人们常说，meta分析需要纳入所有符合纳入标准的文献，但实现这个过程是比较困难的。查不到全文、检索漏检、文献没有报道具体数值等，都是常见问题。此时，我们该怎么做？
Meta分析是否要纳入所有可用的研究，这是一个困扰大家很久的难题。2014年8月13日，《JAMA》（即美国医学会杂志）发表了一篇题为“Association between analytic strategy and estimates of treatment outcomes in meta-analyses.”的文章，就这一问题进行了讨论。
然后，根据不同的分析策略将meta分析结局分为5类：1）纳入所有研究；2）最窄置信区间的单个精确研究；3）只纳入单个研究的样本量占总样本量1/4或以上的研究（也就是排除小样本研究）；4）limit meta分析，也就是纳入所有试验，但校正了小样本效应（small-study effect）;5) 只纳入低偏倚风险研究。接下来，通过OR值的比值（Ratios of Odds Ratios，ROR），比较后4类（2/3/4/5）与第1类结局（包括主观、客观结局）的差异。
作者发现，不同的分析策略，得到的结果不同。除了1 vs. 5的主观结局、1 vs. 4的客观结局，其他比较均有统计学意义（P<0.05）。
最后，该文献还探讨了Cochrane偏倚风险评估工具，4个评价项目的偏倚等级（High or Unclear vs. Low risk）差异，对meta分析结果的影响。其中，在部分项目的差异存在统计学意义。
因此，该文章作者推荐Meta分析应采取以下策略：1）采用敏感性分析评估结局稳健程度；2）比较单个最精确试验与最大样本试验的结果，如果不同，需要谨慎解读；3）如果纳入试验大于10个，建议采用limit meta-analysis实现敏感性分析；4）对于Cochrane偏倚风险评估工具，建议逐条（Sequence generation、Domain、Allocation concealment 、Blinding 、Incompleteoutcome data）分析偏倚风险程度对合并结果的影响，而不是汇总分析。
综上所述，meta分析纳入所有相关研究，结果更准确。如果因客观原因，meta分析存在缺失数据，建议使用敏感性分析，探讨meta分析结果的稳定性。
Meta分析学习过程，我们会碰到各式各样的问题，如果你想更快、更高效地掌握meta分析，早日发表SCI，请不要错过尔云间的meta分析培训班！