meta分析常译作荟萃分析或元分析，其中的“meta”源自于古希腊文，意指将事物综合起来观察。meta分析最早由Light和
Smoth于1971年提出，这是一种对不同研究结果进行合并分析的方法，在临床医学上常用于合并研究结果，最常见的是随机对照实验（randomized controlled trial, RCT）结果的合并，RCT慢慢发展为循证医学的主要研究手段之一。
今天，就让小编来带大家一起做meta分析。
总的来说，一个完整的Meta分析都遵循以下七个基本步骤：
1
选题，要明确研究问题
选题是meta分析最先面临的问题。选题的好坏直接决定着你研究的成功与失败。那怎样才能选好研究题目呢？
我们可运用中国生物医学数据库CBM和PubMed数据库，检索和阅读相关文献，以熟悉掌握主题相关的研究领域，包括研究现状、相关研究文献数量、中文及外文文献发表情况。
选题一定要具有重要性、新颖性、合理性、问题清晰和结局明确，而且题目最好是当前热点问题且存在有争议的，已经下定论的问题就不要做meta分析了。而且所选主题的相关研究不能过少。
选题时应考虑PICOS的五个方面：
研究对象的疾病特征（组织学类型、病情等）和 会人口学特征（种族、年龄、性别等）；
干预手段intervention或治疗方法；
对照组特征；
结局指标，结局指标是二分类或者连续变量对后期数据提取和统计分析很重要；
研究类型，比如是否纳入RCT、队列研究、病例对照研究或横断面研究。
2
研究设计
meta分析是系统回顾的最基本部分，所以需要临床专家和生物医学统计专家的密切合作。我们以临床试验为例，系统回顾需要精心设计，以规避可能影响结论的偏倚和错误，所以有必要确定好研究目的、规则和方法。
3
制定检索策略
确定检索数据库和检索方法这很重要。制定检索策略时可从三个方面考虑：
数据库的选择。中文数据库通常用万方、维普、CNKI、SinoMed，而英文数据库通常为PubMed、Web of Science、Embase、MedLine、Cochrane Library。国际权威期刊则推荐使用PubMed、Embase、Cochrane。
选择正确的检索关键词，以精确确定研究的问题。检索式的编写可参考PICOS的原则，小编建议可找一篇别人发表的meta分析文章，模仿别人怎样编写检索式。
考虑语言和发表年限有无限制。
进行文献检索最好同时有两个人检索，一个人进行计算机检索如MEDLINE，另一个人进行传统检索如INDEX MEDICUS，然后根据检索到的文献做进一步检索。
检索完成后，应要估计使用这两个方法未能检索到的论文数量。如果需要更高级的检索，检索标准应在检索之初就确定下来，研究设计也应明确定义，并解释做这选择的原因。
4
筛选和评价纳入文献
你可快速浏览文章题目和摘要，有助于明确要点。也可仔细阅读文献中的数据。总之做荟萃分析时要求仔细阅读以获取有助于理解结果的不同方面，明确研究的多样性，并解释分析中出现的特殊问题。
确定文献纳入和排除标准时同样可从PICOS五个方面加以考虑，并根据检索到的文献进行适当修正。我们尽量筛选出符合PICOS的研究文章，因为不合适的文献可能会完全扭曲最后得出的结果，例如一篇研究文章本来不应该纳入，它的样本量很大或标准差很小，在meta分析中所占的权重就很重，这很可能扭曲真实的结果。
5
提取数据信息
从纳入文献中提取数据时，可依循以下几点：
试验设计：设计信息如双盲、开放性试验、随机性、随访时间，以及所有关于设计的特征。
研究组和对照组处理：一个试验是两种处理之间的比较，如一种药和安慰剂的比较。登记研究中的药物剂量和治疗时间也很重要。
两组事件数、高危患者数以及不同结果是荟萃分析计算的基础。收集不同研究的失访病例数也很重要，以便进行逐个方案分析(per protocol)以及按精心选择的标准进行荟萃分析。
质量分析是评估荟萃分析中的文献的研究质量，证实文献高质量标志存在的一种方法。
6
数据录入、分析和结果
当确定好所要纳入文献后，我们可把纳入文献数据录入相关软件进行分析，目前SAS、Stata和RevMan是常用的meta分析软件。
RevMan是Cochrane协作 系统评价的标准化专用软件，具备meta分析的大部分功能，操作简单。
Stata软件的功能很全面，可进行meta回归分析，但需要写简单的命令，Stata的作图效果最好。
小编建议大家联合运用RevMan和Stata，但RevMan不能做偏倚回归图。
7
统计学分析
统计学分析的基本步骤如下：
判断异质性，无异质性则采取固定效应模型fixed-effect model，有异质性则采取随机效应模型random-effects model，并对异质性进行分析。
做异质性分析（回归分析和敏感性分析）
探索结果的稳定性（亚组分析和敏感性分析）
发表偏倚
