meta分析(Meta analysis)是对多个目的相同而相互独立的研究结果采用合并效应量(effect size, ES)也称效应尺度(effect magnitude)进行综合分析和再评价。它包括了问题的提出、研究资料的收集、数据分析及报告结果等基本步骤。如各研究结果具有良好的同质性，则可选择固定效应模型(fixed effect model)；如存在质异性，则宜选择随机效应模型(random effect model)。对于计量资料常用的效应尺度有均数之差、相关系数等，对于分类资料常用的效应尺度有比数比(OR)、相对危险度(RR)和率差(RD)等。目前meta分析在循证医学、临床试验、诊断试验和流行病学研究等方面得到了广泛的应用。
1、什么是meta分析？
在医学科研中，针对同一问题常常同时或者先后有许多类似的研究。由于研究对象数量的限制、各种干扰因素的影响以及研究本身的或然性等原因，许多研究结果可能不一致，甚至相反。要获得公认可信的结论，有两种解决方法，一是通过严格设计的大规模随机试验进行验证；二是通过对这些研究及其结果进行综合分析和再评价，有时随机试验结果本身也需要综合。前者基于条件的限制往往难以实现，后者由于可利用一定的统计方法完成，有很高的“效价比”而被广泛采用，这种统计方法就是所谓的meta分析。meta分析最初应用于教育学、心理学等社会科学领域，1976年由Glass命名为meta analysis。它是通过搜集已有的或未发表的具有某一可比特性的文献，应用一定的统计学方法综合多个目的相同而相互独立的研究结果得出一个量化的合并效应结论，或者得到同类研究为什么会有不同结果的有关原因的提示，具有较强的科学性和可重复性。常用于临床试验、诊断试验和流行病学研究等方面的综合评价。
2、计量资料的meta分析
计量资料进行meta分析可根据研究目的选择均数之差、相关系数等作为效应尺度，再根据异质性检验结果选择不同的分析模型。若各研究间具有同质性，则采用固定效应模型；否则，应选择随机效应模型。固定效应模型一般采用Inverse-variance法(倒方差加权法)，随机效应模型则是在Inverse-variance法基础上，采用DerSimonian-Laird法，引入校正因子对固定效应模型中的权重进行校正后再计算合并效应量及其95%可信区间。
3、两分类数据的meta分析
两分类数据资料进行meta分析可选择OR、RR和RD(相当于队列研究中的归因危险度(attributable nisk, AR))等作为效应指标，再根据异质性检验结果选择不同的分析模型。若各研究间具有同质性，则采用固定效应模型；否则，应选择随机效应模型。
4、诊断试验的meta分析
诊断试验的meta分析与一般的随机对照试验的meta分析不同，选择的文献要有明确的诊断金标准，并可直接或间接获得诊断试验的真阳性数(TP)、假阳性数(FP)、假阴性数(FN)、真阴性数(TN)等原始数据。
