自从“尔云间meta分析”面向大家邀稿，我们陆续收到朋友们的经验分享，以下是一名护理硕士毕业生对Meta分析的学习感悟。
发现问题
对于Meta分析，初次接触是在研究生期间的循证课程上，刚开始也是一头雾水，而后在大量的阅读文献过程中，对它的方法学逐渐了解，也在花费大量的精力背后越发喜欢上Meta分析。
很多人学习Meta分析只是蜻蜓点水，不断灌水，出现很多“低质量”证据和“问题水文”，以至于现在这个研究方法被很多人嗤之以鼻。
简单举一些例子：
1）一个很典型的问题，RevMan绘图，底下的Favours 标签错误。一些人只是把数据黏贴进软件就完事了，然后自说自话，XX干预是有效的，但你再看一下对应的森林图，合并的菱形是落在Favours control 一侧。这种现象不止出现在中文科核和北核的文章里，甚至影响因子高达7+的paper也有出现，对此我也写过Letter to the Editor。
2）纳入排除标准的设定不到位。纳排标准对于整个Meta分析可以说是奠基，但容易被人忽略；一般我们的纳入标准是基于PICOS原则，但多数文章的轻描淡写，导致最后纳入的文献有缺失。
3）文献筛选步骤阶段也有一个容易被忽略的地方，那就是全文筛选阶段，需要另附一个附表说明排除文献的原因，可以说，大部分Meta分析都没有这个步骤。或者说，大部分人根本没有进行文献筛选的环节。
4）虽然对于随机效应模型和固定效应模型的使用一直存在争议，但目前Cochrane的推荐仍然是低异质性采用固定效应模型，而高异质性用随机效应模型。但是，很多文章执意使用随机效应模型。
5) Meta回归并不简单，不要轻易去尝试。简单举一个例子，如果你碰到的是三分类变量，纳入模型后是以哪一组为对照？
还有很多我个人觉得不妥的地方，就不一一列出，有兴趣的读者可以多读读高分Meta分析，再看看一些“低质量”的文章，你就能感受其中的差距。
学习方法推荐
我有一个小方法可以推荐大家学习，多看看别人发表的针对Meta分析的Letter。
Letter是什么呢？就是对别人发表的文章进行批判，在阅读Letter的过程中，你不仅可以学习到别人看文章的关注点，而且可以了解到原作者的错误，以避免在自己身上发生。当然，在日积月累的基础上，有一定的信心时，你也可以去Letter别人。
近几年统计学不断发展的背景下，Meta分析更加复杂和繁琐，相对于传统的基于RCT的Meta分析，如今更加热门的网状Meta分析、患者个体Meta分析、剂量反应Meta分析，加上这两年很火爆的基于模型的Meta分析，以及贝叶斯Meta分析等都不是好啃的骨头，也是打开顶刊的一把钥匙。
但是这些方法学真的不简单，甚至可以说，没有别人的指点，很难有所突破，我自己现在也困在其中，无法自拔。