8
结果解释
解释荟萃分析结果是一系列评价，具体包括汇总效应样本量大小评估、研究不均一性可能原因评估、荟萃分析稳定性评估以及计算所须治疗例数的评估。
下面解读一下meta分析的数据图
Meta分析的数据合并结果通常以森林图展示，偏倚评价也以图表示。森林图用于展示数据的合并，通过四边形和竖线的组合展示合并结果的效应值和置信区间，及其与界值的关系。
偏倚风险评价图用于展示纳入研究的方法学质量，绿、黄、红3种颜色分别代表低、中、高风险。
漏斗图用于评估发表偏倚，纳入研究至少为10项时可以使用。
1
森林图
从这张图的左侧部分可看到的信息包括：
每项研究的实验组（Experimental）和对照组（Control）的事件数events和总数total。
通过软件计算出每项研究的权重Weight、OR值、95%置信区间。
效应指标的估计值与95% CI或P值同时 告。图中可见两个P值，分别在左下角的第一行和第二行。左下角第一行是异质性检验Heterogeneity，通过χ2检验观察结果差异是否由机遇导致，df为自由度；第二行是合并干预效应检验Test for overall effect ，获得干预效应的点估计值、95%CI和p值。
从这张图的右侧部分可看出的信息包括：
采用固定效应模型；
竖线左侧（Favours ［experimental］代表实验组获益，右侧（Favours ［control］）代表对照组获益；
每个方块代表一项研究，方块大小与权重大小对应，方块位置对应点估计值，横线两端对应95% CI的下限、上限；
菱形块代表汇总数据的点估计值和置信区间，跨越竖线提示无统计学意义，与P＞0.05对应。
2
Cochrane偏倚风险评价图
偏倚是系统误差引起的错误，导致meta分析结果偏离真实情况，从而产生一定的误导。
图中的绿、红、黄分别表示低风险、高风险、风险不明确。
研究者评估纳入文献的每一项方法学特征，将评估结果输入软件，生成偏倚风险评价图。
图中每一行代表一种偏倚风险，这些偏倚风险贯穿整个临床试验，反映临床试验的方法学质量。Meta分析的研究者根据纳入文献中方法学的 告和描述来评估各项偏倚风险。
3
漏斗图
横轴为各研究的效应值，纵轴为样本量。
漏斗图是识别发表偏倚常用的可视化方法。假设在无发表偏倚的情况下，散点会形成大致对称的倒漏斗，但目测漏斗图对称与否存在主观性，不同的读者可能会作出不同的判断。导致漏斗图不对称的因素较多，可能是发表偏倚以外的原因，如治疗效应真实的异质性。
图中的空心圆圈代表纳入Meta分析的各项研究，圆圈在上半部较为集中，提示研究精度较高。
圆圈在中线左右两侧不对称，提示存在发表偏倚。
除RevMan软件可绘制漏斗图外，Stata软件可进行Egger’s Test和Begg’s Test检验，也可用于评估发表偏倚。
4
Galbraith图
横轴：利用效应值标准误的倒数衡量研究的规模。
纵轴：标准化的效应值。
点：每个点代表一个研究，大小要一致，点的大小要适当。
斜线：图中有三条斜线，中间的线斜率代表固定效应合并值，两侧的线代表95%CI。如果没有异质性和发表偏倚，理论上在两条95%CI线之外的研究数量为5%。
5
meta回归和气泡图
研究间的异质性有时可以归因于某些研究水平的影响因素，此时可能用到Meta回归的方法。Meta回归得到的影响因素作用大小可以利用气泡图上显示。
X轴：影响因素的取值。
Y轴：效应值大小。
圆圈：每个圆圈代表一个研究，圆圈越大，说明该研究的效应值方差越小，精确度越高，权重越大。
线：回归线，如果回归线斜率不为0，说明影响因素对研究间效应有作用。
如何对汇总结果进行再评价呢？
针对临床问题进行Meta分析可为临床实践提供循证医学证据，但Meta分析结果是否真实可靠，是否适用于临床实践，需读者进行批判性思考，作出客观判断。可以从Meta分析 告中寻找以下问题的答案：
1、纳入的研究异质性高吗？
异质性指的是研究之间的任何变异。如果异质性很高，这个结果很可能不适用于临床。
异质性分为：
临床异质性，如受试者、干预措施和结局的变异；
看纳入文献的各项研究特征，如人口学资料、基线特征、疾病种类、疾病严重程度、干预方法、对照方案、评估工具、结局指标等是否具有异质性。临床异质性的判断无定量标准，需要临床医生结合自身的专业知识和临床经验进行判断。
方法学异质性，如研究设计和偏倚风险的多样性；
Meta分析纳入的研究类型是否均为RCT、队列研究或两者均有？如果两者均有，不同研究类型的数据合并将会明显提高异质性，应通过亚组分析降低异质性。如果纳入研究均为RCT，是否全部为高质量RCT或质量参差不齐？这时可参考Meta分析中的偏倚评价图或质量评价表。如部分RCT质量高，盲法、分配隐藏、随机、随访等充分可信，而另一部分质量很低，甚至自称RCT但并未真正做到RCT，那么把这两类数据直接合并是不合理的，同样也需通过亚组分析降低异质性。
