晨晰統計部落格新站（統計、SPSS、BIG DATA討論園地）

在2015年時筆者曾經寫過「寫好Meta-analysis文章的第一堂課：PRISMA檢核表」（網址：http://goo.gl/my89kO），接著這篇文章來介紹在執行Meta-analysis時有哪些必要的程序，以及簡略地介紹這些程序。補充說明，以下程序是筆者從事多篇meta-analysis後的個人經驗分享，並沒有特別的文獻佐證。

筆者將Meta-analysis的執行按照順序分成五大區塊，分別為一、文獻搜尋（Literature search）、二、研究品質評估（Quality of study）、三、資料萃取（Data extraction）、四、統計分析（Statistical analysis）以及五、出版偏差（Publication bias），以下分別介紹每個區塊的內容。

一、文獻搜尋（Literature search）

文獻搜尋對多數有經驗的研究者並不困難，但其實本身也是一個學門。簡單來講就是「關鍵字」（搜尋策略）跟「地毯式搜尋」（Data-based exhausted search）。關鍵字部分，除了要熟悉「搜尋比對邏輯」之外（and, or, not等），也要熟悉醫學主題詞表（Medical Subject Headings, MeSH）的索引詞庫，才不會遺漏重要研究。而「地毯式搜尋」指的是各個資料庫之間的交叉比對，以及針對每篇研究文獻參考文獻進行地毯式的徹底搜索。

二、研究品質評估（Quality of study）

在現行的優質期刊中，幾乎都會要求報告研究品質評估（Quality assessment），慶幸的是目前已有許多類型研究的檢核表（Checklist）可供使用，例如隨機試驗（RCT）必報的「CONSORT statement」、觀察型研究的「STROBE statement」或是其他單位發展的評估表格。評估者信度（Inter-rater reliability）則是加分項目，倘若研究者除了自己之外，還可以找第二者或甚至第三者協助判斷及編碼，對於此研究內在品質會有加分效果。

三、資料萃取（Data extraction）

資料萃取部分要清楚地界定自變項（X，IV）為何，依變項（Y，DV，Outcome）為何，不可有模糊空間。至於萃取了什麼性質的資料也要清楚揭示，例如是萃取「人數、平均數、標準差」（介入型研究且Outcome為連續變項）、「人數、發生事件人數」（介入型研究且Outcome為二元變項）或是「勝算比及信賴區間」（觀察型研究且Outcome為二元變項），以此類推。

四、統計分析（Statistical analysis）

Meta-analysis統計部分相當吃重，佔了整個報告舉足輕重的地位，包括綜合效果（Summary effect or pooled effect）要使用固定效應模型（Fixed-effect model）或隨機效應模型（Random-effect model），不過讀者只要記住現在醫學研究主流都是使用隨機效應模型即可。接著是評估研究間的異質性（Heterogeneity），不過目前主流是只報告I²，因為既不受到變項尺度的影響，也不受到研究數量多寡的影響。

次群體分析（Subgroup analysis）則是在檢驗該綜合效果（例如介入成效）是否因為某些變項水準不同而有所差異，例如是否男性的介入效果優於女性的效果。敏感度分析（Sensitivity analysis）的包括範圍非常廣，簡單來說就是「本研究的發現是否會在某些操作條件之下而改變」，最簡單的作法就是排除某一篇納入的研究後（Remove any single study），研究結果是否改變，假使都沒有改變，表示本研究的發現不會因為移除任何一篇研究就有所改變，因此在某些程度上符合敏感度分析的條件。

五、出版偏差（Publication bias）

Meta-analysis的統計結果最後報告的就是出版偏差，簡單的定義為本研究的發現是否因為存在著未能發表的研究，而那些未發表研究的結果與已發表的研究相左。分成主觀的漏斗圖（Funnel plot）以及客觀的Egger’s test，前者沒有統計檢定，而後者雖然有檢定，但也會因為研究篇數多就容易達顯著。