系统评价和荟萃分析
系统评价和荟萃分析是流行病学和循证医疗保健领域的一部分，旨在寻找、评估和结合多项原始研究的结果，以回答一个明确的研究问题。系统评价采用明确、可重现的方案来查找和评估所有相关证据；荟萃分析是可选的统计步骤，将定量结果汇总为一个单一的汇总估计值。
Definition
系统评价和荟萃分析包括一套结构化、方案驱动的方法，用于识别、严格评估和综合原始研究的结果，其中系统评价是定性综合，荟萃分析是效应估计的定量汇总。
Scope
本领域旨在向读者介绍用于综合研究证据的方法家族：包括制定重点问题、全面且可重现的搜索、研究选择和偏倚风险评估、统计汇总、异质性和发表偏倚评估，以及证据总体确定性评级。它将这些视为方法学和报告主题，而非临床指导。
Sub-topics
Core questions
- 一旦系统地收集和评估了所有可用证据，它们对一个明确的问题有何看法？
- 独立研究的结果能否合并为一个单一的汇总估计值，以及它们的一致性如何？
- 综合证据的可信度有多高？
Key concepts
- 方案驱动、可重现的方法学
- 全面的文献检索
- 偏倚风险评估
- 效应量汇总（荟萃分析）
- 统计异质性
- 发表偏倚和报告偏倚
- 证据确定性评级（GRADE）
- 透明报告（PRISMA）
Mechanisms
系统评价通过预先规定如何寻找、选择、评估和结合研究，从而减少影响任何单一叙述性总结的偏倚和偶然性。全面搜索旨在捕获所有相关的证据基础；明确的纳入标准和重复的研究选择限制了选择性纳入；偏倚风险评估权衡了每项纳入研究的可靠性。当研究足够相似时，荟萃分析会结合它们的效应估计值，并根据其精确度进行加权，从而产生比任何单一研究都更精确的总结，并描述真实效应在研究之间变化的程度。PRISMA等工具使这一过程的报告标准化，以便进行审查和重现；GRADE等框架则评估综合结果的置信度。
Clinical relevance
高质量的系统评价和荟萃分析通常位于传统证据等级的顶端，为临床指南、卫生技术评估和政策提供信息。了解它们的构建方式以及可能存在的误导之处，对于健康科学中的证据评估至关重要。本条目描述了如何生成和判断综合证据；它是评估证据的参考材料，而非针对个体诊断或治疗的指导。
Epidemiology
综合方法广泛应用于临床医学、公共卫生和社会科学。科克伦协作网（Cochrane Collaboration）成立于20世纪90年代，组织了大规模的卫生保健干预措施系统评价，PRISMA等报告标准现在已成为大多数生物医学期刊的预期要求。已发表的系统评价和荟萃分析数量迅速增长，这本身也引发了对冗余和质量的担忧。
Evidence & guidelines
系统评价和荟萃分析的报告遵循PRISMA 2020声明（Page et al., 2021），其中PRISMA-P涵盖方案。综合证据的确定性通常采用GRADE方法（Guyatt et al., 2008）进行评级。这些是报告和评估框架，而非治疗建议。
History
统计学结合研究的理念可追溯到20世纪早期，Gene Glass于1976年在教育研究背景下创造了“荟萃分析”一词。在医学领域，DerSimonian和Laird（1986）的随机效应模型成为标准的汇总方法，Archie Cochrane呼吁对试验进行系统总结，这启发了科克伦协作网于1993年的成立。随后出现了报告标准：QUOROM，然后是PRISMA（2009），更新为PRISMA 2020。评估异质性、发表偏倚和证据确定性的框架也同步发展成熟。
Debates
- 系统评价和荟萃分析是否过剩？
- 已发表评价数量的快速增长引发了担忧，认为许多评价是冗余的、方法学薄弱的或存在利益冲突的，这引发了关于新综合能带来多少价值以及如何优先排序的问题。
Key figures
- Archie Cochrane
- Iain Chalmers
- Rebecca DerSimonian
- Nan Laird
- Julian Higgins
- David Moher
- Gordon Guyatt
Related topics
Seminal works
- dersimonian-laird-1986
- page-2021-prisma
- guyatt-2008-grade
Frequently asked questions
- 系统评价和荟萃分析有什么区别？
- 系统评价是在预先指定的方案下查找、评估和总结研究的整个过程；荟萃分析是可选的统计步骤，将定量结果汇总为一个单一的汇总估计值。每次荟萃分析都应基于系统评价，但系统评价不一定包含荟萃分析。
- 为什么系统评价被认为是高水平证据？
- 因为，如果做得好，它们能够以可重现的方式收集和评估所有相关的证据基础，而不是依赖选择性引用的研究，并且它们可以产生比任何单一研究都更精确、偏倚更小的总结。它们的可靠性仍然取决于纳入研究的质量和方法的严谨性。