统计学异质性，即干预效应间的差异超过仅由随机误差所致的差异。
统计学计算异质性以数据为基础，其原理是各研究间可信区间的重合程度越大，则各研究间存在统计学同质性的可能性越大，相反，可信区间的重合程度越小，各研究间存在统计学异质性的可能性越大。
2、meta分析的结论稳健吗？去除某些纳入的研究，结论是否会立即改变？
Meta分析结果的稳健性是Meta分析的重要品质，如果一项Meta分析的结果稳健，意味着该临床问题已在证据金字塔的顶端得出权威结论，可以指导指南制订和临床实践；反之，则提示该项Meta分析只是运用统计学方法进行了一次数据合并而已，意义非常局限，甚至会误导临床实践。
Meta分析的所有异质性均会影响其结果的稳健性。一项稳健的Meta分析应具备以下特征：
在敏感性分析中，剔除个别研究，结论无明显方向性改变；
如果进行了试验序贯性分析（trial sequential analysis，TSA），其结果应提示纳入的样本量足以得出目前的结论；
纳入的研究质量较高，且研究之间的异质性较低。
3、该样本量足以得出当前的结论吗？如果出现新的研究，现有结论是否会立即改变？
检验效能和样本量是解读meta分析时难度较大的。多数Meta分析中研究者并未考虑并 告这一问题，因此在阅读Meta分析 告时读者未必能找到相应的信息。如果一项Meta分析的样本量很大，这个样本量真的足够吗？另一项Meta分析的样本量较小，需要继续做RCT积累数据吗？这些问题可以通过TSA定量进行解决。
TSA给出的界值代表Meta分析得出当前结论所需的样本量，综合了先验信息、统计信息、纳入数据等多种信息，校正了Meta分析由于多次合并数据而增加的Ⅰ类和Ⅱ类错误风险，给出了预计需要的样本量。
接下来，小编为大家推荐几款好用的meta分析的软件。
1
Abstrackr & OpenMeta [Analyst]
http://www.cebm.brown.edu/openmeta/
http://abstrackr.cebm.brown.edu/account/login
Abstrackr and Open Meta-Analyst是由布朗大学公共卫生学院开发，是用于系统综述的引文筛选的免费在线工具，协助抽象筛选过程和统计分析。Abstrackr平台上可让你系统地上传、筛选和组织检索的文献，使用前需要先注册账 。OpenMeta[Analyst]软件可进行meta分析。
2
CADIMA
https://www.cadima.info/
3
Covidence
https://www.covidence.org/home
Covidence可精简整个制作系统综述，包括Cochrane评价，引文筛选，全文审查，偏倚风险评估，研究特征提取和其他研究数据，还可将数据导出到RevMan。执行质量评估，数据提取和最终决策，以实时在线包含和排除研究。以前被称为ReGroup。
4
Distiller-SR
https://www.evidencepartners.com/products/distillersr-systematic-review-software/
Distiller-SR是目前最受欢迎的系统综述软件，其提供专家支持服务; 基于 络的参考筛选，数据提取和整个系统评审过程的 告解决方案。专门用于系统综述中的筛选和数据提取阶段，DSR提供了一种查看和筛选引文，摘要和全文的简单方法; 进行数据提取; 在Excel中生成表格; DSR具有处理引用的能力。
5
Endnote Web
EndNote Web是EndNote的免费版本，从Endnote X8开始可以使用Internet Explorer（IE）或Mozilla Firefox自动导出PubMed引用。Endnote Web包含的功能包括按引用次数，按库添加日期和修改日期对引用进行排序的功能。
Endnote Web X8能够以纯文本，RTF格式，HTML或XML格式导出引文。文件可以存储在中央服务器上的云端。
EndNote Web能够运行重复检查; 将库分成3个用于筛选和标记结果，并使用EPPI进行分析。
6
EpiGear International
EpiGear International 是MetaXL的所在地， MetaXL是用于Meta分析的免费Microsoft Excel for Windows插件。MetaXL支持所有主要的Meta分析方法，此外还实现了有缺陷的随机效应模型的两种替代方案。
MetaXL还支持一种简单而强大的方法来实现 络Meta分析。
7
EROS
http://eros-systematic-review.org/rev-login.php
