什么是元分析
元分析的英文是meta-analysis，也就是俗称的荟萃分析。那么在现代的分析中，元分析将多个分析研究的结果荟萃成一个结果
目前元分析的研究大多数都基于数据库或者文献的搜寻，将多篇文献的结果进行整理融合，最终得出一个综合性结论
但是由于各类文章的水平等各方面条件的差异，我们在做meta分析的时候往往需要做出很严格的检查和判断，因此我们在阅读meta分析的文章的时候，我们都可以发现他们都做了质量评估，异质性分析，偏移度分析和敏感性分析
那么我们在阅读meta分析的文章的时候可以发现，这一类文章大致的分析步骤为：
搜索数据，在搜索数据的时候应当遵循PICOS原则（participant，intervention，comparison，outcome，study design），根据如上原则，筛选出比较相似的文章
质量评估
3.森林图
4.异质性和合并模型
5.偏倚型分析
数据搜索
我们在搜寻文献或者数据的时候，应该做出一点的筛选
在搜寻的过程中我们可能会找到重复的文献，那么我们应该把这些重复的部分给删除，或者更加标题和摘要把不想要的文献给删除
然后根据全文的内容再次做一个筛选，从而获得一个最终结果
所以，meta分析的关键就是在于文献的筛选和阅读，对于文献的筛选来说，不同的实验方法或者实验的对象或者对照和实验设计是我们筛选的一种标准，并且要记录好所保留的文献以及为什么要将某些文献所筛掉
当确定好最终的文献以后，我们需要把文献的基本信息所记录下来，包括研究对象，实验设计，方法以及实验的个性化的地方给记录下来（这里的个性化应该理解为如果重复类似实验，造成差异的原因）
接下来要做文献质量的评估，那么文献之间的差异需要利用量表进行打分。在医学方面，通常利用NOS量表进行打分
如果是进行RCT研究，那么就需要采用cochrane的质量评估方法，也就是说不同的研究方法，与要用不同的质量评估方法进行打分
这幅图就表现出了这些文献在各种因素上的风险等级，为后面是否合并提供了参考依据
提取数据
我们从相同研究的文献中提取数据
其中study表示不同的文献研究，factor表示不同处理，比方说假设factor A 为熬夜，那么熬夜的有100人，得心脏病的有3人
森林图
那么，根据我们提取的数据就可以画森林图了，计算风险比从而得出相应的结论
比方说对于第一个study，暴露在某处理有411人，得病的1人，没有暴露的有422人，得病的有19人，然后综合所有的研究计算该处理总的均值
而右图表示的是风险图，每一条代表一种处理，那么偏左说明风险高，右图表示风险低
异质性
由于各种因素的制约，会存在异质性，即有的研究得出结论A有的研究得出结论B
因此我们需要计算I^2:
在合并模型的时候，如果各项研究比较独立，多采用固定效应模型或者随机效应模型；如果研究不独立，多采用Multilevel模型
这里的固定效应指的是在同样的对象群体，实验设计方法都一样，存在的误差是由于抽样误差所导致的
那么随机效应模型是指在同样的对象群体，实验设计方法都一样，造成误差是由于抽样误差及实验人员技术问题或者其他细微影响所导致
而Multilevel模型则考虑多种的因素的相互nested的影响
偏倚分析
我们通过统计学方法来研究偏倚，比方说这种三角图，纵轴表示各个studyyue之间的一个标准误，而横轴表示的是各个因素的影响，那么越偏左，说明该因素为保护型因素，越偏右说明该因素为危险型因素
如果集中左边，那么说明该研究所发表的论文显示的主流观点为，这些因素为保护型因素，反之右边表示为危险型因素
