QUESTION · STUDIES · SYNTHESIS · CERTAINTY

Systematic Review & Meta-analysis Foundations

系统评价与 Meta-analysis 基础

从临床问题、PICO 和预设方案出发，系统识别、筛选、评价并综合研究，在偏倚、异质性与证据确定性的边界内形成可更新结论。

Beginner → IntermediateNo coding required / R / Python transferable10–16 h learningSynthetic studies and effect estimates

INPUT: Search exports · Study reports · Extraction table
OUTPUT: PRISMA flow · Forest plot · Evidence profile
FIGURES: PRISMA Flow · Forest Plot · Risk-of-bias Plot · Sensitivity Plot

Start lesson View pipeline Jump to Figure

LEARNING OBJECTIVES

学完这一章，你应该能够

点击勾选不是“完成任务”，而是对自己的理解做一次承诺。

01 · QUESTION TO EVIDENCE BODY

系统评价不是把检索到的论文排成一张表

它用预设、可复核的方法回答：在一个明确问题下，现有全部可获得证据支持什么，又在哪些地方仍不确定。

IDENTIFY系统寻找

定义来源、检索式、日期和补充路径。

APPRAISE评估可信度

按结果识别设计与实施造成的偏倚。

SYNTHESIZE综合而非堆叠

比较可比性、效应、精度和研究间差异。

BOUND限定结论

把确定性和适用边界写进结论。

CORE TUTORIAL STRUCTURE · 统一学习骨架

系统评价与 Meta-analysis：先建立全局地图，再进入细节

从证据单位、预设问题和检索流程出发，理解研究如何被筛选、评估、合并与分级。

第 1 层 · 基础单位

系统评价中真正的证据单位是什么？

检索记录、论文报告和独立研究不是同一对象；同一研究可能有多篇报告。

先用一个类比建立直觉

一个案件可能有多份新闻报道，但不能把报道数量当成独立案件数量。

类比只帮助理解，不作为科研证据。

1去重记录不等于合并同一研究的多篇报告
2效应量通常嵌套在研究和结局中

PRISMA 2020 的 27 项清单用于透明报告系统评价为何开展、如何完成、发现什么和结果意味着什么；它不是替代方法学质量判断的“合格证”。

02 · PRESPECIFICATION

在阅读结果之前固定问题和关键选择

逐项展开 PICOS，观察同一个目标估计量如何约束检索、纳入、提取、合并和解释。

PICOS 协议矩阵：每个字段同时约束检索、筛选与合并
字段	预设定义	改变后会影响什么
PPopulation	成人特发性肺纤维化（稳定期）	决定主题词、纳入人群与外推范围
IIntervention	候选抗纤维化方案 X + 标准治疗	决定干预词、剂量/联合方案和目标效应节点
CComparator	标准治疗	决定效应量的反事实参照；不能把不同对照直接混合
OOutcomes	52 周 FVC 下降 ≥10% · 全因停药 · 严重不良事件	决定事件分子、随访时间与可合并结局
SStudy design	平行组随机对照试验	决定偏倚工具、效应模型与可纳入证据层级

SYNTHESIZED ESTIMAND

成人稳定期 IPF 患者在随机分配后 52 周发生 FVC 较基线下降 ≥10% 的风险比（方案 X + 标准治疗 vs 标准治疗）

检索可以比 PICOS 更宽以减少漏检；最终纳排、数据提取和合并必须回到同一个分母、比较、结局阈值与时间点。

03 · INFORMATION RETRIEVAL

检索策略首先管理漏检风险

切换三种模拟检索式，比较 records、recall 与 precision；更多结果不一定更好，但过窄结果可能从一开始丢失证据。

SEARCH STRATEGY LAB

敏感性与精确度不是同一目标

(pulmonary fibrosis OR IPF) AND (therapy X OR synonym*)

