对象、测量指标不同），元分析可能并不合适。在决定之前，应先评估异质性。
什么是 I-squared，它表示什么？
I-squared 是一个统计量（0-100%），表示结果中的变异中有多大比例是由异质性而不是抽样误差造成的。较低的 I-squared（0-25%）提示同质性较高；较高的 I-squared（75%+）提示存在较强的异质性。较高的异质性可能需要进行亚组分析或叙述性综合。