你知道Meta分析的失安全系数吗？

失安全系数分析法

失安全系数分析法 (fail-safe number, Nfs)是meta分析的敏感性分析方法之一，它由Rosenthal在1979年提出，代表着当Meta分析的结果有统计学意义时，最少需要多少个未发表的研究报告（特别是阴性结果的研究）才能使研究结果发生逆转。

Nfs越大说明Meta分析结果越稳定，结论被推翻的可能性越小；反之，结论被推翻的可能性越大。因此，Nfs可以在一定程度上反映Meta分析结果的可靠性。

P为0.05和0.01时Nfs的计算公式如下：

Nfs,0.05=(ΣＺ/1.645)^2-k (0.05水平)；

N fs,0.01=(ΣＺ/2.33)^2-k (0.01水平)。

公式中Ｚ为各独立研究的Ｚ值，k是研究个数。Nfs越大，尤其是当Nfs明显大于"5k+10"时，说明Meta分析结果的可靠性较好，被推翻的可能性小，结论受发表偏倚的影响不大。

Meta分析的科学之处就在于根据文献质量给不同的研究赋恰当的权重，但由Nfs的计算公式看出，Nfs的计算却未再考虑权重的问题，主要原因就是Nfs方法是在假定所有发表和未发表研究的样本量相似的情况下得到，基于这个假设的话，权重问题就基本不用再考虑了。

但是，不同研究的条件、时代背景、样本来源不可能都一致，因而发表和未发表研究的样本量相似的假设在实际情况下往往并不成立，如小样本研究不能发表的几率高于大样本研究，从而造成发表偏倚被低估。

此外，如果所有未发表研究的平均效应的方向与已发表研究相反，则Nfs可能得出误导性的结果，而这种相反在科研中也是很常见的。

另一方面，如果Meta分析存在发表偏倚，但只要纳入研究的个数较多，Nfs也会很大，而用很大的Nfs判断发表偏倚应该是基本可排除发表偏倚，这也与实际情况不符。

Nfs在使用上存在很多限制和局限性，这就使Nfs在评价发表偏倚时失去了应有的意义。在判断发表偏倚时，单用Nfs的话，效果欠佳，建议结合其他发表偏倚的判断方法进行。