RECORDS2,486

RECALL验证集召回 97/100（97%）

PRECISION抽样复核 184/500 相关（36.8%）

在 100 篇已知相关文献验证集中找回 97 篇；代价是每 500 条抽样结果约需排除 316 条。

阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。

Cochrane Handbook 要求完整记录每个来源的平台、覆盖日期、最终检索日期和可重跑的检索式，并按问题范围考虑数据库之外的注册平台与补充来源。

04 · CORE WORKFLOW

从临床问题到有边界结论的 20 步证据链

点击任一节点，检查 WHY、INPUT、PROCESS、OUTPUT、PARAMETERS、QC、COMMON ERROR 与 NEXT。

STEP 1 / 20

Clinical Question

临床问题

系统评价必须回答可操作的问题，而不是先收集论文再寻找主题。

WHY

系统评价必须回答可操作的问题，而不是先收集论文再寻找主题。

INPUT

临床不确定性

PROCESS

界定目标人群、干预、比较、结局与研究设计

OUTPUT

可检索、可纳入的问题

PARAMETERSscope · decision context

QC问题能否导出明确纳排标准？

COMMON ERROR问题过宽，导致研究不可比。

NEXTPICO

05 · STUDY SELECTION

PRISMA 流程图必须能做数量守恒

点击每个阶段查看判断任务；特别区分检索记录、论文报告和独立研究。

PRISMA SCREENING FLOW

↓

阶段 1 / 5：Records identified。 各数据库、注册平台、检索日期和导出数量是否可复算？

阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。

06 · STRUCTURED EVIDENCE

同一项研究可以有多篇报告，但不能被当成多项独立证据

从问题、记录和研究到效应与证据 profile，检查每一步对象类型如何变化。

07 · INTERNAL VALIDITY

偏倚风险按设计、结果和域判断，不做机械质量总分

切换随机试验与非随机研究，阅读每个域的支持信息如何形成 overall judgement。

RoB 2

Trial A · primary outcome

Low

RandomizationLow

中央随机与隐藏分配。

DeviationsLow

盲法与意向性分析一致。

Missing outcomeLow

结局缺失 3%，组间接近。

MeasurementLow

盲态中心读取。

SelectionLow

与注册方案一致。

RoB 2 是当前 Cochrane 推荐的随机试验结果层面工具；ROBINS-I 针对非随机干预研究，并特别处理混杂与选择等七个域。

08 · COMMON SCALE

效应量把研究问题变成可比较的数值语言

切换 RR、RD、MD 与 SMD，比较相对、绝对和标准化尺度各自保留与丢失的信息。

0.531.001.25比值 · 对数轴；切换尺度后重新定轴

阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。

09 · WEIGHTED SYNTHESIS

固定效应与随机效应不是由 I² 开关控制

切换模型，观察研究权重和合并区间如何变化；两者对应不同目标效应假设。

WEIGHTED SYNTHESIS

同一组研究，不同目标效应假设

方块面积与权重成正比；切换模型不改变单项研究的 RR 或区间。随机效应的 τ² = 0.028 为教学设定，并非在此估计。方法来源

阶段 2 / 2：Random effects。 允许研究估计相关但不同的真实效应；小研究相对权重增加，不保证结果更保守。

RR 0.76 [0.64, 0.89]

R · REPRODUCE

复算森林图：log RR、SE 与逆方差权重

用与上方交互森林图相同的8个合成RR及log尺度标准误，复核模型切换、研究权重和合并区间。

可运行教学示例 · 安装依赖后整段执行

下载 .R

INPUT代码显式提供8项独立模拟研究的 RR 与 SE(log RR)

