Meta分析越来越难发高分SCI？其实也不难，只要你做到这4点！

Meta分析作为一种比较成熟的方法，随着方法学的广泛传播、软件操作的熟练，很多人都可以快速掌握meta分析的流程和撰写文章。

通过PubMed检索标题包含“meta-analysis”的文献，可以发现meta分析文献的发表数量是逐年快速增长。

既然meta分析发表数量越来越多，那发高分不是必然趋势吗，为什么越来越多的人认为不好发高分呢？在我看来，根本的原因是：大部分人都没有用心去做meta分析，只是将meta分析当做灌水、碰运气的工具。

SCI杂志的主编、审稿人对meta分析的审核标准，也使得文章的发表出现两极分化：高分杂志收录的都是高质量的meta分析，低分杂志的稿件则良莠不齐，甚至全是灌水的meta。

Meta分析要想发高分，建议做到以下4点

1 寻找创新性好的选题，而不是简单模仿

Meta的核心价值就是选题，选题的好坏决定了文章价值的高低。要想发高分，不能简单的模仿，需要有创新思维。
举个例子：

现在已经有这么一篇meta分析发表：肥胖与死亡风险关联的meta分析如果我们再做一篇：肥胖与心血管疾病死亡风险关联的meta分析，或糖尿病与死亡风险关联的meta分析，这都是模仿。
可是，如果做的是：糖尿病患者中，肥胖与心血管疾病死亡、全因死亡的风险关联的meta分析。这个选题的创新性就更突出了。

2 明确分析目的，而不是盲目跟风

总有人说，审稿人质疑我的统计方法、纳入标准、研究目的不合理、不够清晰，但我看其他文献都是这么处理的，我该怎么回复？还有人抱怨说，审稿人认为我的选题没有意义，他是不是不懂？肯定是这个选题有意义，我才做的。如果你也遇到类似的状况，建议你先冷静下来，然后思考，你为什么要做这个meta分析。不是思考你的目的（发文章），而是这个选题能做meta分析的理由（争议性、临床意义大、有高质量的原始研究）。想清楚后，请在文章的前言中，详细的论述选题理由及分析目的。

3 关注问题的临床意义，而不是合并结果的统计学意义

杂志的主编们、审稿人，往往更关注的是选题本身的吸引性，而不是合并结果的统计学意义。如果说，选题是“1”，那么纳入文献数量、研究质量、合并结果的显著性、发表偏倚等都是“0”。没有了前面的“1”，后面的“0”将变得毫无意义。
The BMJ主编Kamran Abbasi博士阐述了他们对稿件的偏好：实际上我们更看重研究问题，而非研究结论。按照这个逻辑，你提出了一个有意义的、重要的、事关临床诊治或政策制定的问题，然后你用了力所能及的最好研究方法来回答这个问题，那么无论你得出的结论如何，也应是有价值的。
这也是很多杂志所倡导的，问题比结果重要，与其模仿别人，优化方案，得到“理想”的结果，获得“有意义”的结论。不如提出一个具有创新性、启发性的问题。

4 客观真实的阐述结果，而不是想办法消除异质性

总有人误解meta分析，以为有显著异质性的meta分析不能发表，于是想尽各种办法找到带来异质性的文献，并打算剔除这些文献。

这种做法是不可取的。要知道，meta分析的异质性其实包括三类：临床异质性、方法学异质性和统计学异质性。根据I square和Q检验等方法，评估的是统计学异质性的大小。我们可以找到影响统计学异质性的文献，但往往解释不了具体是什么原因带来的异质性。

另外，异质性检验是在确定纳入文献并整理研究结局的相关数据之后的。此时再因为某篇文献带来的统计学异质性而剔除之，不符合操作流程。

最重要的是，在确定选题、制定纳入排除标准的时候，就确定了纳入研究可能存在的临床及方法学异质性，

Meta分析的异质性是不可避免的，重要的不是消除统计学异质性。而是客观真实的阐述异质性检验结果，并通过亚组分析、meta回归等方法分析研究类型、疾病分级、性别、疾病严重程度等临床、方法学异质性对统计学异质性的影响。