六招教你提高 meta 分析的可重複性

知識 07-19

隨著循證醫學的理念深入人心，meta分析在幫助臨床決策方面扮演著越來越重要的角色。然而，meta 分析得出的結論就一定可靠嗎？另一方面，隨著新的臨床試驗結果不斷出現，如果能在既往的 meta 分析基礎上直接補充新數據，可以更加方便地更新已有的循證結果。

然而，有學者指出，目前已發表的許多 meta 分析結果，都是不準確或難以驗證的！

近日，來自EindhovenUniversity的 Dani?l Lakens 教授呼籲，meta 分析的研究者應當致力於提升研究的準確性和可重複性。究竟該怎麼做，讓我們來共同學習。

協助積累數據，使 meta 分析能「與時俱進」

公開原始數據，包括納入研究的效應量、樣本量，統計學方法和統計量等；為了避免誤解，對原文中數據的引用要明確；進行亞組分析時，應當引用原文中支持分組的依據，並且詳細闡述主觀看法；前瞻性 Meta 分析的基本思想與回顧性 Meta 分析相同, 但克服了回顧性 Meta 分析的發表偏倚等缺點，正在受到越來越多的關注;

公開數據，協助質量控制

應當詳細說明效應量的計算，以及當數據缺失時的處理方法。說明是誰提取及處理了數據，最好由兩位研究者獨立完成這一過程。作者指出了在質量控制方面 Meta 分析中常見的四類錯誤：

1. 效應量計算出錯：儘管目前對於 meta 分析結果重現的研究還比較少，研究者重做部分已發表的 meta 分析後發現，原文錯誤率可達 59%、63% 甚至 100%。錯誤率似乎並不受原作者提取數據經驗多少的影響；

2. 效應量計算不一致：對納入分析的所有研究，應選擇一致的效應量進行評估；

3. 效應量納入錯誤，或者具有一定主觀性；

4. 數據合并錯誤：這裡主要指的是效應模型的選擇。對於異質性差異明顯的數據，應當選擇隨機效應模型合并，然而由於隨機效應模型處理數據得出的置信區間較大，因此在判斷統計學差異時可能會造成一定的困難。

遵循指南

meta 分析最基本的要求是遵循指南，如 PRISMA。這些指南要求作者在正文中提供必要的信息以及在評審和出版後提供完整的支持材料;

寫明研究步驟

在進行 meta 分析研究前進行註冊，以明確是驗證性還是探索性的研究。在meta分析前最好寫一份詳細的研究步驟，典型的這種步驟包括：

1. 寫明要研究的主要、次要問題；

2. 對研究主題的簡要背景介紹；