LV.01 新手村：統合分析是什麼

還沒走過 systematic review 流程？建議先完成 SR 王國（特別是 LV.02 問題形成、LV.06 篩選、LV.08 Risk of bias）。

本關目標

歡迎來到新手村。這一關不急著算公式，先把地圖看清楚。打完本關，你應該能：

說清楚 systematic review（SR，系統性回顧） 與 meta-analysis（MA，統合分析） 的差別與關係。
看懂一張 forest plot（森林圖） 的基本構造，知道 MA 最後交出的「成果」包含哪些東西。
判斷什麼情況不該把研究合併成一個數字——也就是本關 Boss「蘋果橘子合體獸」的弱點。
知道 MA 能減少什麼誤差、不能減少什麼誤差。

建議先修：SR 站。 本站專講「量化合併」。如果你還沒走過「問題形成 → 搜尋 → 篩選 → 萃取 → 偏誤風險評估」這條流程，建議先到姊妹站 Systematic Review 冒險 的第 1 關〈為什麼要做 SR〉打底，再回來會順很多。

一、Meta-analysis 到底在做什麼

想像你在晨會上被學長問到：「BCG 疫苗到底能不能預防結核病？」你翻到 13 個試驗，有的說保護效果很強，有的說幾乎看不出效果，還有一個效果方向相反。你會怎麼回答？

挑一篇你最喜歡的？→ 這叫 cherry-picking。
數數看「有效」和「沒效」（口語的 vote counting 說法）各幾篇？→ 這叫 vote counting，它忽略了每個研究的大小與精確度，是公認不建議的做法（SR 站第 9 關會深入講）。
把每個試驗的**效果量（effect size）**算出來，依照各自的精確度給權重，算出一個加權平均，同時評估研究之間的差異有多大 → 這就是 meta-analysis。

用一句話定義：Meta-analysis 是用統計方法，把多個回答同一個問題的研究所估計的效果量，加權合併成一個整體估計，並量化這個估計的不確定性與研究間的差異。（Cochrane Handbook 第 10 章；Borenstein 2010）

SR 與 MA 的關係

這兩個名詞常被混用，但它們不是同一件事：

	Systematic review	Meta-analysis
本質	一整套事先定義、可重現的流程	流程中的一個統計步驟
一定要有嗎	是 MA 可信的前提	選配；研究不夠相似時可以不做
產出	回答問題的證據整合（敘述或量化）	合併效果量 + CI + 異質性指標

沒有 MA 的 SR 完全成立；但沒有 SR 流程的 MA，只是把一批隨手撿來的研究算平均，選了哪些研究本身就可能決定了答案（Cochrane Handbook 第 1、10 章）。所以本站假設你的研究是經過系統性搜尋與篩選得來的。

為什麼要合併：四個理由

提高精確度（precision）：單一小試驗的 CI 很寬，合併多個試驗後，整體估計的 CI 會變窄。
回答單一研究回答不了的問題：例如效果在不同族群、不同劑量下是否一致。
把「研究結果不一致」變成可以分析的對象：MA 不只給平均值，還會量化研究之間的差異（異質性，heterogeneity；第 6 關），甚至嘗試解釋它（第 7 關）。
更早看清證據：Lau 1992 用 **cumulative meta-analysis（累積統合分析）**回頭檢視心肌梗塞治療的試驗，示範依時間逐一加入試驗的做法，可以看出合併證據在何時開始穩定；Antman 1992 比較了 MA 結果與同時期教科書和綜論文章的建議，指出專家建議常與累積證據不同步。第 8 關會實際操作 cumulative MA。

二、先看一張 forest plot

下面是本站主線範例 ex1：BCG 疫苗與結核病（metafor 套件內建的 dat.bcg，13 個試驗，原始資料整理自 Colditz 1994 的 meta-analysis）。這張圖的細節會在第 4 關一步步拆解，現在先認識它的長相：

BCG 疫苗 13 個試驗的 forest plot，每列一個試驗的 risk ratio 與 95% CI，底部菱形為 random-effects 合併結果 — **Figure 1-1** ex1 BCG forest plot（random-effects，REML）。橫軸是 risk ratio（log 尺度），1 代表兩組風險相同；左邊代表疫苗組風險較低。

看 forest plot 的順序建議如下：

每一列 = 一個研究。 方塊是該研究的點估計，橫線是它的 95% confidence interval（CI，信賴區間）。
方塊大小 = 權重。 越精確（通常越大）的研究方塊越大、對合併結果影響越大。
垂直參考線 = 無效線（line of no effect）。 Ratio 類效果量（RR、OR、HR）是 1；差值類（MD、RD）是 0。
底部菱形 = 合併結果。 菱形中心是合併估計值，左右兩端是 95% CI。
最後才看各研究彼此是否一致。 橫線大多重疊嗎？有沒有方向完全相反的研究？