ENVIRONMENTR 4.x；仅 base / stats 标准库，无外部文件、安装或联网操作。

统计单位

独立研究/独立效应估计；不是每篇报告或每个参与者一行。

数据来源

本课程8项固定模拟研究，与MetaAnalysisExplorer输入一致；非真实临床效果。

1# Same synthetic RR and SE(log RR) as the course forest, not real trials.
2studies <- data.frame(
3  id = paste0("S", 1:8),
4  RR = c(.72, .91, .76, .63, .84, .69, .54, .88),
5  SE_log_RR = c(.18, .22, .10, .25, .15, .19, .23, .12))
6model <- "random"
7tau2 <- 0.028
8exclude_id <- character(0)
9conf_level <- 0.95
10stopifnot(model %in% c("fixed", "random"), is.finite(tau2), tau2 >= 0,
11          all(studies$RR > 0), all(studies$SE_log_RR > 0),
12          all(exclude_id %in% studies$id), conf_level > 0, conf_level < 1)
13included <- studies[!studies$id %in% exclude_id, , drop = FALSE]
14stopifnot(nrow(included) >= 2, !anyDuplicated(included$id))
15yi <- log(included$RR)
16vi <- included$SE_log_RR^2
17between_variance <- if (model == "random") tau2 else 0
18weights <- 1 / (vi + between_variance)
19mu <- sum(weights * yi) / sum(weights)
20se_mu <- sqrt(1 / sum(weights))
21z <- qnorm(1 - (1 - conf_level) / 2)
22pooled <- exp(c(RR = mu, lower = mu - z * se_mu, upper = mu + z * se_mu))
23included$weight_percent <- 100 * weights / sum(weights)
24stopifnot(abs(sum(included$weight_percent) - 100) < 1e-8)
25print(included, row.names = FALSE)
26print(round(pooled, 4))
27# tau2 is a supplied teaching value, NOT estimated from these eight studies.

代码参数怎么调

先记录当前设置，每次只改变一个参数；比较下列输出检查，不用图是否好看来选择设置。

model = "random"本分析设置 · 需验证适用性

为什么用这个值：选择估计共同效应或真实效应分布的平均；需与方案一致。

增大 / 切换设置: 改为random时权重分母加入τ²，小研究相对权重通常增加。
减小 / 回退设置: 改为fixed时不加入τ²，精确研究通常更占优势。

调完后检查什么

比较S3与S4的权重，而不只比较是否跨1。

何时不适用 / 应停止：不是连续大小参数；不能为取得想要的P值选模型。

参数依据Cochrane Handbook for Systematic Reviews of Interventions, version 6.5

tau2 = 0.028教学示例值 · 不是通用阈值

为什么用这个值：自然对数效应尺度的研究间方差，手动设定用于教学。

增大 / 切换设置: random下权重更均匀，固定输入时合并SE增大。
减小 / 回退设置: 趋近0时random权重趋于fixed；fixed分支忽略此值。

调完后检查什么

比较0、0.028、0.10下的权重和合并区间。

何时不适用 / 应停止：真实分析应说明估计法及不确定性；该值不是推荐门槛或软件默认。

参数依据Cochrane Handbook for Systematic Reviews of Interventions, version 6.5

exclude_id = character(0)本分析设置 · 需验证适用性

为什么用这个值：默认保留全部研究；显式记录预设敏感性排除。

增大 / 切换设置: 增加排除项减少独立证据，方向/精度可能变化，不能保证变保守。
减小 / 回退设置: 减少排除项恢复研究；同时恢复其偏倚与异质性影响。

调完后检查什么

尝试"S3"（最高逆方差权重）与"S7"（高偏倚教学情景），保留完整结果对照。

何时不适用 / 应停止：不能看到结果后无依据地筛除不合意研究；本例至少保留2项。

参数依据Cochrane Handbook for Systematic Reviews of Interventions, version 6.5

conf_level = 0.95本分析设置 · 需验证适用性

为什么用这个值：使用正态近似显示与课堂森林图一致的区间层级。

增大 / 切换设置: 区间扩大，权重和合并点不变。
减小 / 回退设置: 区间缩窄，研究质量并未提升。

调完后检查什么

检查变换前log区间和变换后RR区间。

何时不适用 / 应停止：少量研究及τ²不确定性可能需不同推断方法；不替代预测区间。

参数依据Cochrane Handbook for Systematic Reviews of Interventions, version 6.5

这段代码不能证明什么

仅复算加权模型，不证明研究可合并、无偏倚或具有因果性；normal CI不等于预测区间，也不覆盖τ²估计的不确定性。

EXPECTED OUTPUT

random、tau2=0.028时合并RR约0.7551，95%区间约0.6392–0.8920；fixed时约0.7706，区间约0.6916–0.8587。百分比权重合计100；排除S3不等于排除样本量最大的S8。

