1. 项目概述：Meta分析中的效应值选取

如果你正在做Meta分析，或者正准备开始你的第一篇系统综述，那么“效应值选取”这个环节，绝对是你绕不开、也绝对不能掉以轻心的第一道技术门槛。我见过太多新手，甚至一些有经验的研究者，在数据提取和合并阶段，因为效应值选错了，导致整个分析结果南辕北辙，或者统计效力大打折扣，最后论文被审稿人质疑得千疮百孔。今天，我就结合自己这些年做Meta分析、审稿以及带学生的经验，把“效应值选取”这件事掰开了、揉碎了讲清楚。这不是教科书式的罗列，而是实战中你会遇到什么坑、该怎么选、为什么这么选的一次深度复盘。

简单来说，效应值就是你用来量化研究中“处理效应”大小的那个统计量。在Meta分析里，我们的核心工作就是把来自多个独立研究的效应值“合并”起来，得到一个总的、更可靠的结论。所以，你选取的效应值对不对、好不好，直接决定了你Meta分析的“原材料”质量。原材料不行，后面用再高级的统计模型也是白搭。这篇文章，我们就聚焦于如何根据你的研究问题、数据类型和研究设计，精准地选取那个最合适的效应值。

2. 效应值基础：理解你手中的“度量衡”

在深入选择之前，我们必须统一“语言”。效应值有很多种，它们就像不同的尺子，有的量长度（连续变量），有的数个数（二分类变量），有的看关联（相关性）。用错了尺子，量出来的结果自然没有意义。

2.1 连续型数据的效应值

当你的结局指标是像血压值、量表得分、住院天数这类可以取无限个中间值的测量数据时，你面对的就是连续型数据。最常用的效应值是均数差。

标准化均数差：这是最常用、也最容易被误用的一个。为什么需要“标准化”？想象一下，A研究用0-100分的焦虑量表，B研究用0-21分的抑郁量表，它们的原始均数差（比如A研究干预组比对照组高5分，B研究高3分）能直接比较或合并吗？显然不能，因为尺度不同。SMD通过除以一个合并的标准差，将这些差异统一到一个“标准尺度”上，使得不同量表的效应可以比较。

最常用的SMD计算方法是Hedges‘ g。它与Cohen‘s d很像，但对小样本研究进行了校正，使得估计更无偏。公式是g = (Mean1 - Mean2) / S_pooled，其中S_pooled是合并标准差。几乎所有主流Meta分析软件（如RevMan, R的metafor包, Stata的metan）默认或推荐使用Hedges‘ g。

注意：SMD的解读需要谨慎。Cohen提出了一个经验标准（0.2小效应，0.5中效应，0.8大效应），但这只是粗略参考，绝对不能生搬硬套。在医学领域，一个0.3的SMD可能已经具有重要的临床意义。你的结果解读必须紧密结合专业背景。

均数差：如果你的所有研究都使用完全相同的测量工具和单位（比如都使用同一种试剂盒测量的血清胆固醇值，单位都是mmol/L），那么恭喜你，你可以直接使用原始均数差。它的好处是结果直观，易于临床解读。例如，“该药物平均降低胆固醇0.8 mmol/L”，这比“SMD为0.5”要直观得多。

2.2 二分类数据的效应值

当结局是“发生/未发生”（如死亡/存活、治愈/未愈、不良反应出现/未出现）时，我们处理的是二分类数据。这里的效应值描述的是组间发生概率的对比。

比值比：这是最常用的指标之一，尤其在病例对照研究和队列研究的Meta分析中。OR表示事件发生的比值在两组间的比率。OR=1表示无效应；OR>1表示干预组事件发生可能性更高；OR<1则可能性更低。OR有一个特点：它在数学上性质很好，近似服从对数正态分布，便于进行Meta分析中的加权合并和异质性检验。但它的临床解释不直观。比如OR=2，并不意味着风险翻倍，只有当事件发生率很低（<10%）时，OR才近似等于RR。

相对危险度：RR是干预组事件发生率与对照组事件发生率的比值。它在解释上比OR直观得多。RR=0.8意味着干预将风险降低到了对照组的80%（即降低了20%）。在随机对照试验的Meta分析中，RR通常是首选，因为它直接反映了风险的相对变化。

风险差：也叫绝对风险降低度，是两组发生率的绝对差值。RR告诉我们相对效果，而RD告诉我们绝对效果。在考虑临床意义和卫生经济学评价时，RD至关重要。例如，一个昂贵的新药可能将心肌梗死风险从2%降到1%（RR=0.5，相对风险降低50%），RD=1%；而一个便宜的老药将风险从20%降到15%（RR=0.75，相对风险降低25%），RD=5%。尽管新药的RR更优，但老药在绝对意义上让更多的患者受益（每治疗100人，多避免4例事件）。

