近年来文献数量显著增加，大量不同主题的Meta分析数量也显著增长。在生物医学领域，Meta分析是多种发表类型中拥有较高被引数的类型。针对Meta分析已经有不少书籍或指南，本文是一篇指导Meta分析的简洁文章，帮助入门者初步了解Meta分析的操作和撰写。
1. 明确Meta分析的主题和类型
可以使用PICO原则来制定研究问题。关键是，要确认这一主题是否已有发表的Meta分析，以避免重复工作。在某些情况下，如果有新的数据产生，可以对该主题的Meta分析进行更新。
可以对多种类型的研究进行Meta分析，例如病例对照研究、队列研究和随机对照试验。由于观察性研究存在偏倚的可能性较大，在对这些类型的研究进行Meta分析时要考虑到这一点。此外，也可以对遗传关联研究，基因表达研究，全基因组关联研究（GWAS）或动物实验数据进行Meta分析。
建议在PROSPERO数据库（https://www.crd.york.ac.uk/Prospero）中预登记系统评价的方案。要知道，越来越多的期刊要求在发表前进行登记。
2. 遵循指南开展不同类型的Meta分析
有几个常用的指南，例如，QUORUM声明（RCT的Meta分析报告规范），MOOSE声明（观察性研究的Meta分析报告规范），目前广泛使用的是PRISMA声明（系统评价和Meta分析优先报告条目）。
此外，还有一些关于临床研究Meta分析的具体指南（Cochrane手册；https://training.cochrane.org/handbook），以及遗传关联研究（PMID ：19260758）、全基因组表达研究（PMID：18767902）、GWAS（PMID：23657481）和动物研究（PMID：24099992）相关Meta分析的指南（感兴趣的可以直接根据PMID去查看相关文献）。
3. 确定纳排标准、定义关键变量
应该事先确定好纳入（如研究类型、出版语言等）和排除标准（如最小样本量等）。目前共识没有推荐关于发表语言或样本量的严格标准。
你应该清楚定义出需要从每篇文章中提取的变量。广泛的纳入标准会增加研究间的异质性，狭窄的纳入标准可能会难以找到研究，要取得均衡。
4. 在不同的数据库中系统检索、提取关键数据
可以在几个数据库中进行系统检索，例如PubMed，Embase，Cochrane数据库，Scopus，Web of Science和Google Scholar。通常情况下，在多个数据库中检索有助于尽可能找全已发表研究。
在某些领域，也需要在专业数据库中进行检索（例如BIOSIS，CINAHL，PsycINFO，Sociological Abstracts和EconLit等）。综述类文章的参考文献，有助于发现更多其他来源的文章（例如学位论文或会议论文）。
从原始文章中充分提取和记录关键数据是进行Meta分析的基础。对纳入研究的质量评估也是一个关键问题，这可以用于确定纳入标准、敏感性分析或研究的差异性加权。例如，Jadad量表经常用于随机对照试验（PMID：8721797）；Newcastle–Ottawa量表用于非随机研究（PMID：20652370），QUADAS-2用于诊断准确性研究的质量评估（PMID：22007046）。
建议两名研究人员同时进行这些步骤。但是读者也要知道，这些质量评估也受到诟病，特别是当他们将研究简化到一个单一的“质量”评分时。最重要的是，避免将原始研究报告规范指南作为评估研究质量的量表。
