与连续性数据或者二分类数据进行Meta分析类似，平均值Meta分析是对均值资料数据进行综合评价。其分析与解读与连续性数据或者二分类数据类似。需要注意的是，均值资料数据进行Meta分析时，需要提供平均值、标准差和样本量数据。实际资料中，如果提供的数据中没有平均值，也或者没有标准差数据，可考虑进行一些转换或者替换处理。比如当样本量足够大且资料分布类似正态分布时，此时可考虑使用中位数代表平均值，具体可查阅相关文献或才资料，比如Cochrane手册。与此同时，如果资料中提供为标准误差（非标准差），此时可使用一般倒方差Meta分析。

平均值Meta荟萃分析案例

1 背景

当前有收集7篇文献均值数据资料如下：包括文献名称（Study）、资料的平均值、标准差及研究资料的样本量等，由于案例不进行亚组分析（或Meta回归），因而没有放入Subgroup，或协变量数据，如下图所示：

2 理论

Meta分析时涉及较多的专业名词和分析步骤，具体可见连续性数据或者二分类数据帮助手册。

平均值Meta分析时，SPSSAU默认倒方差法IV进行效应量计算。与此同时，平均值Meta分析时的分析步骤也与其它Meta分析类似，建议查阅连续性数据或者二分类数据帮助手册。

3 操作

本例子中操作截图如下：

由于资料数据中并不包括协变量数据，因而选中Meta回归也不会进行输出。暂不进行Hartung and Knapp调整。

4 SPSSAU输出结果

Meta模型一共输出7个表格和5个图，说明如下：

另需要提示的是：

• 如果有提供‘subgroup亚组’数据，那么系统自动会进行亚组分析，其会改变森林图/效应量表格结果等；

• 如果有提供协变量数据，并且要求进行Meta回归，那么系统还会提供Meta回归结果，以及Meta回归后的异质性指标信息等。

5文字分析

上表格展示平均值Meta分析的基本配置参数信息，本案例暂不进行Hartung and Knapp调整，使用IV法进行效应量计算。

上表格展示效应量率的结果，并且展示各文献对于‘合并效应’的贡献情况即权重值，权重越大意味着该文献对于Meta合并效应的贡献越大，即该文献对于合并效应的影响力度越大。本案例时7个文献资料的权重基本持平，但是平均值差异较大，最终合并效应值为0.306，95%置信区间介于0.109 ~ 0.503。从上表格暂不无法判断异质性问题，接下来通过森林图和异质性检验表格具体查看。

森林图直观展示Meta分析结果，从本案例上看，各个文献的均值差异相对很大，而且合并效应的置信区间也很大（菱形很宽），意味着很可能存在着比较严重的异质性问题，接下来使用检验等指标具体分析异质性情况（当然图里面也有展示异质性检验的关键指标比如Q检验等）。

异质性检验有多种方式，包括：Q检验，I2值判断，H值判断等。通常情况下Q检验时p值>0.1，即说明无异质性（即同质性）；I2指标衡量组间异质性的占比情况，通常I2大于50%时认为异质性较高，I2大于75%时认为异质性过高；通常H值大于1.5则说明存在异质性，H值小于1.2说明不存在异质性问题，如果H介于1.2 ~ 1.5之间时，如果95%区间包括1说明没有异质性，反之说明具有异质性。

从上表格可以看到：Q检验显示p值=0.000<0.01，意味着存在异质性问题，并且I2值为99.86%，意味着异质性问题严重，H值为27.01, H2值为729.69，进一步说明本次案例数据存在严重的异质性问题，应该使用随机效应（当然本案例本身已经使用随机效应）。与此同时，也可进一步寻找异质性问题的原因，可考虑移除导致异质性问题的文献然后再次分析等。

Meta分析时还有个关键问题是发表偏倚。有较多的方式可进行发表偏倚的查看和检验等，SPSSAU提供Egger检验和Begg检验，漏斗图和Trim剪补法。上表格显示：Egger检验时p值为0.378大于0.05，则认为不存在发表偏倚；Begg检验时p值为0.652大于0.05，则认为不存在发表偏倚。当然还可以使用更加直观的漏斗图查看发表偏倚问题。

