连续效应Meta(MD/SMD)

所属分类：Meta分析

这个方法是做什么的

把多项研究的“两组连续结局”合并成一个总的效应估计。要拖六列：两组各自的均值、标准差、样本量（研究标签可选）。一行是一项研究，不是一个受试者——你填的是每篇文献表格里那一行汇总统计量，不是原始数据。效应量由选择器决定：标准化均值差 SMD（默认，用 Hedges g）或均值差 MD，两者都在原尺度上合并，不做对数变换。

除了合并值与它的 95% 置信区间，第一张卡逐项列出各研究的效应量、95%CI、固定效应权重与随机效应权重，并把 Q 检验、I²（附 95% 置信区间）、τ² 与 τ、H² 排成一张诊断表；第二张卡把固定效应（逆方差）与随机效应（DerSimonian-Laird）并排给出，再加一行 95% 预测区间；第三张卡是森林图与漏斗图；第四张卡做留一法与四项发表偏倚诊断（Egger、Begg、Duval-Tweedie 剪补、Rosenthal 失安全数）；第五张卡整理成可誊写的学术表述。选 SMD 时表注会逐字给出 Hedges g 的合并标准差、小样本校正因子 J 与方差公式。

需要准备什么数据

• 研究标签 (可选)（可选）：不限
• 试验组均值：不限
• 试验组标准差：不限
• 试验组样本量：不限
• 对照组均值：不限
• 对照组标准差：不限
• 对照组样本量：不限

数据要求

• 数据表至少 3 行。
• 单列缺失率不超过 30%。

以上条目由系统从该方法的校验规则直接生成，与上传数据时的实际拦截规则一致。

什么时候用它

• 多项随机对照试验报告了同一个连续结局的两组均值±标准差（评分、浓度、时长）
• 各研究用的量表不同但测的是同一个构念，需要一个可跨量表比较的效应量（选 SMD）
• 各研究用的是同一把尺子、同一个单位，希望结论保留原始单位（选 MD）
• 系统评价需要合并效应并一并报告异质性与发表偏倚

数据上的前提：六列都是数值，两组标准差严格大于 0，两组样本量都不小于 2，至少 3 项研究（合并本身 2 项就够，I² 的区间估计与发表偏倚检验需要 k ≥ 3）。选 MD 还多一条硬前提：各研究必须使用同一量表、同一单位，否则只能选 SMD。

什么时候不要用它

• 想按剂量、随访时长或人群分层看效应怎么变：本模块没有亚组与调节变量的拖拽区，把各研究的效应量与其标准误整理好，改用「通用效应量Meta(亚组/回归)」。
• 原文只给了中位数与四分位距，或只给了 t 值、p 值，拿不到均值与标准差：六个必填区填不满；能从原文换算出效应量与标准误的，用「通用效应量Meta(亚组/回归)」。
• 是单臂研究，只有一组治疗前后变化的均值与标准差，没有对照组：两组结构填不进去，先算好效应量与其标准误，再用「通用效应量Meta(亚组/回归)」。
• 结局是二分类（有效/无效、复发/未复发）：用「二分类效应Meta(OR/RR/RD)」。
• 各研究报告的是相关系数与样本量：用「相关系数Meta」。
• 手上是一项研究的原始个体数据，不是多项研究的汇总：那不是 Meta 分析，两组比较用「独立样本T检验」。

容易误读的地方

• MD 和 SMD 不是精度之别，是单位之别，而 SMD 的分母会把结论搅进来。 MD 就是两组均值相减，保留原单位；SMD 先除以合并标准差，把差异折算成“多少个标准差”。除下去的这一步意味着：同样的绝对疗效，纳入人群越同质（标准差越小），SMD 就越大。本次数据里 Li 2017 的原始均值差是 9.44，比 Zhang 2016 的 8.12 更大，但它的 Hedges g 反而更小（0.8073 对 0.8525）——因为 Li 那批人的标准差更大。所以 SMD 的排序不等于疗效的排序，它同时反映了各研究招了一批多整齐的人。
• 换一个效应量口径，异质性和发表偏倚的结论跟着变，可它们是同一批研究。 同样这 12 项研究：选 MD 时 I² = 79.2%（高度异质）、Egger 检验 p = 0.051；选 SMD 时 I² = 73.5%（中度异质）、Egger p = 0.509。数据一个字没改，只是换了折算方式。这说明 I² 不是“这批证据的异质性”这种绝对量，它是研究间变异占总变异的比例，分母里的研究内方差随口径与样本量而动；也说明漏斗不对称检验的结论比大多数人以为的脆弱得多。要谈异质性的绝对大小，看 τ（SMD 下 τ = 0.2835 个标准差，对着合并值 0.6004 看就知道有多大），不要只看 I² 那个百分数。
• 选 SMD 时，效应量和它的精度在算术上就不独立。 表注给出的方差公式是 (n₁+n₂)/(n₁n₂) + g²/(2(n₁+n₂))：g 越大，方差越大，标准误越大，权重越小。也就是说，一项研究只要效应量大，它在漏斗图上就会自动往标准误大的一侧挪一点——而 Egger 与 Begg 检验的正是“效应量与精度是否相关”。所以 SMD 的漏斗不对称里，天然掺着一份与发表偏倚无关的机械成分，把它单独当作发表偏倚的证据要更谨慎。
• 置信区间说的是这个平均值有多准，预测区间说的才是下一项研究会怎样。 本次随机效应合并 SMD = 0.6004，95%CI [0.4128, 0.7881]，看起来结论很硬；但同一张表下面那行 95% 预测区间是 [−0.0662, 1.2671]，把 0 包了进去。两者不矛盾：前者刻画“各研究真值的平均落在哪”，后者刻画“再做一项同类研究可能落在哪”。异质性越大两者差得越远，写讨论时把预测区间一起报出来，比只报一个漂亮的置信区间诚实得多。
• 0.2 / 0.5 / 0.8 是统计学惯例，不是临床意义的分界。 表注给的这套判读来自经验，它不知道你的量表一分值多少钱。同一个 g = 0.6，在一把 100 分的生活质量量表上可能只对应几分、低于最小重要差值，在另一个结局上却可能改变治疗决策。要回答“值不值得”，MD 的原单位比 SMD 更能与临床对话——如果各研究确实同量表同单位，不妨两个口径都跑一遍：用 SMD 判断证据强度，用 MD（本次 6.0033，95%CI [3.9989, 8.0077]，单位就是你那把尺子的单位）向读者解释这意味着什么。

报告里有什么

1. 输出结果一：纳入研究概览与异质性前提检验
2. 输出结果二：合并效应主结果表
3. 输出结果三：森林图与漏斗图
4. 输出结果四：敏感性分析与发表偏倚检验
5. 输出结果五：结论与学术表述