Meta分析评价结局指标采用了完全不同的量表，判断异常的标准也不同，怎么分析？

临床场景

假设你在做一个干预措施对“抑郁症状”影响的 Meta 分析：

研究 A：用 HAMD 量表（0–54 分），告诉你干预组 vs 对照组的均值±标准差。

研究 B：用 PHQ9 量表（0–27 分），也给你均值±标准差。

研究 C：干脆没报连续量表，只报了“抑郁症状显著改善”的“是/否”，而且“显著改善”的定义还各不相同：

• 有的定义为“HAMD 下降 ≥50%”

• 有的定义为“PHQ9 下降 ≥5 分”

• 有的定义为“不再满足诊断标准”

结局看起来都是“抑郁改善”，但：

量表不一样（分数范围、含义都不一样）；

“异常/有效”的判断标准也不一样（不同 cutoff、不同定义）。

这个时候，Meta 分析到底该怎么做？

先搞清楚：结局类型+是否可“统一语言”

处理不同量表、不同异常标准的关键，先看结局本身是什么“类型”、能不能“翻译成同一种指标”。

大致有两种常见情况：

1️⃣ 连续结局：同一个概念，但量表不同

例如：抑郁严重程度用不同量表（HAMD、MADRS、PHQ9 等），都是连续分数，只是量纲不同。

2️⃣ 分类结局：同一个概念，但“异常/有效”的判据不同

例如：都是“有无严重抑郁”，但：

• 研究 A：诊断标准为 DSM5 + PHQ9 ≥15

• 研究 B：诊断标准为 ICD10 + HAMD ≥20

或者，同样是“治疗有效”：

• 有的用“症状减分 ≥50%”

• 有的用“不再满足诊断标准”

接下来，我们将详细探讨每种情况的具体解决思路。

连续结局：量表不一样，怎么合？

典型场景：不同研究用了不同量表测量同一个连续结局，比如抑郁、疼痛、生活质量等。

▶ 能用“均差（MD）”吗？

• 只有当所有研究使用的是“同一个量表/统一量纲”，才能直接用均差（MD）合并，比如大家都用 PHQ9、量表版本也一样。

• 一旦量表不同，MD 就像在用“人民币 + 美元 + 日元”直接加总，是没有意义的。

▶ 标准解法：标准化均差（SMD）

当不同研究用“不同但相关”的量表，测量同一个概念（比如抑郁严重程度）时，最常用的做法是使用“标准化均差（SMD）”，有时也叫 Hedges’ g 或 Cohen’s d。思路是：

• 把每个研究的效应大小（均值差异）除以该研究的标准差（或合并标准差），得到一个“无量纲”的效应值。

• 不同量表的效应值都转换成了“以标准差为单位”的统一语言，就可以合并了。

Cochrane 手册以及多篇方法学论文都建议：当同一结局使用不同测量工具时，应优先采用 SMD 进行合并。（Murad MH, Wang Z, Chu H, Lin L. When continuous outcomes are measured using different scales: guide for meta-analysis and interpretation. BMJ. 2019 Jan 22;364:k4817. doi: 10.1136/bmj.k4817. PMID: 30670455; PMCID: PMC6890471.）

