单组均值Meta

所属分类：Meta分析

这个方法是做什么的

单组均值 Meta 分析把多项研究各自报告的同一指标的均值合并成一个总体估计，例如多篇横断面研究报告的某人群空腹血糖、术后住院天数或某量表得分。每一行是一项研究，需要提供均值、标准差和样本量；模块把每项研究的均值和它的标准误平方（SD²/n）作为效应量与方差，先用逆方差法做固定效应合并，再用 DerSimonian-Laird 法估计研究间方差、做随机效应合并。

报告结构与其他 Meta 模块一致：卡①给出各研究的均值、权重以及 Q、I²（含置信区间）、τ² 等异质性诊断；卡②给出固定与随机效应的合并均值及 95% 预测区间；卡③是森林图和漏斗图；卡④做留一法敏感性分析和发表偏倚检验。合并尺度可选原始均值，或对右偏、只取正值的指标改用对数均值——在对数尺度合并后再取指数回到原单位。

需要准备什么数据

• 研究标签 (可选)（可选）：不限
• 均值：不限
• 标准差 SD：不限
• 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

• 综合多篇研究报告的同一人群的某项指标平均水平，形成一个带置信区间的总估计
• 为样本量计算或模型参数寻找一个有文献依据的基线均值
• 比较不同地区、不同年代研究报告的均值是否一致（看异质性和预测区间）
• 右偏指标（住院天数、费用、血药浓度）的均值合并，改用对数均值尺度

各研究必须测量同一指标、使用同一单位，并且来自可比的人群。原文只给标准误时，先换算为标准差（SD = SE × √n）再录入。

什么时候不要用它

• 每项研究都有两组、关心的是组间差值：用「连续效应Meta(MD/SMD)」，合并的是均值差或标准化均值差。
• 合并的是率或比例（患病率、有效率）：用「单率Meta」，它在 logit 尺度合并，区间不会越出 0 到 1。
• 研究报告的是已算好的效应量和标准误：用「通用效应量Meta(亚组/回归)」，还能做亚组分析与 Meta 回归。

容易误读的地方

• 单组均值没有“无效值”。 合并均值不存在“等不等于 0”的问题，表3 的 p 值检验的是合并值是否为 0，通常毫无意义；报告重点应是合并均值、置信区间和预测区间，模块也不对它做显著性判定。
• 异质性往往很高。 不同研究的人群、测量方法、年代都不同，单组均值的 I² 常常超过 75%。这时合并均值只是一个平均水平，预测区间才反映“下一项研究可能落在哪里”，论文里应同时报告。
• 对数尺度不是随手可选的。 对数均值适合右偏指标，但要求所有均值大于 0；它合并的是几何意义上的平均，反变换后的数值与原始均值的算术平均会有差别。两种尺度结论差别很大时，要回头检查数据分布。
• 标准差为 0 或样本量极小的研究会占用不合理的权重。 权重与 n/SD² 成正比，录入错误（如把标准误当标准差）会让某项研究的权重异常放大；先看卡①的权重列，有异常立即核对原文。
• 发表偏倚检验在 k 小时把握度低。 研究数少于 10 项时，Egger 与 Begg 检验不显著不能说明没有偏倚，只能说明检不出来。
• 均值与标准差的来源要统一。 有的研究报告中位数与四分位数而不是均值与标准差，直接混在一起合并会出错；需要先用公认的方法估算均值与标准差，并在方法部分说明哪些研究做了换算，必要时做剔除这些研究的敏感性分析。
• 留一法关注的是点估计的漂移。 单组均值没有显著性可言，卡④留一法表中的显著性列只作为辅助信号；更重要的是看剔除某项研究后合并均值和区间移动了多少，移动明显说明结果依赖该研究，应回头核对它的人群和测量方法。
• 单位换算要在录入前完成。 同一指标在不同研究中可能使用不同单位（如血糖的毫摩尔每升与毫克每分升），必须先统一单位再合并，否则异质性和合并均值都会失真。

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