学习Meta分析，顺序一定要搞对！Meta分析全流程就看这篇！

对于刚接触医学科研的人来说，Meta分析确实是一个很好的起点。不需要做动物实验或细胞实验，主要依靠计算机进行数据处理，成本相对较低。

同时，基于高质量随机对照试验的系统评价与Meta分析，通常位于循证医学证据金字塔的顶端，临床参考价值很高。

循证医学证据金字塔

为了让大家能够系统地掌握这项技能，整理了一套分阶段的学习方案，涵盖了从最初的选题到最终完成研究的全过程。

第一阶段 建立理论框架与明确选题

在打开软件操作之前，必须先建立严谨的科研思维。

1.首先要理解核心概念，弄清楚系统评价与Meta分析的关系。

选题是Meta分析能否成功的关键：我们需要利用PICOS原则来构建一个具体的临床问题。

P代表Patient，即研究对象，要明确疾病类型及人群特征；

I代表Intervention，即干预措施，通常指某种药物、手术方式或诊断方法；

C代表Comparison，即对照措施，如安慰剂、传统疗法或另一种药物；

O代表Outcome，即结局指标，这是评价干预效果的具体参数，如死亡率、治愈率或某项生化指标的变化值；

S代表Study Design，即研究设计类型，Meta分析通常纳入随机对照试验RCT或高质量的队列研究。

2.此外，需要熟悉两个关键的指导性文件：

最新版的Cochrane Handbook是进行Meta分析的核心方法学指南，遇到具体的方法学问题时可以查阅。

PRISMA声明是Meta分析报告的标准撰写规范，最终完成的研究必须严格涵盖PRISMA清单中的各项要素，并绘制标准的流程图。

PRISMA2020流程图

第二阶段 文献检索策略与筛选

高质量的Meta分析完全依赖于全面且无偏倚的文献检索，如果检索不全，后续分析就没有意义。需要熟练使用PubMed、Embase、Cochrane Library和Web of Science这四大核心数据库，另外检索知网、万方等中文数据库。

构建检索式是这一阶段的核心技能：

需要学会结合使用MeSH主题词与自由词：

主题词能确保检索的准确性，自由词能保证检索的全面性；

通过布尔逻辑运算符AND、OR、NOT将这些词汇组合，构建出严谨的检索策略。

布尔逻辑图

完成检索后，使用EndNote或Zotero等文献管理软件对文献进行去重处理。

随后依据预先制定的纳入标准与排除标准，通过阅读标题、摘要及全文，严格筛选出符合PICOS要求的原始研究。这个过程必须客观严谨，建议由两名研究者独立进行并交叉核对。

第三阶段 统计学原理与软件操作

这是Meta分析技术的核心！

1.需要理解几个关键统计指标：

对于二分类变量，通常看相对危险度RR或比值比OR；

对于连续性变量，看均数差MD或标准化均数差SMD。

2.异质性检验是选择统计模型的重要参考：

通常用I²统计量量化异质性，其经验性解释为：25%可能表示低异质性，50%为中等，75%为高异质性。当存在不可忽略的异质性（如I²> 50%）时，通常首选随机效应模型，该模型考虑了研究间的变异。但模型选择不应仅依赖于I²的单一阈值，而应结合研究的临床同质性和方法学质量进行综合判断。

3.此外，还需要了解如何通过漏斗图及Egger’s检验来评估发表偏倚。

需要注意的是，Egger‘s检验在纳入研究数量较少（通常少于10项）时效能不足，解释结果需谨慎。

漏斗图

4.在软件选择上，初学者建议优先使用RevMan

这是Cochrane协作网官方提供的软件，采用菜单式操作，无需编写代码，界面直观且生成的图表符合国际标准。

掌握基本原理后，如果需要进行更复杂的分析，如回归分析或网络Meta分析，可以进阶学习Stata或R语言中的Meta包。

第四阶段 数据提取与质量评价

数据提取是将文献信息转化为可分析数据的过程，需要设计标准化的数据提取表，从每篇纳入的研究中提取第一作者、发表年份、样本量、干预细节以及具体的结局指标数据，包括均数、标准差及事件数。

1.必须对纳入的原始研究进行方法学质量评价：

对于随机对照试验RCT，应使用Cochrane风险偏倚评估工具即ROB工具。目前高质量期刊倾向于要求使用更新版的ROB 2.0，它从随机过程、偏离既定干预、缺失数据、结局测量和结果报告五个方面进行评价；

