元分析合并的是已有研究，而不是新收的数据，因此流程的透明度直接决定结论的可信度。调研元分析方法要回答怎么做、注意什么、容易犯哪些错三个问题。本文按问题解答的方式梳理检索纳入、亚组分析、调节效应、异质性与偏倚处理，并给出交付材料清单。本文也给出交付材料清单，便于项目收尾时自查。清单里的每一项，都对应一处常见的复核追问。
元分析适合什么场景
元分析用于把多项独立研究的结果合并成一个综合效应，适合某一议题已有较多公开研究但结论分散的情况。它回答的不是新数据收集，而是已有证据的整体方向与差异来源，前提是纳入研究在概念、测量与样本上具备可比性。合并已有证据与收集新数据，是两种不同的研究路径。两种路径的交付物不同，立项时就应明确预期。
局限同样明确。若纳入研究质量参差、测量工具不统一，合并结果的解释力会下降。调研元分析方法在启动前应先做纳入排除标准的书面界定，避免边检索边调整标准，标准变动会让检索结果无法复现。标准变动会让检索结果无法复现，需要做版本化管理。版本化管理建议用变更记录表，注明时间与修改理由。
检索与纳入怎么做
检索阶段建议覆盖中英文数据库与灰色文献，记录检索式、数据库、时间范围与检索日期。检索结果用双人独立筛选，先筛标题摘要再筛全文，不一致处由第三人裁定，流程记录要完整，便于复核与后续更新。检索日期与数据库清单，应在报告中完整列出。数据库清单还需包含检索式的完整表达式。
纳入排除标准要可操作。常见维度包括研究设计、样本特征、结果变量定义、效应量可得性、发表语言与年份。若要求提供均值标准差或可转换的统计量，需要在标准中写明，否则大量研究会在全文阶段被剔除，造成工作量浪费。统计量缺失是常见的剔除原因，标准里要提前写明。全文阶段剔除的研究应列出清单，并逐条注明原因。
亚组分析怎么做
亚组分析用于探索效应在不同类别间的差异，常见分组包括研究设计、样本年龄段、地区、测量工具、发表年份。分组变量应在分析前确定并说明理由，事后按结果反推分组会放大假阳性风险，也容易被复核质疑。假阳性风险主要来自事后分组，需在方案中加以约束。方案约束应写明分组变量的数量与选择顺序。
分组数量要控制。每增加一个分组变量，比较次数随之上升，建议分组变量不超过四个，且每组研究数不少于四项，研究数过少的亚组结论不稳定。亚组间差异用交互检验或亚组间异质性比较来判断，不直接比较各自的显著性。亚组结论不稳定时，应明确标注为探索性发现。探索性发现的措辞，要与验证性结论明确区分开。
调节效应怎么做
亚组分析适合类别变量，连续变量如样本量、发表年份、量表信度则用元回归做调节效应分析。元回归以效应量为因变量、研究特征为自变量，采用加权估计。变量数量受研究数约束，经验做法是每项调节变量对应不少于十项研究。加权方式的选择应说明理由，不做默认处理。
结果解读要区分解释力与因果。元回归中的调节关系是观察性关联，纳入研究层面的混杂无法排除。报告中应把亚组与元回归结果定位为探索性发现，与需要验证的假设明确区分，避免读者把关联读成因果。研究数与变量数的比例，需要在分析前核算清楚。核算结果应在分析方案中记录，避免中途增加变量。
注意什么：异质性与偏倚
异质性是核心判断项。常用指标包括Q统计量与I方统计量，前者检验异质性是否存在，后者描述异质性占比。异质性较高时应优先选择随机效应模型，并进一步查找来源，而不是直接报告合并值。探索性发现与待验证假设，应在结论部分分列呈现。
发表偏倚需要单独处理。常用方法包括漏斗图目视判断、Egger检验与剪补法。检索阶段纳入未发表与灰色文献能从源头降低偏倚，这比事后统计校正更为直接，也更容易在复核中被接受。异质性来源的查找，应优先于直接报告合并值。来源查找可按研究设计与样本特征两类分别尝试。
常见误区与交付清单
误区之一是把合并效应当作定论，忽略纳入研究的质量差异。建议对每项研究做质量评分，并给出剔除低分研究后的敏感性分析结果。之二是只纳入支持某一方向的研究，检索与筛选过程不透明会导致结论难以复核。灰色文献的纳入能降低偏倚，投入成本也在可控范围。
误区之三是忽视效应量口径统一。不同研究使用的量表与统计方式不同，合并前需要统一到可比口径并说明转换方法。调研元分析方法在交付时应附检索流程记录、纳入研究特征表、效应量森林图与异质性检验结果，四者缺一都会影响可复核性。质量评分的维度与打分规则，应随报告一并交付。打分规则的一致性，也影响敏感性分析的可信度。