BEFORE YOU TRUST IT

各研究需估计可比较的效应，且不能把同一研究多个相关结果当独立条目。
检查输入SE确实为SE(log RR)，RR>0，权重和为100%。
模型由目标效应和异质性假设决定；不要按I²或显著性自动切换。
本例未估计τ²，也未处理小样本推断、偏倚或发表选择。

COMMON ERROR

直接平均RR、把SE平方两次、将τ²=0.028误认软件默认值，或认为随机效应必然更保守。

SOURCESCochrane Handbook for Systematic Reviews of Interventions, version 6.5

阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。

随机效应模型允许研究估计相关但不同的真实效应；它常提高小研究相对权重，因此不能被笼统称为“更保守”。

10 · VARIATION BETWEEN STUDIES

异质性不是一个 I² 数字，而是一组需要解释的差异

保持平均效应相近，切换 τ²、I² 和预测区间情景，观察新场景可能落在哪里。

τ²0.004

I²18%

Prediction interval0.69–0.91

研究效应较集中，但仍需检查人群、剂量和偏倚差异。

阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。

I² 描述观察变异中超过抽样误差的比例，但不能取代临床差异、τ²、forest plot 和预测区间；少量研究时它本身也不稳定。

11 · ROBUSTNESS

敏感性分析回答：结论依赖哪个判断？

依次排除高偏倚研究、最大研究或改变模型，检查方向、大小和精度而非只看显著性。

RR = 10.400.801.20

12 · MISSING EVIDENCE

漏斗图不对称提示小研究效应，不是发表偏倚的指纹

图形模式可能来自选择性发表、真实异质性、效应尺度、方法质量或偶然；研究较少时统计检验尤其有限。

Egger 等人的经典检验也明确指出：研究数量有限且试验较小时，检测偏倚的能力受限，结果必须谨慎解释。

13 · GRADE

统计显著性不能替代证据确定性

GRADE 按关键结局综合偏倚风险、不一致、间接性、不精确和发表偏倚；确定性与推荐强度是两个不同判断。

RISK OF BIAS研究结果可信度

设计与实施是否系统偏离目标效应？

INCONSISTENCY研究间差异

效应是否方向或大小不一致且无法解释？

INDIRECTNESS问题匹配度

人群、干预、比较、结局是否直接对应决策？

IMPRECISION区间与阈值

区间是否跨越会改变决策的效应范围？

PUBLICATION BIAS缺失证据

结果可得性是否可能依赖方向或显著性？

GRADE 框架明确分开证据质量与推荐强度；“Meta-analysis”这一分析形式本身不会自动提高证据确定性。

14 · FIGURE READING

一张系统评价 Figure 如何反向追到方案与检索？

切换 A–D Panel，检查 PRISMA、Forest、Risk of Bias 和 Sensitivity 的数据对象、生成路径与误读边界。

PAPER FIGURE · TEACHING SIMULATION

Synthetic Systematic Review Figure

8 项模拟随机试验 · 成人 IPF · 52 周 FVC 明显下降

原创教学重绘 · 模拟研究与效应数据

原创教学重绘 · 模拟数据

15 · DECISION PARAMETERS

系统评价参数改变覆盖、权重和解释，不改变原研究事实

信息来源、日期、审阅者、效应尺度、连续性校正、模型、τ² 估计和区间水平都必须由问题与方案约束。

图形元素来自汇总数据，不代表原始影像

PRISMA Flow

回答: 记录如何从识别、去重和筛选进入最终纳入？
误读: 混用 records、reports 与 studies，导致计数不可复核。

方块 = 点估计；横线 = 置信区间

Forest Plot

回答: 各研究效应、精度和合并结果如何分布？
误读: 只看菱形是否跨无效线，不看权重、区间和异质性。

图形元素来自汇总数据，不代表原始影像

Risk-of-bias Plot