如何选择？

• 首选RR：因其解释直观，尤其对于RCT的合并。
• 使用OR：当研究类型为病例对照研究时（因为无法计算发病率，只能算OR）；或者当事件发生率非常高或非常低时，OR的稳定性更好；亦或当你需要做回归分析调整协变量时。
• 同时报告RD：为了全面展示临床意义，最好在报告RR或OR的同时，也计算并报告RD及其95%CI，并计算需要治疗的人数。

2.3 其他类型数据的效应值

• 相关系数：如果你的研究目的是合并变量间的相关性（如焦虑评分与睡眠质量评分的相关），那么Pearson‘s r就是你的效应值。在合并前，通常需要对其进行Fisher‘s Z转换，因为r的分布不是正态的，且方差依赖于r本身的大小。合并完成后，再将合并后的Z值转换回r值进行报告。
• 生存分析数据：对于时间-事件数据（如生存分析），常用的效应值是风险比。HR的解释类似于RR，但考虑了事件发生的时间。提取HR时，务必确保提取的是多变量Cox模型调整后的HR及其95%置信区间，这比单变量分析或生存曲线读图得到的结果更可靠。
• 计数数据：如果结局是单位时间内事件发生的次数（如一年内哮喘发作次数），且数据可能过离散，可以考虑使用率比。

3. 核心选取原则与决策路径

知道了有哪些“尺子”后，我们面临的核心问题是：面对我的具体研究，到底该选哪一把？这个决策不能拍脑袋，需要遵循一个清晰的逻辑路径。

3.1 决策第一步：明确结局指标的数据类型

这是最根本的一步。拿起你的纳入研究文献，看他们是如何报告主要结局的。

• 如果是平均值±标准差，那就是连续型数据，进入SMD/MD分支。
• 如果是人数/百分比（如30/100例发生），那就是二分类数据，进入OR/RR/RD分支。
• 如果是相关系数r，那就是相关数据。
• 如果是HR和其CI，那就是生存数据。

3.2 决策第二步：评估临床一致性与统计一致性

这一步是避免错误的关键，尤其是对于连续型数据。

场景A：所有研究使用完全相同的测量工具和单位。

• 例子：5项研究都使用“XX品牌血糖仪”测量空腹血糖，单位均为mmol/L。
• 决策：毫不犹豫，选择均数差。结果直接、易懂。强行用SMD只会增加不必要的转换和解释难度。

场景B：所有研究测量同一构念，但使用不同的测量工具。

• 例子：10项研究都评估“抑郁程度”，但分别使用了汉密尔顿抑郁量表（HAMD，0-54分）、贝克抑郁量表（BDI，0-63分）和患者健康问卷（PHQ-9，0-27分）。
• 决策：这是SMD的经典适用场景。因为工具不同，尺度不同，MD无法合并。必须使用SMD（推荐Hedges‘ g）来将效应标准化到统一尺度。

场景C：研究间测量工具或概念存在根本差异。

• 例子：你想分析“运动对心理健康的影响”，有的研究用焦虑量表得分作结局，有的用抑郁量表得分，有的用生活满意度得分。
• 决策与警告：这是一个危险信号！虽然它们都 loosely 属于“心理健康”，但焦虑、抑郁、满意度是不同的构念。将它们用SMD合并在一起，在临床上是没有意义的，属于“合并苹果和橘子”。此时，你应该考虑：1）重新定义你的研究问题，使其更聚焦（如只分析“运动对抑郁症状的影响”）；2）如果坚持宽泛的问题，则应按测量工具或构念进行亚组分析，分别合并，并比较组间差异，而不是粗暴地合为一个总效应。

3.3 决策第三步：考虑研究设计与模型需求

对于二分类数据，研究设计影响效应值的选择。

• 随机对照试验：优先报告RR和RD。OR可以作为敏感性分析或在事件率极端时使用。
• 队列研究：可以计算RR（累积发病率比）或OR。
• 病例对照研究：只能计算OR。

此外，如果你计划进行Meta回归，探讨效应值大小是否与某些连续变量（如平均年龄、干预剂量）有关，那么选择数学性质更优的效应值（如对数OR、Fisher‘s Z转换后的r）会使模型更稳定。

