前两天看到了一篇Meta分析的文献，觉得有必要学习学习了。
于是开始在找资料，一不小心翻出来一套“埋没”在我电脑里的PPT教程。
刚开始大致看了下目录，
嗯，好多。那天还看不懂，不知道这叫“好全”
（看完后我才知道，这份资料按着Meta分析的顺序讲解，还有专题专攻，配合一个“例子表格.xls”文件，软件操作很轻松就可以上手了。）
然后无精打采的随便打开了一页。。。
什么？洗衣服！什么鬼？
我以为点错了文件，然后，
发现，
我挺喜欢的。。。接着洗衣服。。。
洗着洗着，我发现我对一些概念的理解更加深刻了，
类比太形象了！
时不时还像电影一样留下悬念
善解人意
然后，开始榨橙汁了
还有曾经的李雷和韩梅梅
和这种自信到自恋的说话方式
这就是我要找的课件嘛！
简单！粗暴！
最讨厌那种一张PPT上堆满文字，还从头到尾都是正常人看不懂的非人类语言！
学习完这套资料，你的文献检索能力会提高，对Meta分析也有了全面系统的认识，会发现原来Revman软件这么简单，这个软件基本上把数据录完后就自动生成了一篇文章了，就是一篇Meta分析的模板。
停！不能“剧透”了
这么好的东西，我看完后自然想到了大家，就拿出来和大家分享了。
那么，你肯定很想要！
但是，为了让你知道珍惜资料，不能那么容易就让它去你那里睡觉了，
毕竟，来之不易的东西才会珍惜。
你还得再听我唠叨一下。。。（我要开始唠叨了）
分割线下面开始唠叨
Meta分析是做什么的呢？
【插播】：原本打算学会后写一篇关于Meta分析的入门教程，配合一篇用R软件做的Meta分析的文章来学习。但是这套PPT课件真的太好了，所以这里只总结一些我想要表达出来的东西。那篇R的文章也改到下次单独分享了。
假设临床上一直在使用A药物治疗Z病，现在又开始出现了一种新药B，那么全世界范围内便会陆续有关于A药与B药治疗Z病效果的比较报道，有人说A药效果好，也有人说B药效果好，而且他们都进行了一定样本量的临床研究。
这样关于A药和B药治疗Z病的效果问题便出现了分歧和争议，不同的研究人员的研究对象（病人）样本大小不同，研究方法也可能存在差异
那么我们到底该信谁的？
这个时候就有必要将全世界范围内的研究组织起来进行一个汇总分析，最终得出A药与B药治疗Z药效果的比较结果。这样就相当于将样本量最大化了，得出来的证据也是最高等级的、最可靠的。
其实这个汇总分析的过程就是所谓的Meta分析了。
只不过汇总分析的过程，我们不能随便将相关的研究都拿来进行汇总。
试想一下，最理想的状态其实应该是在全世界范围内将所有的Z病患者找出来，然后随机分配为实验组和对照组，这样每个组中都有男女、都有不同的年龄分布、有不同的种族国家和地域分布等等，然后对两组Z病人分别使用完全相同的方法给予A药物和B药物治疗，观察两组的疗效情况。这样得出来结果毫无疑问消除了年龄、地域、服药方式和剂量等等各个方面的因素的影响，其得出的结果也是最可信的。
然而，那也只能是理想的状态。
在现实生活中，研究报告来自不同国家、不同报告中的实验方法也有不同、一些具有偏向性的报告更容易被发表（比如偏向于权威，那么与权威不相符的阴性报告可能不会被发表）……诸如此类问题都会干扰我们的汇总。
所以Meta分析的过程其实就是在尽可能的消除或降低上述干扰的过程，并且在适当的时候还需要去寻找哪些因素的干扰大。
那么，我们做Meta分析的步骤通俗的讲就是如下的过程：
1.先确定要分析的问题（选题）；
2.收集全世界范围内的相关研究文章（检索文献）；
3.筛选这些文章，将符合要求的文章留下，明显不符合的剔除（筛选文章）；
4.将最终挑选出来的，研究比较相近、差异不大的研究结果中的数据摘录出来并制成汇总表（数据提取&制表）；
5.用软件分析一下各个研究之间的数据差异大不大（异质性分析）；如果异质性明显，我们需要通过一些统计学方法找到差异的来源，到底是来源于数据收集和处理的过程，还是单个原始研究原本的诸如国别、原始研究人员处理方法等等方面的差异导致；
6.如果没有异质性，我们还需要检查是否有类似于发表的偏向性方面的差异（偏倚）；
7.最终，我们还需要检查我们的汇总分析结果是否稳定，会不会随着某些统计学方法或者纳入的原始研究数量的微小改变而改变等（敏感性分析）。
8.对我们的研究做一个评价（质量评价）。
上述的过程大致涵盖了Meta分析的全过程。
当然，其中有些是Revman软件做不到的，可以使用Stata软件或者R软件。
（R软件的Meta分析方法将在下一讲介绍）
接下来，我将学习过程中觉得需要总结的地方稍微总结了一下，
第一张总结是关于“数据类型和效应量的选择”的
第二张，是一个大致的流程图，
注：
1.流程图中，阴影部分都是软件处理的过程，上半部分才是需要人工处理的;
2.流程图中红色字体带“*”的属于推荐用法。
好了，我唠叨完了。
资料获取方法：
联系客服
