基于率的Meta分析在循证医学研究中具有重要意义，尤其在评估疾病发生率、治疗反应率或不良事件发生率等方面。由于单一研究样本量有限，可能导致结果不稳定或缺乏代表性，而基于率的Meta分析通过整合多个独立研究的数据，能够提高统计效能，获得更精确的效应值估计。此外，它有助于识别不同研究间的异质性，探索潜在的影响因素，增强结果的普适性和说服力。
对于临床决策和公共卫生政策制定而言，这种综合证据能提供科学依据，帮助评估干预措施的效果与安全性，推动精准医疗和健康管理策略的优化。因此，基于率的Meta分析不仅是系统评价的重要组成部分，也是提升医学研究证据等级的关键方法之一。
在开展率的Meta分析中，我们常纳入横断面研究、队列研究、单臂试验或极少量的随机对照试验。在开展质量评价时，需要根据研究类型进行工具选择。队列研究和随机对照试验在前几期中推文中我们已进行了详细的介绍。今天，我们介绍基于横断面和单臂试验的评估工具。
横断面研究
横断面研究的质量评价工具主要采用JBI Critical Appraisal Checklist for studies reporting prevalence data。以下是JBI的详细介绍。
表1 JBI的详细条目
⑴ 抽样框架是否适合反映目标人群？
此问题需基于对目标人群及其地理区域特征的全面了解。若研究针对乳腺癌女性，则需掌握其人口特征、医疗史等信息。"目标人群"并非指所有地域或具有相似疾病/暴露特征的个体，而应关注研究中的特定群体特征（如年龄范围、性别、合并症、用药及其他潜在影响因素）。例如，若样本仅来自单一机构或职业群体，却将结论推广至更广泛人群（如全体在职成年人），则抽样框架可能不适用；反之，若框架覆盖目标人群的绝大多数（如人口普查数据或完整登记名单），则视为合理。
⑵ 研究对象的招募方式是否恰当？
需核查研究方法是否说明如何从人群中随机抽样。多数情况下应采用概率随机抽样，但若抽样框架已涵盖全体成员（如高质量普查数据），则无需随机抽样。使用聚类抽样（如随机选择某地区内的村庄）时，需明确方法以校正群集效应误差。便利抽样（如街头调查或集会采访）通常无法代表总体。
⑶ 样本量是否充足？
样本量越大，患病率估计的置信区间越窄，结果越精确。理想情况下，作者应提供样本量计算公式以确定合理规模，尤其针对低患病率疾病需扩大样本。子组分析的样本量也需验证。大型全国性调查无需单独计算样本量。若无原始计算且非大型调查，评审者可通过公式自行验证：n= Z²P(1-P)/d²（其中：Z=置信水平统计量，P=预期患病率，d=允许误差）
⑷ 研究对象与研究环境是否详尽描述？
疾病流行特征常因地域与人群差异而变化（如性别、国家间社会人口变量）。需充分描述样本特征，供其他研究者评估其与目标人群的可比性。
⑸ 数据分析是否覆盖全部已识别样本？
若样本子组（如老年人）应答率显著低于整体，可能产生覆盖偏倚。即使总应答率高，仍需警惕子组数据缺失的影响。
⑹ 是否采用有效方法识别目标疾病？
重点评估测量或分类偏倚。若基于现有诊断标准定义结局，则方法可信；若依赖主观报告或未经验证的量表，可能高估或低估结果。需确认测量工具是否通过效度验证。
⑺ 是否对所有参与者使用标准化、可靠的测量方式？
需确保数据收集者经过统一培训。多中心研究中，不同收集者的教育水平、临床经验需具有可比性。多观察者间结果需交叉比对，且所有参与者的测量流程应一致。
⑻ 统计分析方法是否恰当？
需明确报告分子与分母，百分比需附置信区间。方法描述应足够详细以复现分析过程，并验证所用统计模型的假设条件是否符合数据特征。
⑼ 应答率是否充足？低应答率是否妥善处理？
高失访率或低应答率可能削弱研究效度。作者需阐明应答率、无应答原因，并对比应答者与非应答者的社会人口特征。若非应答原因与结局无关且两组特征相似（见问题5），可适当降低对应答率的要求。
单臂临床试验
单臂研究的质量评价工具主要采用MINORS(Methodological Index for Non-Randomized Studies)。每个条目按 0-2分 评分（0=未报告；1=报告但不充分；2=充分报告且方法合理），总分范围为 0-16分（仅前8项）。在率的Meta分析，往往也存在对照组，对照的评估我们可增加MINORS的后4项。以下是MINORS的详细介绍。
表2 MINORS的详细条目
总结
在开展率的Meta分析中，我们在对纳入的原始研究进行质量评价时，需要对纳入的原始研究类型进行评估，并且在一项Meta分析中，可以选择多种工具进行评估。
评论列表