调研元分析方法：亚组分析与调节效应落地方案

元分析用于汇总多项独立研究的结果，在效果评估与证据梳理类项目中使用较多。常见问题集中在效应量口径不统一、异质性处理粗糙以及亚组分析的事后化。本文围绕调研元分析方法，给出从文献纳入到亚组分析与调节效应的完整执行方案。

文献纳入与排除标准

纳入标准应在分析启动前确定并登记，包含研究设计类型、样本来源、时间范围、结局指标定义与语言范围五项。排除标准需逐条给出理由分类，例如设计不符、指标不可换算、样本重叠与数据不完整，每一类需记录对应的文献数量。若研究之间存在样本重叠，需明确保留规则，例如保留样本量较大或报告更完整的一项，并在表中标注被排除的研究。

执行上采用双人独立筛查，记录每一步的留存数量，形成筛选流程图。两人判断不一致时由第三方裁决，并记录裁决依据。筛选流程与留存数量是复核的关键证据，缺失这两项的元分析难以通过质量审查。此外，纳入标准若在中途调整，需要记录调整时点、原因与受影响文献数，并在报告中单独说明对合并结果的可能影响。

效应量口径与标准化

效应量必须统一口径后才能合并。连续型结局常用标准化均数差，二分类结局常用比值比或风险比。若原始研究只报告了均值与标准差，需说明换算公式；若只报告了检验统计量，需说明由统计量反推效应量的路径。此外，同一研究若报告多个结局，需预先指定主结局，避免事后挑选带来选择偏倚，这一点应在方案中写明。

方向统一是容易出错的环节。部分研究以相反方向定义结局，合并前需统一符号并在表中标注调整记录。我们要求交付一份效应量换算明细表，逐条列出原始值、换算公式与合并用值，便于逐项核对与复算。若原始研究只报告了图表中的数值，应说明提取方式与精度，数字化提取产生的误差需要在敏感性分析中体现。

异质性检验与模型选择

异质性检验包含三项：检验统计量、不一致指数与组间方差估计。检验统计量回答是否存在异质性，不一致指数描述异质性在总变异中的占比，组间方差估计则用于随机效应模型的权重计算，三者需同时汇报。

模型选择规则建议为：异质性较低时采用固定效应模型，较高时采用随机效应模型，并同时汇报两种结果用于对照。若两者结论方向不一致，应以随机效应结果为主并在报告中说明，同时提示结论的稳健程度有限。此外，不一致指数的解释需要结合研究数量，研究数较少时该指数的稳定性有限，不宜单凭其高低决定模型选择。

亚组分析与调节效应的执行

在调研元分析方法的项目中，亚组分析必须预先设定维度，常见维度包括研究设计、样本特征、干预强度与测量工具。我们要求亚组数量控制在可解释范围内，每个亚组纳入不少于四篇研究，否则组内估计不稳定，亚组间比较也失去意义。

调节效应采用元回归实现，把亚组变量作为协变量纳入，并给出相应检验结果。需要强调的是，亚组分析与元回归均为观察性比较，不能等同于因果结论，报告中应明确这一限制，避免被下游引用时过度解读。亚组变量若存在较强相关，例如干预强度与研究年份，应在元回归中避免同时纳入，并在报告中说明取舍理由。

发表偏倚与敏感性检验

发表偏倚的检验采用三种方式并行：漏斗图的对称性观察、回归检验与剪补法。三种方式各有侧重，单独使用任一种都不足以支撑结论，因此我们把三者结果并列汇报，并说明不一致时的取舍规则。

敏感性检验包括逐篇剔除法与纳入标准收紧法。逐篇剔除用于识别单篇研究对合并结果的支配程度，收紧纳入标准用于检验结论对文献质量的依赖。两项结果均需给出合并效应量的变化幅度与判定，并附对应的图表。此外，纳入标准收紧法应明确收紧后的具体条件，例如只保留样本量达到某一阈值的研究，并给出对应的合并结果变化。

交付物与判读标准

交付物包含筛选流程图、纳入研究特征表、效应量换算明细表、异质性检验表、亚组与元回归结果表、发表偏倚检验图与敏感性检验汇总表。每张表均需标明口径与计算方式，不接受未标注来源的合并结果。若项目涉及多个结局指标，应按结局分别出具完整表格，避免在同一表中混列不同口径的效应量造成误读。

判读标准统一为：纳入标准可追溯、效应量口径统一、异质性结果已汇报、亚组维度预先设定。调研元分析方法的可信度取决于过程透明度，而非合并结果的数值大小，这一点应在立项阶段就与需求方达成一致。对需求方而言，元分析的价值在于给出证据的整体形态与稳定程度，而不是给出一个可以单独引用的点估计值。