綜合分析 (meta-analysis) 是利用統計方法將多項研究結果合併起來的一種研究設計..

如果研究設計與執行得當，經常被認為證據等級較高..

但這些統計方式實在不是我們一般人可以理解的高深莫測，所以一般醫療人員在判讀時，大都是他寫什麼就是什麼了..

舉個例子來看，比較藥物預防壓力型潰瘍 (stress ulcer) 的效果差異，PPI類藥物與H2RA類藥物，用在預防壓力型潰瘍造成的上消化道出血..

以"隨機效應模式 (random-effect model)"配合Mantel-Haenszel法，計算出的結果是:

- RD (risk difference) -0.04 (-0.09, 0.01) P=0.08

代表風險下降4%，但統計上未達顯著差異，但如果改為"固定效應模式 (fixed-effect model)"同樣配合Mantel-Haenszel法，結果變成:

- RD (risk difference) -0.05 (-0.08. -0.02) P=0.002

代表風險下降5%，統計上達顯著差異水準..

這.....

如果你是"0.05"的粉絲團，你一定會昏了，到底要相信哪個?

固定效應 (fixed-effect) 模式與隨機效應 (random-effect) 模式的假設不同，理論上差異並不會太大，一般而言，隨機效應模式比較"保守"，所以計算出來的95%信賴區間會比較寬 (相對比較不容易踢掉對立假設)..

除了M-H方法之外，綜合分析還有許多計算法，但M-H方法一般被認為特別適用於研究之間異質性較大，或事件數目低 (甚至為零) 時..

所以上述數據使用M-H方法是正確的，而沒有因為"小於0.05"的緣故挑選比較有利的固定效應模式 (大家總喜歡看顯著差異的結果) 也是正確的..

接下來，該怎麼辦呢? 答案是，找出壞小孩，哪個 (些) 研究造成顯著異質性?

對綜合分析的結果是不是有多一點點的了解? (不是只有"0.05"粉絲團喔!)

Adapted from Crit Care Med. 2010; 38: 1197-205.

附註: 以上資料由文獻中提供的數據重新計算而得

分享