EROS专门用于执行系统综述的第一阶段。
8
Import.io
https://import.io/
Import.io无需编写代码即可从 站提取数据，用户使用其点击界面创建API，通过突出显示页面中的数据示例来导航到 站并教导应用程序提取数据; 学习算法然后从示例中推广出来，找出如何获取 站上的所有数据。收集的数据存储在import.io的云服务器上，可以下载为CSV，Excel，Google表格或JSON并共享：可以从数据生成API，允许他们轻松地将实时Web数据集成到自己的应用程序中或第三方分析和可视化软件。
9
Metafor Package in R
http://www.metafor-project.org/doku.php
Metafor Package in R是一个免费的开源插件，用于在统计软件环境R中进行Meta分析。它由一系列功能组成，允许用户计算各种效果大小或结果测量，适合固定，随机和混合，对这些数据进行影响模型，进行Meta回归分析，并创建各种类型的Meta分析图。
10
Parsifal
https://parsif.al/about/
11
系统综述数据库（SRDR）
SRDR是由医疗保健研究和质量机构（AHRQ）制作，用于系统综述或荟萃分析的数据提取和管理。通过可搜索的系统综述档案（以及从荟萃分析研究中提取的数据），数据管理变得更加容易。SDSR允许您使用即时验证检查创建自己的“抽象表单”。
12
Rayyan
13
RevMan
http://community.cochrane.org/tools/review-production-tools/revman-5/revman-5-download
RevMan软件用于开发Cochrane系统综述。它可以帮助构建评论，建立纳入和排除研究的表格，并对研究数据进行Meta分析。
14
RobotReviewer
https://github.com/ijmarshall/robotreviewer
RobotReviewer是一种机器学习系统，可自动评估临床试验中的偏差。RobotReviewer获取临床试验 告的全文，即可返回完整的Cochrane偏倚风险工具，包括其判断的理由。
15
SWIFT-Review
https://user.sciome.com/login
SWIFT-Review（SWIFT是“Sciome Workbench for Interactive computer-Facilitated Text-mining”的首字母缩写），是一个免费提供的交互式工作台，它提供了许多工具来协助问题的制定和文献优先排序。SWIFT-Review通过提供可用于以交互方式搜索，分类和优先处理大型（或小型）文献的若干功能，将系统评审专家置于控制的位置。SWIFT-Review利用新开发的统计文本挖掘和机器学习方法，允许用户在文献语料库中发现过多的主题，并对文档进行排序以进行人工筛选。
16
Systematic Review Accelerator
http://crebp-sra.com/
该系统综述加速器（SRA）是一种可用于协助开展系统综述，模块化设计。使用Deduplicator自动重复数据删除器；使用单词频率分析器分析出现在文章列表的标题，摘要和关键字中的唯一术语的数量，以帮助进行搜索策略开发；使用Polyglot搜索语法翻译器，采用Ovid Medline或PubMed搜索策略，并将其转换为CENTRAL，Embase，CINAHL，Web of Science，Scopus和PsycInfo的正确语法；使用EndNote Helper热键，快速为EndNote中的组分配引用，以便更轻松地筛选搜索结果。
17
Systematic Review Database SRDB.PRO
Systematic Review Database SRDB.PRO是一个用于管理和帮助系统综述（托管或企业）软件工具。其可以使团队合作并分享结果，通过数据提取 格，包括处理、结果和各种数据列，可以输入提示并选择数据类型以帮助提取过程，还可以为项目创建 告模板，也可以从可用的模板中选择。
18
SUMARI
https://www.jbisumari.org/faq.html
SUMARI是统一管理，评估和信息审查系统的软件;旨在帮助健康， 会科学和人文科学等领域的研究人员和从业人员评估和综合可行性，适当性，意义和有效性的证据; 并对活动和干预措施进行经济评估。
小编已为大家整理了meta分析写作的电子资料
分享至朋友圈，把截图发到后台，在后台上回复“meta分析资料包”领取
南博屹相伴，科研不孤单
▼
声明：本站部分文章及图片源自用户投稿，如本站任何资料有侵权请您尽早请联系jinwei@zod.com.cn进行处理,非常感谢！