Meta分析是指用统计学方法对同一课题的多项独立研究的结果进行系统的、定量的综合性分析，以提供量化的平均效果来回答研究的问题。其优点是：(1)通过增加样本含量，提高检验效能，来增加结论的可信度，(2)解决了多个研究结果之间不一致性的问题。

Meta分析的一般步骤如下：(1) 明确简洁地提出需要解决（Meta）的问题；(2) 制定检索策略，全面广泛地收集研究结果（大部分为已发表的论文，未发表也可以）；(3) 确定文献的纳入和排除标准，剔除不符合要求的文献；(4) 资料选择和提取，包括原文的结果数据、图表等；(5) 各研究的质量评估和特征描述；(6) 统计学处理：a.异质性检验（齐性检验），b.合并效应量并进行统计推断，c.图示单个试验的结果和合并后的结果（森林图），d.敏感性分析，e.了解潜在的发表偏倚（漏斗图等）；(7) 结果解释、作出专业领域的结论与评价；(8) 维护和更新资料。 问题：medrivx中的文章是否可以使用？？

Cochrane协作网是以已故的英国著名流行病学家和内科医生ArchieCochrane（1909-1988）的姓氏命名，在英国合法注册的一个非营利性国际学术团体。该协作网成立于1993年，截止2011年8月已发表了4714篇系统综述和2033篇研究方案，该协作网被评为“医疗卫生干预效果可靠证据的”。 上面都是官方的说辞啦，其实Cochrane协作网就是一个组织，他们主要是不辞辛苦地人工地做医学文献评价和Meta分析，以此为高质量的医疗提供证据。它出品的Meta分析文章质量较高，因为在文章写作之初他们就要求作者去官网上注册，同时要求作者写出Meta分析文章的研究方案，在文章发表之后每隔2-3年还会对Meta分析文章进行必要的更新。当然不是说它就天下独尊了，至少他们更为努力，值得鼓鼓掌哈。

系统评价中不同研究间的变异称为异质性。其来源主要有：1、研究内的变异，即来源于同一总体的不同研究间因为随机抽样误差，得到不同的结果，这种差异可用组内方差估计；2、研究间变异，变异是由于对象来自不同的总体而导致的研究结果不一致，假设不同总体的效应差异是受某些随机因素所致的，故认为总体差异是随机的，称为随机效应，它描述了研究组间的变化。 上面又都是理论了。咱看看实际意义吧，就是说如果在你的Meta分析中不分析你所纳入的各个研究的异质性的话，有可能将差异很大的结果混在一起分析了，导致分析出的结果啥也不是。举个栗子，你把我国生产的各种梨子放在一个篮子里，Meta分析说我国产各种梨子的平均直径是多少，可信区间如何；但是如果你把梨子、苹果、还有菠萝等水果放在篮子，然后……恐怕就不好说了。 异质性性检验主要有图示法和统计学检验两大类。图示法只要有森林图（Forest Plot）、拉贝图（L’ Abbe Plot）和Galbraith星状图（Galbraith Radial Plot）。统计学检验主要有Q值统计量、I2统计量和H统计量等等。具体检验方法我们将在以后单独详述。

固定效应模型（Fixed EffectsModel）的统计方法假设各个个体研究的方差齐，这样其效应大小综合估计的方差只包括各个个体研究内的方差。随机效应模型（Random Effects Model）不假设各个体研究方差的齐性，其效应大小综合估计的方差既包括了各个个体研究内的方差，也包括各个个体研究间的方差。所以随机效应模型所得结果的95%CI比较大，结果也更为保守。固定效应模型的统计方法主要包括Mantel-Haenszel法、Peto法、General Variance-Based法，随机效应模型的统计方法主要是Der Simonian And Larird方法。 言而总之。它们是干嘛的呢？刚才不是说了异质性吗，固定效应模型就是用来进行“没有异质性的各个个体研究”的效应合并，随机效应模型呢就是用来进行“有异质性的各个个体研究”的效应合并。大体上可以这样说，严谨一点的话“有异质性的各个个体研究”就不该合并效应，应该进行亚组分析、敏感性分析或Meta回归分析。

敏感性分析是指改变某些影响结果的重要因素，如纳入标准、研究质量的差异、失访情况、统计方法和效应量的选择等，重新进行Meta分析，观察合并效应是否发生变化，从而判断结果的稳健性。若敏感性分析的前后结果没有本质上的改变，说明Meta分析结果较为可信；若敏感性分析得到不同的结果，提示存在与效应相关的潜在影响因素，在结果解释和下结论时应该非常慎重。 敏感性分析就是看你的Meta分析结果稳不稳定。

发表偏倚是指阳性结果的研究容易得到发表，而阴性结果一般作者不愿投稿或者死在审稿人手里的较多，这就有可能造成“已发表的研究结果”对某一干预效果的片面夸大。有人的研究显示，阳性结果的文章比阴性结果的文章容易发表，二者相差3倍之多。控制发表偏倚的唯一办法就是搜集到所有的研究，包括已发表和未发表的。那么在Meta分析中我们只能尽力去规避发表偏倚的风险，同时识别发表偏倚是否存在，以期对Meta合并的效应有一个客观的认识。 发表偏倚的识别方法有漏斗图法及其检验、失安全系数法（Fail-Safe Number）、剪补法（Trim And Fill Method）、森林图和累积森林图法等。同时，近年来日渐盛行的临床研究注册也可以控制发表偏倚的产生。临床研究注册就是在研究之初去某一个官方的或公益的地方注册自己的临床研究，并得到一些临床研究方法的指导和质量控制的监督，这样该研究不管结果是阳性还是阴性，都会更容易得到发表。

失安全系数（Fail-Safe Number）是用来计算Meta分析的发表偏倚的大小的。它的概念是需要多少阴性的结果才能使目前的Meta分析结果失效，失安全系数越大，说明发表偏倚越小，其结果越稳定。有文献认为一个Meta分析中失安全系数的最小可接受值为5k+10，K是该Meta分析纳入研究的数量。

除了发表偏倚以外，系统综述中还存在定位偏倚（LocationBias）、语言偏倚（Language Bias）、引用偏倚（CitationBias）和多次发表偏倚（Multiple Publication Bias）等等。这些偏倚都会或多或少的存在，所以尽量控制就行。 定位偏倚是指在文献检索中采用的检索策略或检索工具不具有代表性，如仅检索中文数据库；语言偏倚如仅收录英文的文章出现的偏倚，因不同语种对发表研究的倾向性不同，如德文杂志较英文杂志更倾向于发表阴性结果的研究等。引用偏倚是指研究中引用阳性结果的参考文献更多于引用阴性结果研究的倾向。同时，阳性试验的结果有时会被多次发表，因此增加了它们被引用的机会。