3.4 决策第四步：综合决策与报告

根据以上步骤，你可以做出选择。但在报告中，我强烈建议采取以下策略以增加研究的透明度和稳健性：

1. 预先定义：在研究方法部分（或研究方案中），就必须明确说明针对每一种类型的结局指标，你将采用何种效应值，并给出理由。例如：“对于连续型结局，若所有研究使用相同量表，则采用均数差；若使用不同量表，则采用标准化均数差（Hedges‘ g）。对于二分类结局，将主要报告相对危险度，同时报告风险差以供临床解读。”
2. 敏感性分析：对于二分类数据，尤其是当事件发生率不低时，同时用OR和RR做一次合并分析，看结果的方向和显著性是否发生改变。如果改变了，你需要深入探讨原因（通常是基线风险差异很大），并在讨论中说明。
3. 提供转换信息：如果你使用了SMD，在结果部分或附录中，提供一个代表性量表的“反转换”示例，帮助读者理解效应大小。例如，“合并SMD为-0.65 (95% CI: -0.92, -0.38)，以HAMD量表（SD约为8分）为例，这大致相当于干预组比对照组平均低5.2分。”

4. 实操流程：从文献到森林图的数据提取与处理

理论说完了，我们来看手把手怎么操作。假设我们现在要进行一项Meta分析：“认知行为疗法对广泛性焦虑障碍症状的疗效”。

4.1 步骤一：制定数据提取表

在阅读全文之前，就必须设计好你的数据提取表。对于效应值提取部分，必须包含以下字段：

• 研究ID、第一作者、年份
• 干预组样本量（N1）、结局指标的均值（Mean1）、标准差（SD1）
• 对照组样本量（N2）、结局指标的均值（Mean2）、标准差（SD2）
• （备选）干预组事件发生数（a）、未发生数（b）；对照组事件发生数（c）、未发生数（d）。
• 使用的测量工具名称（例如：GAD-7， HAMA）。
• 备注栏（用于记录数据异常、估算情况等）。

4.2 步骤二：识别并提取原始数据

仔细阅读每篇纳入文献的“结果”部分。数据通常出现在正文表格中，或文字描述里。

• 理想情况：文献直接给出了两组的均数、标准差和样本量。直接填入表格。
• 常见情况一：文献只给出了均数、标准误或95%置信区间。
  • 如果给的是标准误，标准差SD = SE * sqrt(N)。
  • 如果给的是95% CI，对于大样本，标准差SD ≈ (CI上限 - CI下限) / 3.92 * sqrt(N)。这里有个关键点：你需要确认这个CI是均值的CI，还是个体值的CI？绝大多数情况下，表格中伴随均值出现的是均值的标准误或CI。如果存疑，需要查看原文方法或脚注。
• 常见情况二：文献没有直接给出标准差。这是最棘手的情况之一。解决方法按优先级排序：
  1. 联系原作者：这是最推荐的方法，虽然回复率不一定高。
  2. 从其他统计量估算：如果给出了p值或t值、F值，可以利用公式反推。例如，已知两组均数、样本量和独立样本t检验的p值，可以通过统计软件或在线计算器反算出合并标准差。注意：这需要假设检验是基于合并方差进行的，且原文报告的是精确p值（如p=0.034），而不是“p<0.05”。
  3. 从同类研究中借用：如果其他使用相同量表的研究报告了标准差，可以计算这些SD的平均值或中位数，作为缺失研究的SD。但需在文中明确说明，并作为敏感性分析（如比较借用SD前后结果是否一致）。
  4. 使用极差估算：如果报告了最大值、最小值和中位数，可以粗略估算SD ≈ (最大值 - 最小值) / 4。这种方法误差很大，应作为最后手段，并必须在文中强调其局限性。
• 常见情况三：数据只有图表。使用数据提取软件（如WebPlotDigitizer）从图中精确提取均值和误差棒（通常是95% CI）的数据。提取时务必校准坐标轴，并多次提取取平均值以减少误差。

4.3 步骤三：计算效应值及其方差

数据齐备后，就需要计算每个研究的效应值及其方差（用于后续加权）。

• 对于SMD (Hedges‘ g)：
  • 效应值g的计算如前所述。
  • 其方差Vg的计算公式为：Vg = (N1+N2)/(N1*N2) + g^2/(2*(N1+N2))。这个方差包含了小样本校正的影响。
  • 实操心得：绝对不要手工计算！使用专业软件。在R中，metafor包的escalc函数是神器。你只需要输入两组的N, M, SD，指定measure=“SMD”，它就会自动计算出Hedges‘ g及其方差。在Stata中，metan命令也能直接处理原始数据。

