這棵大樹 (暗指森林圖 forest plot) 我們都想看到...

因為我們都有一個很壞的習慣，就是看到長得還有點像的數據就想"合併 (poll)"在一起...

這個動作在統計上叫做綜合分析 (meta-analysis)...

前天上課時，老師同樣問了這個大哉問，到底要不要合併在一起?

有趣的是，大家拼命在想合併起來的理由，但文獻中充斥的反而是不合併起來的"藉口 (excuses)"...

根據John loannids教授發表在BMJ上的分析結果，在系統性綜論/綜合分析中，最常被用來說明不合併在一起的理由分別是:

第三名 研究設計/收納族群不同 (different study design/participants)

第二名 統計異質性太高 (high statistical heterogeneity)

第一名 介入不同 (different intervention)

教授在文中也有提到，這些理由 (或稱為藉口) 大多數是可以克服的 (但無法完全克服)...

例如:

- 統計異質性高：做個次組分析 (subgroup analysis) 或綜合迴歸 (meta-regression) 看看造成異質性的原因吧

- 比較不同介入：可以考慮合併同類但不同的介入方式，例如同作用機轉/分類藥物

- 預後評估方法不同：如果只是量測單位不同，考慮換算一下吧

- 資料有限：只要研究大於等於兩個，還是可以進行綜合分析的 (當然結果在判讀上須要注意)

只要討論到要不要合併在一起，就會記起香蕉與橘子的梗 (下圖，合併香蕉跟橘子的結果)，但如果我們找到的是香蕉跟橘子，那我們要先檢討搜尋流程了...@@

合併或不合併？教授的意見是，如果使用的方法得當，定量的結果會比定性來的好，但，更重要的，不論用什麼方法，如果我們不知道它在幹嗎，那結果可能都是誤導的...

"Any meta-analysis method, simple or advanced, may be misleading, if we don’t understand how it works."


Adapted from BMJ. 2008; 336: 1413-5.