风险偏倚评价图

对于队列研究或病例对照研究等观察性研究，通常用纽卡斯尔渥太华量表即NOS量表进行评分。

2.在这一阶段，学会解读森林图：

森林图直观展示了每个研究的效应量及其置信区间，以及合并后的总效应量。通过观察代表总效应量的菱形是否与无效线相交，可以判断干预措施是否具有统计学意义。

森林图

第五阶段 全流程复现

掌握上述理论与技能后，通过复现已发表的高质量文章，来巩固所学是非常有效的实战方式。

选取一篇近三年发表的，中等以上影响因子期刊的Meta分析文章，下载纳入的所有原始文献，根据描述的方法重新进行数据提取、质量评价等步骤。得出的森林图与原文比对，如果结果一致，说明基本掌握了Meta分析的标准流程。

如果您刚接触科研、想先发一篇SCI文章入门，如果您没有临床数据、或者没有实验条件，那meta分析绝对是您的最佳选择！如果您在meta分析选题、统计分析等方面有困难，不妨来【医嘉研】学习！
【医嘉研】有专业的meta分析团队，提供选题到文章发表的一站式教学服务！并且为每一位学员建立专属服务群，配备专属伴学老师，提供多对一优质服务！同时采取灵活约课制度，不管您是平时有时间，还是晚上、周末有时间，都能匹配适合自己时间的授课老师！
【医嘉研】多年来不仅坚持授人以鱼，也坚持授人以渔，让您学完后不仅能得到一篇可发表的SCI文章，还能学会整个SCI的发表流程，在往后在临床工作中，也能举一反三，产出更多符合您自身实际情况同时也贴合临床实际的科研成果！
【医嘉研】专注医学SCI全流程指导，为您合理规划时间，靠谱且高效！

公司简介：
医嘉研是河北橙方信息技术有限公司旗下专注医学科研服务的品牌，公司坐落于河北石家庄CBD恒大中心，自 2019 年成立以来，始终专注于医学科研解决方案的研发与落地，围绕科研思维培养--科研技能实训--科研成果转化三大核心维度，为临床医生、医院科室及医学院校提供系统化、可落地的科研支持。公司已与多家医院及高校医学院建立战略合作关系，成为稳定可靠的院外教学实践基地，能够精准匹配临床一线的真实需求，让科研不再成为额外负担，而是与临床工作相互促进、协同提升。

业务简介：
一、针对临床医生、医学生，根据个人实际临床经验及科研条件，提供一对一个性化培训，提升科研思维、讲解科研技能，并指导其完成科研成果的转化（如产出高水平SCI、发明专利等）。
1.SCI论文辅导服务包含：
医学meta分析、循证医学分析[经典meta分析、网状meta分析(NMA分析)、伞状meta分析、含机器学习等高级统计分析方法的meta分析、预测模型、等等]；
临床研究辅导[临床公共数据库MIMIC、CHARLS、NHANES、UK Biobank、GBD、GCO等；临床数据分析；指导临床数据收集分析；等等]；
生信分析[基因差异分析、单细胞测序、多组学、空间转录组、孟德尔随机化、虚拟细胞等等]；
干湿结合[湿实验：细胞生物学实验、分子生物学实验、分子生物学实验服务、动物实验服务、细胞实验服务、等等]。
2.SCI论文辅导包含：课题设计服务、数据挖掘、数据清洗、数据统计分析服务、图表绘制服务、结果解读、写作指导、论文查重降重服务、论文翻译、论文润色、期刊推荐投稿服务、等等。
多年来，公司该项业务已累计有1000+学员的成功发表案例，口碑好，深受学员好评，被学员称为最靠谱、最专业、收费标准合理、性价比高的医学科研服务机构，在石家庄、乃至河北、甚至到全国都是排名前十名的高性价比选择。如果您正好有需求，不知道相关的服务商哪家好，具体多少钱，不妨来【医嘉研】学习，就能找到我们的联系方式，我们的服务及品质绝对不会让您失望！
二、针对医院具体科室，根据科室特点，结合前沿文献及AI技术，对科室进行科研相关指标量化指导，强化科室优势，并结合海量临床数据库及生信多组学分析方法等，为科室量身定制科研方案，并实现相应的科研成果转化；
三、针对医院，根据国家及地方卫健委、科技厅等部门的科研政策，结合医院学科优势与临床特点，协助医院整合院内跨科室资源，为医院申报科研项目类型（如重点研发计划、自然基金等）提供针对性指导，并协助完成目标课题申报。