其实统计学的知识我也不懂，虽然大学本科学过统计，读研的时候也上过统计课，但是当时的考试是如何通过的我已经忘了，写论文的时候用到的统计学知识并不多。SPSS接触过一点点，GraphPad也用过一点点，但其实我还是不怎么用的。前不久接触过二次成长的概念，我想，把这个概念用在学习上，那就是，自学，给自己第二次学习的机会吧！加油，与大家共勉！
meta分析的基本步骤
为了获得一份完整的meta分析报告，应从问题的提出、研究资料的收集、数据分析及报告结果等步骤着手。
1、提出需要并可能解决的问题，制订研究计划
问题一般来自于医学研究中的不确定或有争议方面，往往表现在相同目的的多个研究的结果不一致或相反。同时，由于生命现象的随机性，每次研究的结果很难完全一致，有时也需合并估计平均效应。确定了要进行综合评价加以解决的问题后还需拟订诸如研究目的、现况、意义、方法、资料收集与分析、结果解释、撰写报告等meta分析计划。
2、检索相关文献
为确保meta分析结论的可靠性和真实性，应对检索结果进行查全及查准与否的分析。
3、确定纳入和剔除标准，筛选meta分析文献
按事先确定的纳入和剔除标准从检索出的文献中筛选符合要求的文献资料。
纳入标准应包括：①各研究假设和研究方法相似；②有研究开展或发表的年限；③各研究对样本大小有明确规定；④各研究中患者的选择和病例的诊断及其分期有明确标准，干预和对照的措施明确；⑤如研究报告可提供OR(RR、率、HR)及其95%可信区间，或可以转化为OR(RR、率差、HR)及其95%可信区间；如为计量资料应可提供均数，标准差和样本量等。
剔除标准应包括：①重复报告；②存在研究设计缺陷，质量差；③数据不完整，结局效应不明确；④统计方法错误且无法修正，无法提供或可供转化为OR(RR、率、HR)及其95%可信区间，计量资料无法提供均数和标准差。
4、评价纳入文献的质量
主要考察各个研究是否存在偏倚及其影响程度，评价工具很多，不同的研究类型均有相应的评价方法。如随机对照试验常用的有Jadad量表，病例对照研究及队列研究常用的有NOS量表，诊断性试验常用的有QUADAS/QUADAS-2等。
5、提取纳入文献的数据信息
包括基本信息、研究特征、研究结果等内容。
6、数据的统计学处理
统计分析主要包括①效应指标的选择：根据研究资料效应指标不同，meta分析的合并效应量也称效应尺度往往也不同。对于计量资料常用的效应尺度为均数之差、相关系数等，对于分类资料常用的为OR、RR和率差(RD)等；②异质性检验：根据异质性判断结果选择合适的统计分析模型；③效应尺度的参数估计及其图示；④效应尺度的假设检验。
7、敏感性分析
为了了解meta分析结论的稳定性，需要通过几种方式来考察meta分析结论有无较大变化。主要包括：①选择不同统计模型时，效应合并值点估计和区间估计的差异；②)剔除质量相对较差的文献后，结论的差异；③对文献进行分层分析前后，结论的差异；④改变纳入、剔除标准前后，结论的差异。
8、结果的讨论与分析
主要包括：①异质性及其效应尺度的影响；②偏倚的识别和控制；③各种研究类型、研究质量、发布周期等亚组分析；④meta分析结果的实际意义等。
meta分析的报告规范
针对meta分析报告质量参差不齐的现状，国际上提出了相关的报告规范以促进meta分析报告的高质量和规范化。1999年由加拿大太华大学David Moher领导的专家小组提出了针对随机对照试验meta分析的QUOROM (the Quality of Reporting of Meta-analysis)声明，该声明可作为撰写meta分析报告的写作指南。2009年由国际著名专家组成的系统评价和meta分析优先报告条目(Preferred Reporting Items for Systematic Reviews and Meta-Analysis, PRISMA)小组制定了PRISMA指南，主要针对随机对照试验的系统综述和meta分析报告，但也可以作为其他类型研究系统综述和meta分析报告的基础规范。而适用于流行病学中观察性研究meta分析的报告规范为1997年在美国疾病预防控制中心资助下由研究小组讨论并制定的MOOSE(Meta-analysis of Observational Studies in Epidemiology)声明。遗传关联性研究meta分析的报告规范可参照MOOSE声明，但要注意进行异质性分析、检验哈迪温伯格平衡、避免多重比较以及选择比较敏感的遗传模型等。
meta分析的应用条件
meta分析虽然是系统评价(systematic review, SR)中常用的一种统计方法，但也并不是万能的。对一些经过大样本、多中心的临床试验已得到明确结论的研究，不必做meta分析。同时，对那些设计或执行质量很差的研究，如存在严重偏倚的资料，也不能寄希望于通过meta分析就能得到可信的结论。进行meta分析时，基于对研究结果的可靠性和真实性的考虑，应重视以下几点应用要求：
1、收集的研究资料要全面
全面收集研究资料是进行meta分析的先决条件，也是成败的关键。收集与研究目的有关的所有研究的文献资料，主要是通过计算机检索、手工检索等途径，力求全面，尽量减少选择性偏倚。同时，研究者还必须决定是否选择包括那些未发表的文章。未发表的文章一般是提供没有显示效果或提供阴性结果或无结论的文章，而发表的文章一般提供阳性结果，如果仅仅选择发表的文章做meta分析，结果有可能夸大阳性效果。
2、确定meta分析研究资料的入选标准及排除标准
对查找到的每篇相关文献，应根据研究的目的及专业要求按预先设定的入选标准和排除标准判断其是否能纳入meta分析。文献质量的好坏对分析结果的影响很大，因此，预先设定纳入标准和排除标准非常重要，有时还须根据检索的文献作必要的调整。
3、研究资料效应指标明确
纳入meta分析的研究资料中，计量资料应给出各组的均数、标准差(S)或方差(S2)、样本例数；分类资料应给出各组的比数比(OR)或相对危险度(RR)，以及各组的率(P)及其标准误(Sp)等，或者给出各组的样本量和发病(或死亡)例数等，可计算出上述的分类效应指标；对于生存分析资料应能提供风险比(HR)及其95%可信区间(亦称置信区间)、例数或生存曲线图等。
4、各研究的同质性
meta分析的统计方法包括固定效应模型和随机效应模型。固定效应模型假设各个研究的效应指标统计量是同质的，即都是基于来自同一总体的独立随机样本，各个研究效应指标统计量之间的差异仅仅来自于抽样误差，不同研究间的变异很小，各研究的效应指标统计量与总体参数θ的差异均是抽样误差所致。因此，固定效应模型给出的合并效应量(ES)是各个研究的同一总体参数θ的点估计值及其95%可信区间。而随机效应模型则是假设各个研究的效应指标统计量是不同质的，即是基于来自不同总体的独立随机样本，各个研究效应指标统计量之间的差异不能用抽样误差来解释，各研究间的变异较大，每个研究的效应指标统计量对应各自的总体参数θi(i=1,2,…k)，但可以假定θi近似服从N(θi,ι2θ)，θ便是θi的总体均数。因此，随机效应模型给出的合并效应量则是各个研究的总体参数θi之总体均数θ的点估计值及其95%可信区间。
