护理领域 Meta 分析实战

1. 这个方法解决什么问题

Meta 分析将多个独立研究的结果进行定量合并，得到更精确的总体效应估计。在护理中用于证据整合和临床指南制定。

2. 适合哪些护理研究场景

• 护理干预效果的证据总结
• 风险评估因素的汇总分析
• 诊断性研究的系统评价
• 患病率和发生率的汇总估计

3. 数据需要长什么样

每个纳入研究一行，至少包含效应量（OR/RR/HR/均值差）及其标准误或置信区间。

4. 模型逻辑用人话怎么理解

随机效应模型假设各研究的真实效应不完全相同（存在异质性），而固定效应模型假设只有一个共同效应。大多数护理研究应使用随机效应模型。

5. R 代码模板

library(metafor)

# 随机效应模型
res <- rma(yi = logOR, sei = se, data = dat, method = "REML")

# 森林图
forest(res, header = TRUE)

# 发表偏倚
funnel(res)
regtest(res)

# 异质性
# I² > 50% 表示显著异质性

6. 结果怎么解释

关注合并效应量、I² 异质性统计量和森林图中各研究的权重分布。I² > 50% 建议做亚组分析或 Meta 回归探索异质性来源。

7. 论文中怎么写

中文： 采用随机效应模型对 12 项研究的 OR 值进行 Meta 分析。合并 OR = 1.45（95% CI 1.18–1.78），表明该干预显著提高了护理质量。异质性检验显示中等异质性（I² = 52%）。

8. 常见错误

• 在显著异质性存在时使用固定效应模型
• 忽略发表偏倚的评估
• 把不同设计的研究直接合并