真的很恶心，Meta分析反反复复就这些！
做Meta分析很关键的一步在于数据分析，数据分析不仅要求我们掌握相关统计学知识，更要求我们学会应用各式各样的图形来展现我们的研究结果。图形对结果的展示具有独特优势，今天给大家分享几种常见Meta分析图如何解读：
1 森林图
- 纳入了11篇文献，从文献中可推测出作者姓名和发表年份。
- 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和P值同时报告。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。
左侧部分可以看到的信息包括：
- 汇总分析的值
- 异质性统计量
右侧部分可以看到的信息包括：
- 采用固定效应模型；
- 坚线左侧（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，横线为两端对应95%CI的下限、上限；
- 菱形块代表汇总数据的点估计和置信区间，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报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，但目前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的，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，此时可用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分析报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固定标准，需要临床医生结合自身的专业知识和临床经验进行判断。
以预防ICU患者应激性溃疡的Meta分析为例，需判断不同药物选择（质子泵抑制剂、硫糖铝）、不同给药途径（口服、静脉）、不同临床科室（内科ICU、综合ICU）是否均为引入临床异质性的因素，根据这些因素进行亚组分析，处理临床异质性的来源。
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？此时可参考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，可以指导指南制定和临床实践；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，现在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报告这一问题，因此在阅读Meta分析报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，这个样本量真的是足够吗？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分析中因多次中止数据而增加的I类和II类错误风险，给出了预计需要的样本量。
以上就是今天的分享啦，你学会了吗？
真的非常建议科研小白们去学习Meta分析。
首先Meta分析人人可接触，成本低，我们在菜鸟阶段，如果能有几篇Meta分析SCI，也是不错的“垫脚石”！能帮助我们获取很多的升学或者就业机会！
其次，很多人说自己科研基础不好，基础到底怎么练呢？看教材吗？并不是，科研基础的夯实就是在一次又一次的实践中练出来的！如果你完整的跟完一个Meta分析项目，像文献检索、文献筛选、统计分析、SCI写作技能都能练习到！
