投必得學術在本期教大家快速瞭解Meta分析的必備入門常識以及常規的研究套路。
要說不做實驗卻發文章的，也就這麼三款：
一個是系統性的綜述，但這對晉升職稱、升學畢業並沒有加分作用，充其量是湊個文章數量；
其二是生信類的數據挖掘，雖說入門之後，文章量產的速度很快，但這個入門門檻高，光是R語言中各類packages的靈活處理就要花數把月進去了。
第三類就是我們今天要介紹的Meta分析。Meta分析的入門門檻低，在大多數單位晉升職稱還是認可的，特別適合流水線的批量產文章需求。接下來，小編教你如何快速入門Meta分析。
什麼是Meta分析呢？
Meta分析是一種對獨立研究的結果進行統計分析的方法，在臨床研究中應用普遍，通過對研究結果間的差異的來源進行檢查，如果結果具有足夠的相似性而能用這種方法，便可對結果進行定量合成。
Meta分析的原則是對納入的每一項研究計算其統計量，對每項研究統計量賦予權重，計算整體的效應值。
根據研究的方式和數據類型分類：
①網狀meta分析；②累積meta分析；③前瞻性/回顧性meta分析；④個體病例資料的meta; ⑤系統評價再評價等。
根據納入的原始數據的研究類型分類：
①隨機對照研究；②非隨機對照；③隊列研究；④病例對照研究；⑤橫斷面研究等
Meta分析意義有哪些意義呢：
①提高研究精度；②增加檢驗效能；③解決單一研究沒有提出來的科學問題；④ 解決多個研究結果相矛盾的爭議或者假說。
Meta分析的適用範圍：
①有足夠的可以相互比較、針對於同一科學問題的研究論文做支撐，最少為7篇以上；②對於每個研究，有可以提取meta分析合併治療效應的某一格式的數據，以及每一個研究都有對研究特徵的詳細描述。
Meta分析邏輯框架—PICOS原則：
P：Participant，研究對象，根據診斷標準分類，人口學的特徵選擇，包括國家、治療區域、疾病亞群、排除的類型；
I：Intervention，干預措施，治療方法的選擇、強度、是否有變更、頻率、是否是聯合治療；
C：Comparison，對照組；
O：Outcome，研究結局，分清主要結局指標和次要結局指標；近期結局指標和次要結局指標；
S：Study design，研究設計，包括平行實驗、交叉實驗、橫斷面研究、個案研究、病例-對照，隊列研究等。
Meta分析的數據庫來源與選擇：
①外文的包括：Pubmed, Cohrane, Ovid, Web of Science, Scopus, Embase, Medline等。
②中文的包括：中國知網，萬方數據庫，維普數據庫，中國生物醫學等。
Meta分析檢索式的確定：
根據PICOS原則，進行P+I+C+O+S的主題詞配合自由詞的檢索
Meta分析製作流程九步走：
①選擇合適的科學問題為切入點，可以參考熱門綜述追蹤臨床前沿熱點，參考臨床疾病指南，也可以參考已經發表的同領域的meta分析文章進行排列組合或者把前幾年發表的meta分析的研究內容再做更新研究；
② 制定合理的納入和排除標準；
③在不同的數據庫中進行檢索；
④對文獻內容進行篩選和質量評估；
⑤提取和彙總數據；
⑥數據處理統計；
⑦對所得的結果進行處理和解釋；
⑧進行文章撰寫；
Meta分析中的這些常用術語介紹：
效應量分類：
相對危險度(relative risk,RR): 暴露組的危險度(測量指標是累積發病率)與對照組的危險度之比。
比值比(odds ratio,OR): 表示疾病與暴露之間關聯強度的指標
風險比（hazard ratio,HR）［HR=暴露組的風險函數h1(t)/非暴露組的風險函數h2(t),t指在相同的時間點上］。
歸因危險度（AR）,又叫特異危險度、率差（rate difference, RD）和超額危險度（excess risk），是暴露組發病率與對照組發病率相差的絕對值，它表示危險特異地歸因於暴露因素的程度。
Meta分析的五大必備數據圖表：
①流程圖，對文獻納入和剔除的過程的介紹，描述文獻檢索，去除重複文獻，根據題目摘要再篩選，根據全文再三次篩選，定性和定量分析的過程；
②基線資料彙總，根據臨床中不同的因素進行亞組間的分析，包括單因素分析、多因素分析。用table進行展示。
③效應量合併(Fixed effect model and Random effect model)，根據主要結局指標和次要結局指標進行分類，用森林圖進行展示。
④異質性（P heterogeneity, Cochran’s Q test and Higgins l-squared）和發表偏倚分析(Begg’s funnel plot)，分析內容包括亞組分析、敏感性分析、Meta迴歸分析、發表偏倚（漏斗圖、Begg’s funnel plot），用table和圖表進行展示、或者可以用文字描述代替。
Meta分析常用軟件彙總：
Stata、RevMan、R、Meta-DiSc
閱讀更多 三個魯班 的文章
