Meta分析的数据提取:识破「看着一样、其实不同」
从纳入论文里把数字提出来,表格搭好了。可到了合并的时候,疑虑爬上心头——「这项研究和那项研究的数值,量的真是同一件事吗?」——最后只好把每篇论文重新翻开。Meta分析数据提取的真正难点不是抄数字。难在识破那些「看着一样、其实不同」的东西,并确认研究之间的对应关系。本文围绕五个核对点,梳理这项工作的实操。
发布日期: 2026-07-22
把论文PDF变成约3分钟的广播
无需注册。用你想读的论文PDF试一试。
Meta分析的提取,是在搭一张「对应表」
如果说普通综述的提取表是「每项研究的信息清单」,Meta分析的提取表则背负更严的任务:它装的必须是真正相互对应的数值,因为它们是合并的原料。
因此每个单元格都暗含一个问题:「这个值,真的和其他研究同一列里的值可比吗?」我们把这个问题拆成五个核对点。
核对1:结局定义
两项研究都报告「死亡率」,含义却可能不同——全因死亡还是特定疾病死亡。都叫「改善」,量表不同,同样无法合并。
从各研究的Methods里把结局定义提出来,并排列成一览。对齐的是定义,不是标签——这是核实的第一步。
核对2:测量时点
「治疗后的结局」,在4周时测和在1年时测,是两回事。
务必给时点单独设一列,并由团队决定在哪个时点合并(或按时点分开分析)。时点信息常常散落在正文各处,有时只出现在图的横轴上。图表也要一并查过。
核对3:组别定义
干预组和对照组的构成同样需要对应核查。「对照=安慰剂」与「对照=常规治疗」的研究,做的是不同的比较。
顺手记下剂量范围和持续时间,之后探讨异质性、讨论亚组时会派上用场。
核对4:分析人群
数值背后的分母,会因意向性治疗分析(ITT)、符合方案分析或仅完成者分析而不同;即使在同一项研究里,不同表格的分母也可能变化。
记下每个数值来自哪个分析人群,连同来源表号一起。「Table 3,ITT」这样一条简注,能在核对和同行评审时省下实打实的时间。分母的取用策略,团队要事先约定。
核对5:效应量格式
最后是统计格式。报告的是均数差还是比值?变异指标是标准差(SD)、标准误(SE),还是置信区间?
把SD和SE弄混,是Meta分析提取中经典而严重的错误。格式之间的换算涉及统计学判断,不要自行尝试——请咨询统计专家或导师。
分工:AI起草,人工全查
围绕这五点的提取,草稿照样可以交给AI。对它说「按这个格式,从这篇论文提取结局定义、测量时点、组别定义、分析人群和效应量」,表格的第一版很快就能成形。
但这些数值是要送进合并的,所以核实必须覆盖每一个数据点,对照原文、图表和补充材料。AI草稿只是开局的一手,永远替代不了核实。发现错误就改正草稿,并标记「已核实」。
先听广播快速了解,再打开PDF逐项核实
在正式提取之前,先对每篇纳入论文有个整体把握,能让后续的核对更高效。Paperfy 可以把研究论文PDF变成约3分钟的双人广播节目——一位主持人和一位嘉宾讨论论文的背景、方法、关键发现和局限性——约20秒内开始播放,帮你快速进入论文的脉络。
听完广播后,在你自己的PDF阅读器里打开原文,沿着五个核对点逐项核实:结局定义在Methods第几页、测量时点在哪个段落、分母来自哪张表。把确认结果记在提取表的备注栏——「结局:全因死亡(Methods第4页)/ 时点:12个月 / 分母:ITT(Table 2)」。合并途中一旦心里打鼓,这层批注能大幅缩短你找回确信的时间。
提取表的对应关系核查
- 结局按定义对齐,而不是按标签。
- 测量时点和组别定义在表中各有一列。
- 分析人群与来源表号记录在一起。
- 效应量格式(SD/SE等)核查过,换算前咨询了专家。
把论文PDF变成约3分钟的广播
无需注册。用你想读的论文PDF试一试。
Meta 分析
浏览这个主题
按同一工作流阅读相关指南,从入门到实际使用。
接下来阅读
这些文章可以继续补充同一个工作流程。