Meta分析
Meta 分析（Meta-analysis，荟萃分析）是一种定量的统计学方法，其核心是将多个针对同一科学问题的独立研究（如多个 RCT）结果进行合并，通过增大样本量来提高检验效能（Power），从而得出一个更精确、更客观的综合结论。
在循证医学的证据等级体系中，高质量的 Meta 分析位于金字塔的顶端（I 级证据）。它不仅能解决单一研究样本不足的问题，还能通过异质性分析探索不同研究结果不一致的原因。其标志性的可视化结果被称为森林图 (Forest Plot)。
核心逻辑：化零为整
为什么需要 Meta 分析？因为单一研究常常面临样本量小、结论不一致的困境。Meta 分析通过加权合并，实现了“三个臭皮匠，顶个诸葛亮”。
- 加权平均 (Weighted Average)： Meta 分析不是简单地将所有数据相加，而是根据每个研究的权重（通常由样本量和方差决定）进行计算。样本量越大、方差越小的研究，发言权（权重）越大。
- 森林图 (Forest Plot)： 读懂 Meta 分析的关键。
• 方块： 代表单个研究的效应量，方块大小代表权重。
• 横线： 代表置信区间 (95% CI)，线越短越精确。
• 菱形： 代表最终的合并结果。如果菱形不与“无效线”（中间的垂直线）相交，说明结果有统计学意义。 - 证据等级： 在证据金字塔中，基于 RCT 的 Meta 分析被视为最高级别的证据（Ia级），是制定临床指南的基石。
阿喀琉斯之踵：异质性
Meta 分析最怕的是“把苹果和橘子放在一起比较”。如果纳入的研究之间差异过大，合并结果就没有意义。
| 概念 | 衡量指标 | 处理策略 |
|---|---|---|
| 异质性 (Heterogeneity) |
I² 值。 • I² < 50%：低异质性 • I² > 50%：高异质性 |
• 低：使用固定效应模型 • 高：使用随机效应模型 或 亚组分析 |
| 发表偏倚 (Publication Bias) |
漏斗图 (Funnel Plot) 看图形是否左右对称。 |
若存在不对称，提示阴性结果可能未发表（抽屉效应）。需谨慎解读。 |
关键相关概念 [Key Concepts]
1. Systematic Review (系统评价)： 常与 Meta 分析混用，但有区别。系统评价是全过程（检索、评价、综合），Meta 分析是其中的定量统计步骤。如果有数据但无法合并，可以只做系统评价不做 Meta 分析。
2. PRISMA Statement (PRISMA声明)： 报告 Meta 分析的国际标准指南。包含 27 项清单（Checklist）和流程图，要求作者透明地报告检索策略、筛选过程和资金来源。
3. Effect Size (效应量)： Meta 分析合并的具体指标。对于二分类变量（死/活）常用 OR (优势比) 或 RR (相对危险度)；对于连续变量（血压值）常用 WMD (加权均数差)。
学术参考文献 [Academic Review]
[1] Higgins JPT, et al. (2023). Cochrane Handbook for Systematic Reviews of Interventions. Wiley-Blackwell.
[点评]：Meta 分析的“圣经”。由 Cochrane 协作网编写，详细阐述了从异质性检验到偏倚风险评估的每一个操作细节。
[2] 孙振球, 徐勇勇. (2014). 医学统计学 (第4版) 第23章: Meta分析. 人民卫生出版社.
[点评]：国内权威教材。系统讲解了 Meta 分析的数学原理及 RevMan 软件的各种算法选择（固定 vs 随机）。
[3] Glass GV. (1976). Primary, secondary, and meta-analysis of research. Educational Researcher.
[点评]：历史性文献。Gene Glass 在文中首次提出了 "Meta-analysis" 这一术语，以此区别于初级分析（原始研究）和次级分析。