Meta分析纳入研究的结果都显著，合并结果却没有统计学意义，软件出错了吗？

Meta分析是大量汇总同一选题的单个研究，对统计结果进行二次分析，得到新的单一估计值及95%CI的定量分析方法。Meta分析可以解决研究间的不一致性，得到更为客观、准确的结果。

在阅读文献时，Meta分析森林图里的原始研究，大多都表现出不一致的结果：部分研究有统计学意义，部分研究则没有（如下图所示）。

然而，有时候我们也能看到一些特殊的森林图，不少人可能会觉得奇怪，也不知道怎么解释结果。

全部纳入研究都是阳性结果，合并结果却是阴性

这种情况难得一见，但并非不可能，下方的森林图是个很好的例子。

两个有统计学意义的研究，经过meta分析合并后，结果变成意义不显著，这是什么鬼？

究其原因，涉及到随机效应模型的统计原理，简单地说，随机效应模型的置信区间往往比较宽。以上面的森林图为例，两个阳性结果研究的异质性比较大（P = 0.05，I2 = 73%），合并后的RR值取值在两个研究的RR值之间（0.34-0.59），但置信区间变得更宽，恰好包括了1，于是得到了阴性结果（P = 0.07）。

还有一种情况会出现类似的结果：两个（或多个）研究的结果都为阳性，但方向不一致（部分研究为正相关，部分则为负相关）。正、负两方的效应值相互影响，使得合并结果向无效线接近。