1.確定Meta分析的主題和類型
可以用Pico原理可以用來描述研究問題。關鍵是確認是否有已發表的關於這一主題的薈萃分析，以避免重複工作。在某些情況下，如果生成新數據，
則可以更新主題的元分析。
Meta分析可用於許多類型的研究，如病例對照研究、隊列研究和隨機對照試驗。由於觀察性研究更有可能是偏頗的，所以在對這些類型的研究進行薈萃分析時應該考慮到這一點。此外，我們還可以對遺傳關聯研究、基因表達研究、全基因組關聯研究（GWAS）或動物實驗數據進行meta分析。
建議使用Prospero資料庫（https://www.crd.york.ac.uk/Prospero)預註冊系統評估項目。你知道，越來越多的期刊在出版前需要註冊。
2遵循指南進行不同類型的meta分析
有幾種常用的指南，如norm語句（RCT的meta分析報告規範）、moose語句（觀察性研究的meta分析報告規範）和PRISMA語句（系統評價和meta分析的優先報告項目）目前被廣泛使用。
此外，還有一些臨床研究薈萃分析的具體指南（Cochrane手冊；https://training.cochrane.org/handbook)基因關聯研究（PMID 19260758），全基因組表達研究（PMID 18767902），GWAS（PMID 23657481）和animal study（PMID 18767902）24099992）相關meta分析指南（感興趣的人可以根據PMID直接查閱相關文獻）。
3.確定標準並定義關鍵變量
納入標準（如研究類型、發表語言等）和排除標準（如最小樣本量等）應提前確定。目前，共識並不建議對出版語言或樣本量有嚴格的標準
。
您應該清楚地定義需要從每篇文章中提取的變量。廣泛的納入標準會增加研究之間的異質性，狹窄的納入標準可能難以找到研究，達到平衡。
4檢索和提取不同資料庫中的關鍵數據
它可以在多個資料庫中搜索，如PubMed、EMBASE、Cochrane、Scopus、web of science和Google Scholar。一般來說，搜索多個資料庫有助於找到儘可能多的已發表的研究。
在某些領域，還需要在專業資料庫中搜索（如BIOSIS、CINAHL、PsychINFO、social abstracts和EconLit等）。參考評論文章有助於從其他來源（如論文或會議論文）找到更多的文章。
從原始文章中提取和記錄關鍵數據是meta分析的基礎。納入研究的質量評估也是一個關鍵問題，可用於確定納入標準、敏感性分析或研究差異的權重。例如，Jadad量表經常用於隨機對照試驗（PMID 8721797）；紐卡斯爾-渥太華量表用於非隨機研究（PMID 20652370）；quadas-2用於診斷準確性研究的質量評估（PMID 22007046）。
建議兩名研究人員同時執行這些步驟。但讀者也應該意識到，這些質量評估也受到批評，特別是當他們將研究簡化為一個單一的「質量」分數時。最重要的是，避免使用原始研究報告的規範性指南作為評估研究質量的尺度。
5聯繫原始研究的作者並詢問缺失的數據
原始研究的文本或附錄缺乏關鍵數據也是很常見的，因此有必要聯繫作者以獲取缺失的數據。然而，提交人的答覆率通常沒有預期的那麼高。有許多標準可以提高已發表文章中原始數據的可用性，
例如MIAME和Strega標準。
在遺傳學等一些領域，利用一項研究的綜合統計數據就有可能識別出一個人，因此數據共享應採用嚴格的標準，並需要特別批准。
6為你的研究問題選擇最好的統計模型
需要注意的是，在很多情況下，每份研究報告的數據格式是不兼容的，因此需要進行各種類型的轉換。幸運的是，有一些可用於提取和轉換連續變量（PMID 8797521）、四個網格表（PMID 16025540）和生存數據（9921604）的方法。
meta分析一般採用固定效應模型或隨機效應模型。對於比較複雜的數據，也有人提出了多元meta分析的方法。其他統計操作包括敏感性分析、元回歸、亞組分析和異質性檢驗（如Q或I2）。
如果存在異質性，則應解釋異質性的可能來源。儘管隨機效應模型適用於研究間異質性的情況，但仍有必要確定異質性的來源，並使用統計檢驗來量化其對效應大小的影響，如亞組分析或元回歸。
發表偏倚是需要考慮的一個重要方面，因為在許多情況下，負面結果的文章不太可能被發表。其他類型的偏見，如「贏家詛咒」，在遺傳學領域很常見，應該通過累積薈萃分析來確定。
7使用標準軟體進行統計
有幾種常用的軟體可用於薈萃分析。有些軟體有統計軟體包，如Stata或R軟體。有幾十個軟體包，其中大部分是由用戶編寫的。他們可以處理meta分析的大部分任務，甚至是複雜的meta分析，例如mesh meta分析、GWAS和基因表達meta分析
8記錄和研究報告必須完整和透明
除了所使用的meta分析策略的細節之外，檢索、納入標準、篩選出的摘要和納入研究的數量等數據以及納入研究的質量評估也是有用的。
您可以構建一個電子表格，記錄過濾條件中的每個步驟，這將有助於構建流程圖。描述異步突發過程的流程圖非常有用，可以提高meta分析的質量。如果薈萃分析需要在將來更新，這些記錄也很有用。此外，解釋meta分析的局限性也很重要。
9在提交時提供足夠的數據
在meta分析文章中，有一個表格，裡面有關於原始研究的完整信息（如作者、年份、納入人群、DOI、PMID等），非常有用。它可以放在論文的主體部分，也可以作為附錄。需要指出的是用於生成關鍵地圖（如森林地圖）的元分析和軟體。應報告總效應值，如合併優勢比，包括置信區間。
在陽性結果的情況下，敏感性分析圖是有用的。在更複雜的分析中，建議附加腳本以在附錄文件中生成結果。
10為你的發現提出未來的研究方向
討論部分是元分析的重要組成部分。作者應該討論現有文獻和知識體系中的當前發現。作者可以在meta分析中討論陽性或陰性結果的可能原因，根據現有的生物學或流行病學證據提供解釋，並討論個別研究的一些特點。
更多的期刊諮詢，請掃碼詢問在線編輯~