回答: 关键结果在哪些偏倚域存在担忧？
误读: 把颜色汇总成无依据的总分。

图形元素来自汇总数据，不代表原始影像

Funnel Plot

回答: 效应与精度是否呈现小研究效应模式？
误读: 不对称并不专属于发表偏倚，少量研究时检验能力有限。

图形元素来自汇总数据，不代表原始影像

Leave-one-out Plot

回答: 合并结论是否被单个研究主导？
误读: 看到稳定就宣称无偏。

图形元素来自汇总数据，不代表原始影像

GRADE Evidence Profile

回答: 每个关键结局的效应与确定性为何处于当前等级？
误读: 把证据确定性与推荐强度混为一谈。

16 · BETTER THINKING

8 个最常见的证据综合推断错误

沿 Error → Consequence → Better Thinking 追踪错误如何从检索传播到结论。

ERRORCONSEQUENCEBETTER THINKING

01先看论文再定义纳入标准标准可能随结果方向改变，产生选择性纳入。在 protocol 中预设 PICO、结局、时间点和设计。

02只检索一个数据库来源覆盖不全且更易受发表与索引偏倚影响。按学科选择多个数据库、注册平台与补充检索。

03用过窄检索式追求高 precision容易漏掉术语不同但符合条件的研究。围绕核心概念提高敏感性，在筛选阶段处理噪声。

04单人筛选且不留排除理由错误和主观判断无法复核。独立判断、校准标准并保留全文排除日志。

05把报告质量当偏倚风险写得完整的有偏研究可能被误判为可信。使用与设计匹配的结果层面 RoB 工具并记录支持信息。

06I²<50% 就用固定效应模型由数据后验选择，且忽视临床差异和目标效应。按 estimand 与研究差异预设模型，同时解释 τ² 和预测区间。

07漏斗图不对称即发表偏倚忽略异质性、效应尺度和小研究方法差异等替代解释。把漏斗图作为小研究效应信号，结合检索和敏感性证据。

08Meta-analysis 位于证据金字塔顶端，所以必然高质量多个有偏、间接或不精确研究被错误包装成确定结论。按结局评价完整证据体的确定性并明确降级理由。

17 · EVIDENCE BOUNDARY

Systematic ≠ complete；pooled ≠ true；significant ≠ certain

系统评价降低随意性并暴露证据结构，但不能找回从未公开的数据，也不能用统计合并修复共同偏倚。

结果可以支持什么？

系统识别并透明记录预设范围内找到和筛选的研究

量化可比较研究的效应方向、大小、精度与研究间差异

检验结论对偏倚风险、模型、尺度和单个研究的敏感程度

按结局总结当前证据体的确定性与适用边界

不能单独证明什么？

检索到所有从未发表、未注册或不可获得的研究

用更多低质量研究抵消共同偏倚或错误结局定义

仅凭合并显著性证明每个人群、剂量和场景都有效

把观察性关联或有偏试验自动升级为机制与因果确定性

Association≠Mechanism≠Causality

18 · RESEARCH DECISIONS

用五个判断题检查检索、偏倚、模型和确定性

每题提交后都解释正确答案以及其他选项为什么不能支持当前决策。

RESEARCH THINKING QUIZ0/5 已回答

为减少筛选量，研究者想在检索式中加入“52-week FVC decline”和“double blind”。最合理的处理是？

8 项研究 I²=18%，因此应该怎样选择模型？

两位审阅者想把 RoB 2 五个域各记 0–2 分并求总分。主要问题是什么？

漏斗图不对称最恰当的结论是？

合并 RR=0.78（95% CI 0.66–0.92）且 P<0.01，能否直接定为高确定性证据？

19 · ONE-PAGE SUMMARY

把证据综合压缩成一条可复核、可更新的链

每个菱形、等级和结论都应能反向追到效应、提取表、研究报告、筛选日志、检索式与预设问题。

Clinical QuestionPICOSProtocolSearchDeduplicationScreeningPRISMAExtractionCharacteristicsRisk of BiasEffect MeasureModelHeterogeneitySensitivityCertaintyBounded Conclusion