Meta分析的这些问题（异质性、选题、作图），你肯定遇到过，但正确解决了吗？
常言道：工欲善其事必先利其器、磨刀不误砍柴工，然而现代人总会以“我很忙”为借口，不学习理论知识，直接动手操作，如同不懂交通法规就开车上路，遇到问题就茫然不知所措。还有一些人“善于”思考，脑洞异于常人。
在meta分析的学习路上，这样的人很多，有小白，有实践者，更有审稿人。下面给大家分享几个实例，也想对这些故事的主人公说一句：求求你们了，放过meta分析吧！
A：异质性过大，异质性来自其中一篇文章，去掉这一篇I2能从86%降到0%，能不能剔除这篇文献？
建议：遇到问题懂得思考和探索是非常好的，如果有更深入的专研，距离找到答案就不远了。
“异质性过大，排除某篇文献后异质性降低了，剔除这篇文献做meta分析”，如果这个观点是合理的，所有的meta分析都不会出现异质性显著的现象，那为什么还会有固定效应模型和随机效应模型的区别呢？
其次，I square和Q检验都是评估纳入文献间的统计学异质性是否显著。没有统计学异质性，不代表没有方法学和临床异质性，世界上没有两片完全相同的叶子，也没有两个完全相同的研究，因此异质性是必然存在的。
相对于追求所谓的异质性不显著，莫不如通过亚组分析、meta回归等方法探讨异质性来源，或讨论异质性对结果的影响。
B：通过读全文，发现想要的干预措施变为了原文的对照措施，是不是这篇文章就可以删除了呢？
建议：提问题最好把已知条件都说明清楚。
计划做A（干预） vs. B（对照）的meta分析，文献以A作为对照，要不要排除，难道你不应该同时把文献的干预告诉大家吗？
如果该文献的干预是A，那么B vs. A跟A vs. B有半毛钱差别吗？这样的研究当然可以纳入。
C：请问一下，在知道A方案的不良反应比B方案多的情况下，如果出现不良反应B方案多的研究，这个时候可以不把这篇研究纳入meta分析吗？
建议：请记住，Meta分析解决的是有争议的问题！
假定已知A方案的不良反应比B方案多（全世界都认同），还需要做meta分析吗？然而，有研究发现B方案的不良反应更多，说明结果依然有争议。
在过去的几十年，meta分析/系统综述的结果推翻了不少共识和指南，改变了临床实践和医疗决策。墨守成规，排挤“异类”，我们还能得到发展吗？
D：最近做meta分析，共纳入5篇文献，这5篇文献明确说了，与性别无关，合并统计量时发现P=0.005，居然有意义，表明与性别有关系。森林图显示五条线均与无效线相交，说明与性别不相关呀，可结果是P=0.005？不知何解？
建议：恶补统计学知识。
不知道有多少人以为meta分析的重点是学习软件操作，却不知操作是最没有意义的。软件操作就那么一些内容，看看教程或者找人请教，一两天就能学会，剩下的无非就是巩固练习和灵活运用。但是，理论知识的学习对很多人来说是枯燥乏味的，而且看不见效果。
为什么原始研究都没有显著差异，meta分析结果显著？样本量增加了！相同条件下，样本量越大，越能发现显著差异。这也是meta分析的作用，通过对多个研究结果的合并，增大样本量，改善效应估计值。
E：投了一篇中文meta分析，Revman 5.3做了漏斗图，具体图如下，结果编辑的退修意见是：线条图横纵坐标交点应为原点，即为0点，请修改。我该怎么改呢？
建议：给编辑科普一下漏斗图的原理。如果你也不懂，翻一翻meta分析教材。
首先这个图不叫“线条图”，是“漏斗图”。其次，请仔细看看，横坐标是“RR”，也就是相对危险度，在meta分析里它不为0，只会无限接近于0。最后，纵坐标是se(log[RR])，软件默认0点在上方，不能修改。
当然，如果你虚心接受这位编辑的意见，按要求修改图形也无不可，前提是懂得这个漏斗图是按什么原理做出来的，然后用Excel重新做一个。
F：最近投了一篇meta，有一篇发表在NEJM的RCT样本量很大，大概占了整个meta分析的1/3，meta分析结果跟这个RCT结果基本一致。杂志审稿人让解释本meta分析的目的性，提到这个大样本量的RCT因为验证出阴性结论而提前终止。我该怎么解释这个meta的目的性和存在意义，写这个文章肯定是我觉得有意义啊，然而审稿人觉得有NEJM的RCT，我的meta分析没有意义，我要怎么才说的清楚？
建议：放过meta分析吧！
对啊，怎么样才能说清楚meta分析的意义呢？这不是在开始研究之前就想好的吗！为什么要做meta分析，这个meta分析的目的和意义是什么，这些问题没弄清楚，只因为“我觉得有意义”就下手去做，众人皆醉我独醒的寂寞是不是让你无比忧伤？
毫无疑问，只要有数据就可以做meta分析，但meta分析需要解决有争议的问题，需要有创新性的结果和观点。不管是在大样本研究的基础上增加小样本研究做meta分析，还是对已发表的meta分析更新，如果只是单纯的增加了样本量，以此说明“有意义”，meta分析结果则没有任何的亮点，那就毫无意义。
如果连自己为什么要做meta分析，研究的意义是什么都说不清楚，求你了，放过meta分析吧！
内行看门道，外行看热闹，前人花了数十载完善meta分析的理论体系、统计学基础和软件程序，meta分析在全球广泛推广，应用领域也越来越广泛，可在我们这片土地，后人用短短几年时间将它烙上了“灌水”的标签，是谁的功劳？
你想系统学习meta分析吗？扫码看课程！