漏斗图时，横坐标为效应量（本案例为率值），纵坐标为标准误差值（并且纵坐标进行逆向），如果说各散点介于漏斗内两侧并且基本上呈现出对称状态，那么意味着没有发表偏倚问题。上图显示有4个文献在漏斗图外侧，并且散点并没有绝对的对称，意味着从漏斗图上看有着一定的发表偏倚问题，这与上述检验出现矛盾现象，这种情况在研究文献较少的时候容易出现，具体研究者应该综合决择，这是由于漏斗图直观但其在研究文献数量较少时，直观上容易看出明显的偏差，但检验上并没有那么严重（另外需要注意的是：本案例数据具有严重的异质性问题，也有可能异质性问题额外带来了发表偏倚问题）。如果以漏斗图结果为准，那么还可进一步使用Trim剪补法，然后使用校正合并效应结果值。

Trim剪补法时剪去漏斗图中不对称项，并且沿漏斗图中心两侧填补上被剪切部分，并且基于剪补后数据重新进行效应量计算，以校正异质性问题带来的效应量偏差。上表格中列出的第1行为真实数据结果，第2行为填补后的校正数据结果；如果两行结果完全一致，则意味着并没有进行填补处理。本次案例进行Trim剪补法后，填补2项，并且合并效应发生较为明显的变化，从0.306变化为0.162，并且置信区间从不包括0，变为包括数字0。

敏感性检验表格使用逐一剔除检验法进行研究。每行表示移除该项后剩余项的meta合并效应量结果，效应量率是否为0的z检验结果及I2指标值；比如第1行表示如果不纳入‘Hartman 2008’这篇文献数据，余下其余文献进行Meta分析的合并效应结果等。另外，表格最后一行展示所有研究的合并效应结果；综合上表格来看，任意移除一篇文献资料时，I2值均接近1，意味着本案例数据具有严重的异质性问题，应该首先处理掉严重异质性问题后再进行分析，此种做为更为科学 稳妥。

与此同时，还可使用森林图直观展示敏感性检验结果，如下图中可以看到，逐一移除单独一篇文献后，合并效应并没有发表非常明显的改变，因而也意味着本案例数据通过敏感性检验，合并效应结果具有良好的稳健性（但这种稳健性是基于严重异质性前提，所以本案例文献资料有着严重的异质性需要处理）。

累积效应结果展示逐一纳入新的研究后的效应量和95%置信区间等； SPSSAU中进行累积效应时，默认自上而下不停地纳入文献，如果需要改变顺序，那么可通过修改放入的原始数据顺序进行改变。

下面森林图是累积效应的可视化呈现结果。

6 剖析

Meta分析涉及以下几个关键点，分别如下：

• Meta分析通常关注三项内容，分别是异质性问题，发表偏倚问题和稳健性问题；异质性问题具有多个检验指标，有时候可能出现不一致结论，建议综合进行决择判断，类似地，发表偏倚也有多种检验和查看方式，通常使用漏斗图查看和分析即可，Meta敏感性检验常用逐一剔除法。

疑难解惑

• 如果不满足异质性检验时如何办？

如果基本没有异质性问题，那么建议使用固定效应即可，当然此时使用随机效应也可以；如果说异质性问题不太严重，那么直接使用随机效应模型即可；如果说异质性问题非常严重，建议进一步查看导致异质性问题的原因并且处理后分析使用。

• 如果不满足发表偏倚怎么办？

如果漏斗图发表散点不在漏斗内侧并且明显不对称，那么建议使用剪补法，并且最终使用修正后的合并效应结果。当然也可找出导致不对称的文献，并且移除该文献后再次分析。

• 如果没有通过敏感性检验怎么办？

SPSSAU中，敏感性检验使用逐一剔除法，综合对比和分析结论上的变化等。当然还可以有其它处理方法，比如一次性剔除两篇文献等，建议综合对比决择等。如果剔除某一文献后合并效应发表非常明显的变化，可考虑将该文献不纳入分析范围。