メタ解析の方法。「集めて平均する」ではない、統合までの道のり

まず位置関係の確認です。メタ解析は単独で行う作業ではなく、通常はシステマティックレビュー——問い・検索・選択・評価を事前に設計するレビュー——の枠組みの中で、最終盤に行う統計的統合を指します。

つまり、メタ解析の質は統合の手前でほぼ決まります。どの研究を、どんな基準で集めたかが崩れていると、どれだけ正しく計算しても、結果は信用できません。（両者の関係はシステマティックレビューとメタ解析の違いの記事で整理しています。）

メタ解析の問いは、PICO（対象・介入・比較・アウトカム）の形で1つに絞ります。「この治療は、この患者で、このアウトカムを改善するか」。

問いが広いと、性質の違う研究が混ざり、後の統合が正当化できなくなります。統合の可否は、実はこの最初の1文でかなり決まっているんです。

検索式を設計し、複数データベースを記録付きで検索し、事前に決めた基準でスクリーニングします。ここはシステマティックレビューの標準工程そのものなので、詳細はシステマティックレビュー全体設計の記事とスクリーニングの記事に譲ります。

この段階でのAI要約は下読みの補助に使えますが、採否の判断と除外理由の記録は人が原文を確認して残します。

採択した研究から、統合に必要な数値——対象数、群ごとの結果、効果量の材料——を同じ形式で抜き出します。

メタ解析では、アウトカムの定義・測定時点・解析集団が研究間で対応しているかの確認が、抽出の中心作業になります。ここが緩いと「違うものを平均する」事故が起きます。実務はメタ解析のデータ抽出の記事で詳しく書きます。

数値が揃ったら、いきなり統合ではなく、「この研究たちは合わせてよいか」を考えます。対象・介入・アウトカムは十分に近いか。デザインは混在していないか。

「計算できること」と「統合してよいこと」は別問題です。りんごとみかんを平均しても、意味のある果物にはなりません。統合の可否と方法（固定効果・変量効果の選択など）は統計的判断を含むので、統計の専門家・指導者との相談が前提です。

統合した結果には、研究間のばらつき（異質性）の評価が伴います。ばらつきが大きい場合、「なぜ違うのか」を考えることが、単一の統合値よりも重要な発見になることがあります。

異質性の指標の解釈や、サブグループ解析・感度分析の設計は、ここでも独断ではなくチームで。メタ解析の結論は「1つの数字」ではなく、「数字+どれくらい揃っていたか+なぜ違ったか」のセットです。

最後に、統合値を問いの言葉に戻します。効果の大きさは臨床的に意味があるか。含まれた研究のRisk of biasは結論をどれくらい揺らすか。

ここはAIに任せられない領域です。原文を読み、限界を知っている人だけが、誠実な解釈を書けます。

この長い道のりで、Paperfyは「読む・確かめる・戻る」の足場として使えます。採択論文が1論文1ページでAI要約・図表・原文PDFと共に並び、要約は手動で編集できるので、抽出の確認メモや統合可否の懸念を書き足して残せます。統計ソフト（R、RevManなど）や引用管理ツールの代替ではなく、その手前の読解工程を支える位置づけです。