15、元分析：结果展示、解读与常见问题解答

元分析：结果展示、解读与常见问题解答

1. 预测区间在元分析中的应用

预测区间在元分析中具有重要作用，它能呈现相似研究中真实效应的预期范围，有助于对元分析结果进行解读。一个近似的 95% 预测区间计算公式为：
[
\hat{\theta} \pm t_{0.975, k - 1} \sqrt{Var(\hat{\theta})}
]
这个区间之所以被称为预测区间，是因为它能预测未来 $\theta$ 值的范围。不过，它只是一个近似值，因为没有考虑方差估计的变异性。贝叶斯方法可用于处理方差估计中的不确定性。但该区间强烈依赖于各研究效应呈正态分布的假设，当研究数量较少时可能会出现问题，区间可能会显得过宽或过窄。当研究数量合理（如超过 10 个）且漏斗图无明显不对称时，预测区间较为有用。

2. 元分析中的缺失值问题

在元分析中，如同标准数据分析一样，我们需要关注缺失数据，这里的缺失数据可能是研究本身。研究缺失最常见的原因是所谓的发表偏倚。当无统计学意义的研究未被撰写和发表时，就可能出现这种偏倚。不过，也有人认为在原假设下，无统计学意义的研究在不同方向上出现的可能性相同，这不算真正的偏倚。但当资助者不发表可能对其产品使用产生不利影响的结果时，就会产生偏倚。有运动组织估计约 50% 的试验因各种原因未发表。

检测研究是否缺失的最简单方法是搜索试验方案，然后跟进查看主要试验是否发表。现在一些期刊要求在接受主要试验发表前先发表试验方案。此外，还有一些统计技术可用于判断现有研究是否具有代表性。

3. 元分析结果的展示

以 Gera 和 Sachdev 对 29 项儿童铁补充剂预防感染试验的