在Meta分析中，有一个既重要又常被误解的工具——漏斗图，它扮演的角色是什么呢?
漏斗图是什么？为什么叫“漏斗”？
1️⃣ 定义：
漏斗图是一种简单的散点图，它描绘了纳入Meta分析的各个独立研究的效应量（X轴）与其精确度（Y轴）之间的关系。
2️⃣ 取名“漏斗”？
Y轴（通常是标准误SE或样本量）：代表了研究的精确度。越靠上的点，标准误差越小（或样本量越大），意味着研究精度越高，结果越可靠。反之，越靠下的点，精度越低，结果越不稳定。
理想情况：在没有偏倚的情况下，精度高的大型研究，其效应量应该集中在“真实”效应值附近。而精度低的小型研究，由于随机抽样误差，其效应量会分散在真实效应值的两侧。
视觉形成：当所有点都画在图上时，高精度的点集中在顶部，范围很窄；低精度的点分散在底部，范围很宽。从上到下看，整个图形就像一个倒置的漏斗。
FigureA 对称的漏斗图通常被解释为反映不存在发表偏倚
漏斗图的核心作用
漏斗图最主要、最经典的用途是评估是否存在发表偏倚。
▶ 什么是发表偏倚？
简单说，就是 “阳性的、有统计学意义的结果”更容易被发表，而“阴性的、无意义的结果”常常被埋没未被发表。这会导致Meta分析只综合了部分（有阳性结果的）研究，从而高估了真实的效应量。
▶ 发表偏倚的原因
引起发表偏倚的原因多样且复杂，最直接和常见的是阳性结果与阴性结果之间的发表不均衡，有研究表明阳性结果更容易发表，二者相差3倍之多（OR：3.0，95%CI：2.3-3.0）。另外作者个人的选择（如对阴性结果消极对待）、期刊的文化背景和政治影响、是否是多中心试验、各国文献收录标准不同等。
▶ 漏斗图如何揭示发表偏倚？——对称性
在一个没有偏倚的完美世界里，漏斗图应该是对称的。但如果图形出现明显的“不对称”，特别是左下角或右下角缺了一块，这就是一个危险的信号。
举例假设：
我们研究一种新药A对某病的影响。真实情况是A药效果微弱或无效。
大型研究（高精度）：不在乎结果，都会发表。它们的结果很可能显示“无效”，点会集中在顶部中间（效应量接近0）。
小型研究（低精度）：
-
那些碰巧得出“A药有效”阳性结果的小研究，因为结果“好看”，容易被发表。它们的点会落在右下角（效应量为正）。
-
而那些得出“A药无效甚至有害”的阴性结果的小研究，可能因为不被重视或是阴性结果而难以发表，就“消失”了。它们的点本该出现在左下角，但现在存在空缺。
最终图形：将看到一个不对称的漏斗图：顶部是密集的、显示无效的大型研究，右下角是几个显示有效的零星小研究，而左下角空缺。这强烈提示存在发表偏倚——那些“消失”的阴性小研究导致了图形不对称，使得综合结果偏向于“有效”。
FigureB 不对称的漏斗图通常被解释为反映存在发表偏倚
（注：红色虚线圆周表示预期存在研究的空白区域）
如何解读漏斗图？
首先“定性”：通过漏斗图视觉观察，整体判断其对称性
用眼睛直观地看。图形上的点是否均匀地分布在垂直线的两侧？ 重点关注底部区域。左右两侧点的数量和分布是否均衡？有没有明显的空缺？如果左下角缺了一大片，这通常指向发表偏倚。但漏斗图是主观的，不同的人可以做出不同的判断。
其次“定量”：结合统计学检验
除了肉眼”定性”观察，通常还会有Begg‘s检验（秩相关法）或Egger’s检验（线性回归法）等统计学方法来量化不对称性。通常看P值。如果P<0.05（或0.1，取决于设定的显著性水平），提示漏斗图不对称有统计学意义，存在发表偏倚的可能性大。
提醒：
-
检验功效低：这些检验在纳入研究数量少（如<10个）时，探测偏倚的能力很弱（即容易漏掉偏倚）。所以，当研究少时，即使检验结果P>0.05（不显著），也不能轻易说“没有发表偏倚”。
-
不对称≠一定是发表偏倚：这是最容易被误解的一点，漏斗图不对称还可能由其他原因引起。
漏斗图不对称的其他原因
研究设计质量差异（低质量研究方法学上的缺陷可能导致偏倚，从而使其效应量偏离真实值），研究间异质性，数据造假等等。
小结
漏斗图在Meta分析的结果汇报中是重要的，但不对称的漏斗图不能直接判定Meta分析是无效的，仅作为需要更谨慎地解释我们的发现的起点，提醒我们注意这里可能存在偏倚风险，需要深入调查原因。在撰写文章时，不仅要提供漏斗图，还要在文字中描述如：“通过直观观察漏斗图，发现图形大致对称/存在不对称（如左下角缺失）。Egger‘s检验结果（P=XX）进一步提示无/可能存在发表偏倚。” 并讨论可能导致不对称的原因。一个对称的漏斗图让我们对结果更有信心，但一个不对称的漏斗图也促使我们去思考、去探索、去更谨慎地解释我们的结果。
评论列表