Meta分析学习笔记1——Meta分析是什么?

哈喽，不知道大家的论文都写到什么程度了，我最近在学习Meta分析，做了一些学习笔记，与大家交流学习。

Meta分析是什么

我的学习笔记：Meta分析就是通过检索全部的相关研究文章，剔除掉重复的和低质量的文章，保留高质量研究，将与研究问题相关的所有高质量实验综合在一起分析（参考了BiliBili视频“手把手教你meta分析”）。

参考了AI的解释：Meta分析（Meta-analysis）就是把很多独立研究（通常是多篇论文/多组试验）的结果，用统一的统计框架“汇总成一个更稳健的总体结论”。它解决的问题是：单篇研究样本小、地点/年份不同、结果不一致——到底“总体上”效应是正还是负、有多大、在什么条件下更强/更弱？

Meta分析的核心工作

Meta分析涉及的核心步骤包括选题、查文献、选择合适的文献、评价纳入文献的质量、用统计学方法得出结论。

我认为：Meta分析最关键的工作是收集整理文献数据。

参考了AI的解释：Meta分析最“决定成败”的环节就是文献筛选 + 数据提取（数据库构建）。因为：你后面所有统计都只是“在你给的数据上运算”；数据一旦在纳入标准、对照设置、单位换算、重复拆分上出错，结论会系统性偏，而且很难靠后期模型纠正。

所以Meta分析的核心工作是：用可复现的纳入标准，构建一个单位一致、对照清晰、独立性处理正确的高质量数据库。

Meta分析到底是什么，和普通文献综述有什么区别？

普通文献综述更像是：“别人都做了什么，我来归纳总结。”

Meta分析更像是：“别人都做了什么，我不仅归纳，还把结果提取出来做统计整合，算出一个总体结论。”

Meta分析是一种在系统检索和筛选文献基础上，对多个独立研究结果进行定量整合的统计方法，其核心是通过计算统一效应量并进行加权合并，获得某一研究问题的总体效应估计，同时结合异质性分析、亚组分析和Meta回归等手段解释研究间差异。与普通文献综述主要依赖定性归纳不同，Meta分析更强调证据的量化整合、统计推断和结果的可重复性。

普通综述回答的是：“这个领域研究到了哪一步？”

Meta分析回答的是：“这个效应平均有多大？显著吗？为什么不同研究结果不一样？”