meta分析與系統評價區别?文章來源：LinkLab微信公衆号，今天小編就來說說關于meta分析與系統評價區别?下面更多詳細答案一起來看看吧!

meta分析與系統評價區别

文章來源：LinkLab微信公衆号

衛生保健決策應基于當前可得的最佳證據，而系統評價和Meta分析作為一種臨床研究證據合成的方法，被公認為當前最高級别的證據，也是最好的二次研究方法。未來幾期，小編就和大家好好聊聊這個最高級的話題……

1976年，英國心理學家Glass将分析分為三個層次：

• 原始研究(original research)：原始研究數據分析，如多中心前瞻性研究的數據分析；

• 二次分析(secondary analysis)：為回答某個原始研究的問題，用更好的統計方法分析數據或用原始資料回答新問題；

• 系統評價和Meta分析（systematic review & meta analysis)：為達到整合研究結果的目的，收集大量研究結果進行統計分析。系統評價和Meta分析均為公認的最好的二次研究方法。前者是應用定性或定量描述方法的二次研究，後者是運用定量描述的二次研究。兩者對納入研究的數據均有嚴格要求。

不同于original research，需要全新的研究問題或全新的研究人群甚至全新的方法，review或者meta analysis是對現有文獻和發現的總結和歸納。我們知道單一群體的研究存在偶然性，如果能夠在不同群體中驗證相同的研究問題是最有力的方法。但由于多方面的原因，比如經費、時間等等，這種研究是沒有辦法實現的。在這種情況下，review或者meta analysis就尤其重要。

在我們開始接觸meta analysis之前，我們先區分系統評價（systematic review） vs. 叙述評價（narrative review）。

系統評價是一種全新的文獻回顧形式。它是指針對某一具體臨床問題，全面、系統的收集全世界已發表或未發表的臨床研究結果，通過嚴格的文獻評價原則和方法，逐個進行分析，篩選出符合質量标準的文獻，進行定性或定量合成，得出綜合可靠的結論。同時，随着新的臨床研究的出現進行及時更新，随時提供最新的知識和信心作為決策依據。

相對于平白直叙，簡單的把研究問題前因後果詳述清楚但并不做過多分析并且可能存在随意選取“cherry picking”問題的叙述評價，系統評價更具有說服力。因為它對現有的文獻作出更加完整的歸納，研究方法更透明，所以這種評價可以被重複，主觀性少，可以包括meta分析得到更精準的估算，而且文獻選取不是随意的！

當然系統評價也存在一些缺點，比如無法避免各研究間的系統偏差（system bias）、發表偏倚（publication bias）以及其他未知的bias。

系統評價一般用于評估病因假說；評估診斷和篩選測試；評估預後信息；評估公共衛生幹預措施的醫療功效和有效性。

明白了什麼是系統評價，作為與系統評價有着同樣作用的meta分析，又會是如何定義和實行的呢？

Meta分析存在廣義和狹義兩種概念，尚未統一。廣義認為meta分析是系統評價的一種，是一個研究過程。狹義認為Meta分析是一種将多個研究結果的數據合并分析，估計某一幹預措施療效的統計學方法。換言之，Meta分析嚴格說來，其實也是一種統計學方法，根據納入研究定量數據的異質性大小來決定是采用固定效應模型還是随機效應模型。

針對不同納入的研究，進行的Meta分析也有不同，如RCT的Meta分析和流行病學研究（如隊列研究、病例對照研究和橫斷面研究）的Meta分析有本質區别。非随機對照研究本身存在很多偏倚和混雜因素，導緻各研究間存在很大異質性。因此，後者Meta分析結果中可能會引入更多偏倚和混雜因素。從下圖也看出，近幾年，關于meta分析的文章呈指數性增長呢！

下面，我們就來看看系統評價與Meta分析的區别與

• 系統評價并非須對納入研究進行統計學合并；

• 是否做Meta分析需要視納入研究是否具有異質性；

• Meta分析也并非一定要做系統評價，因為其本質也可以是一種統計學方法；

• 對同質性的多個研究進行Meta分析的系統評價為定量系統評價；

• 如果納入研究不具有同質性，則不進行Meta分析，而僅進行描述性的系統評價，此類系統評價為定性系統評價。

對于系統評價，分為三個階段進行：1.計劃； 2.施行；3. 報告和分析結果。

每一步又具體涉及到：

1. 計劃

- 确定評價的需求性

- 制定評價方案

2. 施行

- 制定文獻搜索策略

- 文獻選擇

- 數據提取

- 質量評估

- 數據整合

3. 報告和分析結果

- 報告和建議

- 應用到實踐

明天我們将開始介紹如何一步一步的實行這三個階段，期待您的參與哦……

LinkLab

如果這篇文章對您有用，希望您能點擊正文最下方的「訂閱」。想看更多臨床醫療科研的精品文章也可以關注我們的LinkLab

如果您有什麼醫學上的問題，也可以加微信客服号：linkmd,我們會一一為您解答

更多精彩资讯请关注tft每日頭條，我们将持续为您更新最新资讯!