实操步骤：

对每项研究：

• 计算干预组与对照组的均值差：MD = M1 − M2

• 找到（或推算）该研究的标准差（SD），或者合并标准差（SD_pooled）

• 计算 SMD = MD / SD_pooled，就可以直接将每项研究的 SMD 进行合并。

或者直接在 Meta 分析软件（如 RevMan、R 中的 meta 包、Stata 的 metan 等）中：

• 把每项研究的干预组与对照组均值、标准差输入进去。

• 选择效应指标为“SMD” ，就可以做森林图了。

怎么解释 SMD？

常用经验（供读者理解，不是严格“官方标准”）：

• SMD ≈ 0.2：小效应

• SMD ≈ 0.5：中等效应

• SMD ≈ 0.8：大效应

更准确的做法是结合临床意义与领域已有研究来解释这个大小。

哪些情况不适合强用 SMD？

不同量表虽然名字相似，但测量的是“不太一样的构念”（比如一个测“抑郁严重程度”，一个测“生活质量”），这时勉强合并要特别谨慎。

量表之间相关度很低、临床意义差别很大，可能要考虑：

• 只合并“概念相近”的亚组

• 或干脆不做定量合并，只做定性描述。

分类结局：

判断“异常/有效”的标准不一样，怎么办？

这时候常见的场景是：大家都在报“有无异常”“有无治愈/有效”，但：

• 诊断标准/诊断工具不同；

• 定义“异常”的 cutoff 不同；

• 定义“有效”的阈值不同（例如减分 ≥30% 还是 ≥50%）。

1. 先问自己：这些“异常/有效”是不是“同一类东西”？

关键在于：不同研究给出的二分类结局，是否指向临床上同一个概念？

例如：都是“是否有重度抑郁事件”，只是用了不同量表或诊断标准。

这种情况下，可以认为它们测量的是同一类事件，只是工具/阈值有差异。

如果不同研究的“有效”定义差异大到“临床含义不一样”（比如一个是“完全缓解”，一个是“轻微改善”），那么硬合并就很有问题，这时候可能更适合：

• 只合并“临床含义相近”的研究做亚组分析；

• 或分开报告，做定性描述。

2. 若概念相似：用“相对效应（RR/OR）”比绝对效应更稳妥

当不同研究对“异常/有效”的判据不同，但测量的是同一个事件，方法学上常建议：

优先采用相对效应指标（如风险比 RR、比值比 OR），而不是绝对效应（如风险差 RD）。

理由：

• RR/OR 反映的是“干预组相对于对照组的事件发生概率是几倍”，在 cutoff 不同时通常更稳定。

• RD（风险差）直接受基线事件率影响很大，而基线事件率又受 cutoff 选择影响，所以不适合在 cutoff 差异较大的研究中直接合并。

实操建议：

① 从每项研究中提取 2×2 表：

• 干预组：事件发生数 / 总人数

• 对照组：事件发生数 / 总人数

② 选择合适的效应指标：

• RR：更直观，适合罕见或常见事件都还行；

• OR：在 Logistic 回归、病例对照研究等中常见；

③ 在软件中按 RR 或 OR 做 Meta 分析。

3. cutoff 不同导致基线率差异很大时，注意异质性

不同诊断 cutoff 会直接改变“谁算异常”，因此：

• 各研究的对照组事件率可能差别很大；

• RR/OR 也会受到一定影响，导致异质性增加。

处理建议：

事先制定“纳入标准”，规定只纳入临床上含义相近的定义；

按不同 cutoff 或不同定义做亚组分析，看看结果是否稳健；

若异质性过高且无法用亚组解释，可能需要：

• 放弃定量合并，改做定性描述；

• 或者只合并“严格定义”的亚组，其他研究做补充说明。

4. 有些特殊场景：可尝试“重新统一标准”

这是比较“理想化”的做法，但有些原始研究给出了足够详细的数据，允许你：

使用同一套标准重新划分“正常/异常”或“有效/无效”人群；

例如：原研究同时报告了量表均值和标准差，你可以按统一 cutoff（比如 PHQ9 ≥10）算出各组“异常人数”，再重新算 RR/OR。

当然，前提是：

• 原文给出了足够的数据（如分布、百分位数等）；

• 重新定义的标准与原始研究设计不冲突。

现实中，这种操作很难对所有研究都做到，更多只能用于部分研究。

获取原始数据或进行敏感性分析

如果可能，联系原作者获取：

• 个体参与者数据(IPD)

• 不同截断值下的数据

• 量表的原始得分分布

检验结果是否稳健：

• 排除使用非标准量表的研究

• 排除使用非标准异常标准的研究

• 使用不同效应量统计方法比较结果一致性

实用小贴士

连续结局 + 不同量表：

• 首选 SMD（Hedges’ g 或 Cohen’s d），不要直接用 MD；

• 合并时要注意量表测量的是否为同一构念，相关性如何；

• 解读时可参考常见 SMD 大小划分（0.2/0.5/0.8），但最好结合本领域的标准解释。

二分类结局 + 不同 cutoff/ 定义：

• 先确认它们是不是“同一类事件”；

• 若是，优先采用 RR 或 OR 这样的相对效应指标；

• 若不同 cutoff 差异很大，最好按不同标准做亚组分析，或者只做定性描述，不要强行合。

异质性和敏感性分析很重要：

每当存在量表或标准差异，异质性几乎一定会高；

记得：

• 做亚组分析（按量表类型、按 cutoff 等）；

• 做敏感性分析（剔除极端研究、只合并“同质性较好”的子集）；

• 结果有矛盾时要诚实写清楚，而不是只报告“好看的”那个。

写作时要写得“看得懂”：

不要在文章里堆公式；

多用类比，少用专业术语；

对读者重点讲清楚三个问题：

• 为什么要用 SMD（而不是 MD）；

• 为什么要用 RR（而不是 RD）；

• 什么时候“不能合”，只能分或描述。

Meta 分析里，比“会算”更重要的是“会想”

面对“量表不同、异常标准不同”的结局：

技术上，我们有 SMD、有 RR/OR 等工具可以“统一语言”；

但更关键的是，你要先想清楚：

• 这些结局是不是在说“同一件事”；

• 统一了指标之后，合出来的结果，临床意义还能解释吗