# R metafor 包示例：计算 Hedges‘ g library(metafor) # 假设 data 是你的数据框，包含 m1i, sd1i, n1i, m2i, sd2i, n2i 列 dat <- escalc(measure="SMD", m1i=m1i, sd1i=sd1i, n1i=n1i, m2i=m2i, sd2i=sd2i, n2i=n2i, data=data) # dat 中会新增两列：yi (效应值), vi (效应值方差)

• 对于OR/RR：
  • 从四格表（a,b,c,d）数据计算OR、RR及其对数方差更为复杂，但同样交给软件。
  • 在R中，使用escalc(measure=“OR”, ai=a, bi=b, ci=c, di=d, data=data)。
  • 在Stata中，metan a b c d, or命令可以直接生成合并OR。

关键一步：检查方向一致性！这是新手最容易栽跟头的地方。你必须确保所有研究的效应值方向意义一致。例如，在焦虑量表上，分数降低代表改善。那么，计算出的SMD应为负数（干预组均值 - 对照组均值）。如果某篇文献报告了“分数降低值”，你直接用它作为均值，就可能出现方向错误。一个简单的检查方法：在森林图中，效应值点如果大部分落在无效线（0对于SMD/MD，1对于OR/RR）的同一侧，且与你的临床预期相符，那基本就对了。

4.4 步骤四：将数据输入Meta分析软件并生成森林图

将计算好的效应值（yi）和方差（vi）输入软件，选择适当的合并模型（常选用随机效应模型），即可生成森林图。

• 森林图解读：每个水平线代表一个研究的95%置信区间，中间的方块大小代表该研究的权重。菱形代表合并效应及其CI。如果CI横跨无效线，则结果无统计学意义。
• 检查异质性：软件会输出I²和Q检验的p值。高I²值（如>50%）意味着研究间存在显著的异质性，你需要在讨论中解释可能的原因（如人群、干预方式、测量工具差异）。

5. 常见陷阱、问题排查与高级考量

即使按照流程操作，实践中还是会遇到各种“坑”。下面是一些实录和解决方案。

5.1 问题排查速查表

5.2 交叉设计、聚类随机试验的特殊处理

• 交叉试验：不能直接使用报告的最后阶段数据，因为存在遗留效应。理想情况下，应提取配对分析的结果（如配对t检验的均差和其标准误）。如果无法获得，可尝试获取两阶段的数据并采用推荐方法（如Elbourne et al. 2002）进行近似处理，但必须在局限性中说明。
• 聚类随机试验：如果研究未对聚类设计进行校正，直接使用报告的人数、事件数和简单计算的率或均值，会严重低估标准误（高估精度）。必须获取设计效应或群内相关系数（ICC）来校正样本量。校正后的有效样本量N_effective = N / DE，其中DE = 1 + (m-1)*ICC，m为平均群大小。如果文献未报告ICC，需要从类似研究中借用，并进行敏感性分析。

5.3 当研究报告了多种效应值时

有时一篇文献会同时报告OR、RR甚至HR。如何选？

1. 遵循预先设定的方案：如果你的方案规定主要结局用RR，就选RR。
2. 选择最充分调整的估计值：对于观察性研究，优先选择多变量模型调整后的效应估计（如调整后的OR），而不是粗OR。
3. 选择最通用的：如果方案未规定，且都是未调整值，对于RCT，优先选RR；对于病例对照，选OR。

5.4 效应值选取对结论的影响：一个思考案例

我曾审过一篇Meta分析，探讨某营养补充剂对术后感染的影响。作者合并了10个RCT，全部使用OR，得到合并OR=0.70 (95% CI: 0.55, 0.89)，p<0.01，结论是补充剂显著降低感染风险。 我重新检查了数据：对照组感染率在各项研究中差异很大，从5%到40%不等。我让作者用同样的数据计算了RR。合并RR=0.85 (95% CI: 0.72, 1.01)，p=0.06。结论变成了“无统计学显著性”。 为什么？因为在事件率不低且组间差异大时，OR会夸大效应。当对照组感染率高时（40%），OR=0.7对应的RR可能更接近0.85。这个案例生动地说明，对于二分类数据的RCT，主要报告RR并辅以RD是多么重要，它能避免给出过于乐观或误导性的结论。

效应值选取绝非一个简单的技术选择，它贯穿了从研究设计、方案撰写到数据提取、分析、解读的全过程。它要求研究者不仅懂统计，更要懂自己的研究领域。最稳妥的做法，就是在研究开始前，就把这些选择写进你的PROSPERO注册方案里，让整个过程经得起推敲。当你对选取有疑虑时，不妨问自己两个问题：第一，这个指标能让临床医生或同行最直观地理解效果大小吗？第二，如果我用另一种指标再算一次，我的主要结论会改变吗？多问这两个问题，能帮你避开很多陷阱。