什么是荟萃分析？

荟萃分析结合了众多科学研究的结果，并对它们进行统计程序。 它通常用于寻找共同事实或强调提出类似问题的研究中的明显差异。

首次明确且正式使用“荟萃分析”一词的日期仅回到20世纪70年代，当统计学家基因玻璃他在呼吁改进总结某个研究领域成果的方法时提出了这一点。

然而，在实践中，一个多世纪（甚至更长时间）以来，研究人员一直在汇集来自不同实验和研究的数据。

1904年近十几项关于士兵免疫力和死亡率的研究结果被混合在一起，寻找可能有助于更好地了解伤寒疫苗效果的平均值。

荟萃分析是如何进行的？

总的来说，有五个步骤。 他们从一个允许提出假设的问题开始。

接下来是对已发表的与该问题相关的主题的研究进行系统回顾。 在极少数情况下，也可能会考虑未发表的数据。

一旦选择了适当的研究，就会提取它们所基于的任何数据。 研究人员还将记录样本大小和之前对数据在类别之间如何变化的测量，或者平均值或风险度量的计算等信息。

然后对来自各个研究的数据池进行单独分析，以确定效应大小等内容。 虽然以前的研究人员可能已经做到了这一点，但不同的研究经常使用难以比较结果的方法。 这通常会标准化结果以便更好地进行比较。

最后，将适当的模型应用于所有组合结果，例如找到被认为是所有研究共有的固定效应，或被认为因研究而异的随机效应。

荟萃分析有什么好处？

虽然对多项研究进行简单的“叙述性”审查可能会总结出重复（或矛盾）的模式，但它通常依赖于该领域专家的经验，因此容易出现偏见。

荟萃分析依靠数学公式来确定数据池中的趋势，这被认为更客观。

手头拥有更多数据还有一个优势。 一些只收集少量结果的研究可能没有那么强大。 这些数字加在一起可能会揭示出更强的统计信号，并且与更广泛的人群更相关。

我们为什么不一直进行荟萃分析呢？

尽管它们很有用，但也有缺点。 筛选大量研究以寻找可能满足您需求的研究需要花费大量时间和经验。 了解所需的统计数据还需要专业知识。

找到正确的研究很重要。 如果最初的研究进行得不好，即使是最好的分析也会得出糟糕的结论。

仅关注已发表的研究可能有助于确保它们比包含未经同行评审的研究具有更高的质量，但这也存在所谓的“文件抽屉效应” - 一种发表偏见，排除了研究中其他有用的观察结果，而这些研究结果并不完全符合预期。

所有解释者均由事实核查人员确定在发布时正确且相关。 作为编辑决定，文本和图像可能会被更改、删除或添加，以保持信息最新。