在循证医学里，Meta分析是“研究的研究”，通过整合多项独立研究，帮助我们得出更稳健的结论。
但是在合并数据之前，必须先回答一个关键问题：到底该选哪个效应量（effect size）？
今天我们就来聊聊几位常见“效应量选手”：OR、RR、HR、MD、SMD——他们各自的特点、常见应用场景，以及在做Meta分析时，应该如何选择。
五大效应量的应用场景
1️⃣ OR（Odds Ratio，优势比）
-
代表事件发生的比值之比。
-
最常见于病例对照研究。
-
当事件发生率很低时，OR≈RR；但如果事件很常见，OR往往会“夸大”效果。
2️⃣ RR（Risk Ratio，相对危险度）
-
代表暴露组风险相对对照组风险的比值。
-
多用于RCT和队列研究，直观好懂。
-
临床上常听到的“风险降低30%”，其实就是在说RR。
3️⃣ HR（Hazard Ratio，风险比）
-
专门用于生存分析，比如生存时间、复发时间。
-
代表任意时间点上暴露组与对照组的瞬时风险比。
-
特点：能充分利用随访信息，对删失数据处理友好。
4️⃣ MD（Mean Difference，均数差）
-
两组之间的均数差异。
-
适合所有研究都用相同测量方式的连续变量（如血压、手术时间）。
-
结果直观，容易解读。
5️⃣ SMD（Standardized Mean Difference，标准化均数差）
-
当研究使用的量表不同（如抑郁评分用不同问卷），就需要用SMD把结果“标准化”。
-
好处：能把不同量表的研究拉到同一平台比较。
-
不足：临床直观性差，“0.5个标准差”对医生来说没RR直观。
不同文章类型，用什么效应量？
-
病例对照研究 → OR
-
队列研究 → RR（直观）或 OR
随机对照试验（RCT）：
-
二分类结局（事件/未事件） → RR 或 OR
-
连续结局（血压、评分） → MD/SMD
-
生存分析研究 → HR
即：病例对照看OR，队列RCT多RR，时间结局用HR，连续变量分MD/SMD。
实际操作中怎么选？
-
看研究设计：病例对照→OR，队列→RR，生存→HR。
-
看结局类型：二分类→OR/RR/HR；连续型→MD/SMD。
-
看量表是否一致：一致→MD，不一致→SMD。
-
考虑可解释性：RR比OR更直观，但若只能得到OR，也可以用，只需解释清楚。
举例分析：
-
假如我们在做“高血压药物对卒中风险的Meta分析”：卒中是一个二分类结局，研究设计大多是RCT或队列 → 最好用 RR。
-
如果我们研究“药物对血压水平的影响”：血压是连续变量，而且大家都用“mmHg” → 直接用 MD。
-
如果换成“药物对抑郁症状评分的影响”：量表不一样（HAMD、PHQ-9），那就只能用 SMD。
小结
OR、RR、HR → 多用于二分类结局。
MD、SMD → 多用于连续结局。
选对效应量，不仅是统计学的要求，更是让读者看得懂、用得上的关键。
研究设计 + 结局类型 + 可解释性 = 最佳效应量选择
评论列表