Meta分析

Meta分析（Meta-analysis）一詞，最早由統計學家基恩·格拉斯（GeneV. Glass，美國，1940~）於1976年正式提出。雖然Glass作為Meta分析的創立者廣為人知，但Meta分析背後的方法學理念卻可以追溯到17世紀。1753年，醫生詹姆斯·林德（James Lind，蘇格蘭，1716-1794）發表了第一篇系統綜述，而1904年統計學家卡爾·皮爾森（Karl Pearson，英國，1857-1936）發表在英國醫學雜誌（BritishMedical Journal，BMJ）的一篇關於傷寒疫苗有效性的研究，被認為是首次使用了Meta分析的方法理念，對多個臨牀研究的結果加以總結 ^[1]  。

20世紀80年代中期，Meta分析被逐步引入到臨牀隨機對照試驗及流行病學研究中，並在近十年來快速發展，Meta分析論文發表數量也快速增長。近年來，隨着方法學的不斷髮展，累積Meta分析（CumulativeMeta analysis）和網狀Meta分析（NetworkMeta analysis）等新方法也應運而生。

Meta分析的內容有：①異質性分析及處理多個獨立研究的統計量一致性檢驗；②合併效應值計算；③合併效應值的檢驗 ^[2]  。

異質性檢驗是Meta分析的重要環節，多用Q檢驗確定多個獨立研究的異質性是否具有統計學意義，一般認為當P>0.1時，各獨立研究結果一致性較好。

效應值的選取通常根據臨牀研究的性質、資料的類型確定。Meta分析合併效應值常用統計模型有固定效應模型和隨機效應模型兩種，當多個研究具有同質性時，採取固定效應模型；當多個研究不具有同質性時，對異質性原因進行分析和處理，如進行亞組分析，若異質性分析和處理後仍無法解決時，可採取隨機效應模型進行合併效應值的計算。

針對合併效應值進行假設檢驗，以檢驗多個同類研究的合併效應值是否具有統計學意義。常用方法如下：①z(u)檢驗：若P≤0.05，多個研究的合併統計量具有統計學意義；②置信區間法：當試驗效應指標為OR、RR時，其95%可信區間若不包含1，等價於P<0.05，即有統計學意義。當試驗效應指標為RD、SMD時，其95%可信區間若不包含0，等價於P<0.05，即有統計學意義 ^[2]  。

Meta分析，尤其是綜合高質量隨機對照試驗（RCT）的Meta分析，被視為循證醫學的高級別證據，具有如下功能：①實現定量綜合；②對同一問題提供系統的、可重複的的綜合方法；③通過對同一主題多個小樣本研究結果的綜合，提高原結果的統計效能；④解決研究結果的不一致性，改善效應估計值；⑤回答各項原始研究未提出的問題；⑥探究現有文獻發表偏倚的程度；⑦提出新的研究問題，為進一步研究指明方向 ^[3]  。

當原始研究質量不高時，Meta分析可能無意義，合併的結果還會遭受“垃圾進、垃圾出”的質疑。原始文獻的質量是系統綜述的保證，對於質量欠佳的臨牀證據，應充分認識其侷限性，辯證對待，並有針對性地開展高質量的臨牀研究，完善和豐富證據資源。

當各原始研究中存在臨牀差異時，在單一Meta分析中合併所有納入研究並無意義，如進行不同治療措施與對照措施間的混合比較時需要考慮每一個比較的合併，此時合併的決策不能依從於統計方法而需要討論和臨牀判斷。

在文獻查找、選擇、數據提取和統計分析過程中，如果處理不當，還會引入新的偏倚，導致合併後的結果歪曲了真實的情況，如存在發表偏倚（Publicationbias）：即具有統計學顯著性研究意義的研究結果較無顯著性意義和無效的結果被報告和發表的可能性更大。而對存在偏倚風險的研究進行Meta分析可能產生嚴重誤導，產生“錯誤”結果 ^{[3]  [4]}  。