近年来，有关Meta分析的研究如雨后春笋般增长，但有些Meta分析并不严谨，严重影响了结果的可信度，甚至导致错误的结论。 在进行Meta分析时应保证结果客观、公正、可靠，并且应当注意以下十大原则。



1、研究方案的注册

虽然目前仍有不少Meta分析在发表时未进行注册，其中也有一些发表于高分SCI期刊，这取决于审稿人和期刊的要求，为了避免不必要的麻烦，建议大家在开始meta分析前一定要将方案注册。
建议在PROSPERO数据库（https://www.crd.york.ac.uk/Prospero）中预登记系统评价的方案。

2、PICOS原则

PICOS是Participants（研究对象），Intervention（干预），Control（对照），Outcome（结局），Study design（研究设计）的缩写。 PICOS原则不仅是构建临床问题的基础工具，也是帮助我们设计检索词，用标准化的方法阐述临床问题。

3、遵循一定的规范进行

目前广泛使用的是PRISMA声明（系统评价和Meta分析优先报告条目）。在meta时需要严格按照指南进行，这不仅能够保证结果的可靠，根据指南要求按部就班的进行也能提高分析的效率。 目前常用的指南有QUORUM声明（RCT的Meta分析报告规范），MOOSE声明（观察性研究的Meta分析报告规范）。


图1. Prisma 声明清单


4、是否列出排除试验论文清单并说明理由

在发表文章时，有些审稿人和杂志会要求提供此清单，但往往容易被忽视，在筛选文献时做好详细的记录也能够帮助自己理清思路，更加客观得评价文献。

 

5、记录和研究报告须完整

除了排除的理由需要说明外， Meta分析采用的检索策略，纳排标准，纳入研究的质量评价等也需要详细记录。 可以建立一个电子表格，记录分析过程中的每个步骤，不仅有助于构建流程图提高Meta分析的质量。 如果将来需要对该Meta分析进行更新，这些记录也大有用处。

6、检索应当全面

检索应保证全面、精准，可以在几个数据库中进行系统检索，例如PubMed，Embase，Cochrane数据库，Scopus，Web of Science和Google Scholar。 中文数据库可选择知网、万方、维普等。 综述类文章和纳入研究的参考文献也有助于发现更多相关文献。

 

7、联系研究者获得缺失数据

进行meta分析时可能会遇到原始研究的正文或者附录文件缺乏分析所需要的关键数据，这时通常只能联系作者获取。 可以通过文章中的联系方式，或查询作者所在单位的信息联络作者。


8、投稿时应提供完整的分析数据

Meta分析的文章中应当列出原始研究完整信息的表格（如作者、年份、纳入人群、性别、病程、诊断标准等），既可在正文中也可以作为附录文件。 应该指出所使用的Meta分析和生成关键图（例如森林图）的软件。 应报告汇总的效应值，例如pooled odds ratios，包括置信区间。


9、使用规范软件进行统计

常用的分析软件有revman，也有一些是统计包，例如Stata或R软件，可以处理绝大部分Meta分析的任务，甚至是复杂的Meta分析，例如网状Meta分析、GWAS和基因表达研究的Meta分析。

 

10、meta分析的质量评价

Meta分析最终要为临床服务，因此评价其质量至关重要。 AMSTAR量表是当前最为推荐的工具。 该量表在2007年由来自荷兰Vrijeu niversiteit大学医学研究中心和加拿大渥太华大学的临床流行病学专家们在英国医学委员会期刊BMC Med Res Methodol上发表的名为“Development of AMSTAR: A Measurement Tool to Assess Systematic Reviews”的专论正式得名，目前已更新至版本2，包括16个条目¹。 AMSTAR的相关信息可以在网站https://amstar.ca/Amstar_Checklist.php得到。


参考文献
1. Shea BJ, Reeves BC, Wells G, Thuku M, Hamel C, Moran J, Moher D, Tugwell P, Welch V, Kristjansson E, Henry DA. AMSTAR 2: a critical appraisal tool for systematic reviews that include randomised or non-randomised studies of healthcare interventions, or both. BMJ. 2017 Sep 21;358:j4008.