做meta分析的资料统计学处理时，除了计算各独立研究的效应量大小外，还要进行异质性检验，并根据异质性大小选择模型：若P>0.1，I2≤25%，可采用固定效应模型;若异质性检验P<0.1， 25%，采用随机效应模型。若上述方法，均没有达到预期效果，那我们就要分析异质性的原因了。

　　01异质性的来源

　　①临床异质性(概念上的异质性)如对象特征、诊断、干预、对照、研究地点、评价结局等不同;

　　②方法学异质性：研究设计与质量不同;

　　③统计学上的异质性：不同试验中观察得到的效应，其变异性超过了机遇(随机误差)本身所致的变异性。

　　02如何处理异质性

　　(1)改变结果变量的指标

　　Fleiss指出仅仅改变结果变量的指标，对去除异质性也可能是充分的。

　　对于二分类变量，结果变量的指标由绝对测量标度(如危险差RD)变为相对测量标度(如比数比OR)，可以降低异质性的程度。

　　对于连续型变量，转化其为对数形式也是其常用的方法，尽管这种方法可能导致在统计学同质性和临床可解释性中做取舍。

　　(2)选用随机效应模型合并效应量

　　Meta分析的统计方法包括固定效应模型(fixed effect model)和随机效应模型(random effect model)。

　　固定效应模型是指在Meta分析中假设研究间所有观察到的变异都是由偶然机会引起的一种合并效应量的计算模型，这些研究假定为测量相同的总体效应。

　　随机效应模型，它是统计Meta分析中研究内抽样误差(方差)和研究间变异以估计结果的不确定性(可信区间)的模型。当包括的研究有除偶然机会外的异质性时，随机效应模型将给出比固定效应模型更宽的可信区间 。

　　(3)探讨异质性的来源，按亚组分析

　　从临床异质性和方法学异质性的角度探讨异质性的来源，根本上解决同质性研究才能合并效应量的问题。按不同设计方案、研究质量、参加人群特征、治疗时间的长短等分成亚组，进行亚组分析。

　　(4)进行Meta回归

　　其中Xi1，…，Xip为影响变异的混杂因素，β0为常数项，β1，……βp为偏回归系数。若控制了异质性的来源，可使β1，…βp=0，则Meta回归模型可简化为固定效应模型。

　　Meta回归可用来分析RCT、病例-对照研究资料，同时可用于敏感性分析。由于Meta回归本身容易产生聚集性偏倚，特别是当资料不完整或纳入分析的研究数目较少时，则不能进行Meta回归分析。

　　(5)敏感性分析

　　敏感性分析是用于决定一个研究结果的敏感性或它对系统评价如何改变的一种分析方法，它评估数据和使用方法的不确定性假设如何影响合并结果的稳健程度。

　　(6)放弃作Meta分析

　　若异质性过于明显，特别是具有明显的临床异质性、方法学异质性而无法通过上述几种方法解决时，可考虑放弃作Meta分析，只对结果进行一般的统计描述。

　　介绍了这么多，相信大家对meta分析异质性处理有了更深一步的了解，我们已经啃下了一大块骨头，开始着手你的第一篇meta吧!