在這個例子中，random-effects 合併的 RR 為 0.489（95% CI 0.344–0.696），整體偏向保護效果；但 13 個試驗的估計值散得很開，Q 檢定 Q = 152.23（df = 12，p < 0.0001），I² 約 92%。也就是說，「平均有保護效果」和「每個地方效果都一樣」是兩回事——這是之後第 5、6、7 關的主題。

MA 的完整「成果」不只一個數字

一份合格的 meta-analysis 結果，至少應包含：

合併效果量與 95% CI（第 4 關）
使用的模型與估計方法（fixed vs random effects、τ² 估計式；第 4、5 關）
異質性：Q、I²、τ²，最好再加 prediction interval（預測區間）（第 5、6 關；IntHout 2016 主張常規報告）
偏誤相關評估：各研究 RoB、可能的 publication bias（第 9 關）
證據確定性：GRADE（第 10 關）

只報一個「合併 OR 與 p 值」的 MA，資訊是不完整的。

三、SR 流程 300 字速覽（深入請看 SR 站）

SR 流程摘要。 一份 SR 從明確的問題開始，通常用 PICO（Population、Intervention、Comparator、Outcome）定義納入條件；接著寫好 protocol 並在 PROSPERO 或 OSF 註冊，事先鎖定問題與分析計畫，限制「看過資料才改問題」的空間（PRISMA-P；Shamseer 2015）。搜尋要跨多個資料庫並記錄完整檢索式（PRISMA-S；Rethlefsen 2021）。篩選分 title/abstract 與 full text 兩階段，建議兩人獨立進行。資料萃取用事先試填過的表格，單人萃取的錯誤比雙人多（Buscemi 2006）。每個研究要用 RoB 2、ROBINS-I 等工具評偏誤風險。最後才是合併：能量化就做 meta-analysis，不能就用結構化的敘述整合；整個過程依 PRISMA 2020 報告（Page 2021），並以 GRADE 評估證據確定性。

深入請看 → SR 站第 2 關問題形成、第 4 關搜尋策略、第 8 關 Risk of bias、第 6 關篩選、第 9 關合併策略、第 10 關 GRADE、第 11 關 PRISMA 報告。

本站從「研究已經篩好、資料已經萃取好」這一步接手。

四、MA 能減少什麼、不能減少什麼

這是新手最容易誤會的一點。

MA 能減少的是隨機誤差（random error）。 每個研究都是從母群抽樣，結果有抽樣變異；把多個研究合併，抽樣誤差會互相抵銷一部分，所以合併估計的 CI 變窄。

MA 不能減少系統性誤差（bias）。 如果每個試驗都沒做好 allocation concealment、outcome assessor 都沒有 blind，它們可能都往「高估療效」的方向偏。把 10 個同方向偏掉的研究合併，只會得到一個精確但偏掉的答案。這就是常說的 garbage in, garbage out。整合多個 meta-epidemiological 資料集的研究顯示，random sequence generation 或 allocation concealment 不足、缺乏 double-blinding 的試驗，平均而言效果估計偏大，而且這個現象主要出現在主觀評估的 outcome（Savović 2012），所以 RoB 評估不是形式，而是會改變結論的步驟。

另外兩個 MA 本身處理不了的問題：

Publication bias / reporting bias：沒被發表的研究根本不在你的資料裡，模型再好也算不到（第 9 關）。
研究問的不是同一個問題：見下一節。

歷史教訓：MA 也會錯

MA 並非自動等於「證據金字塔頂端、不會錯」。幾個值得記住的例子：

靜脈鎂離子用於急性心肌梗塞：早期小型試驗的 meta-analysis（Teo 1991）顯示有利效果，但其後的大型試驗 ISIS-4（1995）並未支持這個結論。第 8 關會用 ex3 的資料重現這段歷史，練習 cumulative MA 與 sensitivity analysis。
MA 與後續大型 RCT 的不一致：LeLorier 1997 比較了 meta-analysis 與之後同主題的大型 RCT，發現兩者結論不一致的情況並不少見。
MA 的「量產」問題：Ioannidis 2016 指出 SR 與 MA 的數量急速成長，其中有相當比例是重複、誤導或有利益衝突的。

這些例子不是要你不信 MA，而是提醒：MA 的可信度取決於納入研究的品質、合併是否合理、以及報告是否誠實。

五、Boss 戰重點：什麼時候不該合併

統計軟體不會阻止你。只要給它一串效果量和標準誤，它一定吐得出一個菱形。真正的判斷在你身上。下列情況要特別警覺：

1. Apples and oranges：研究問的不是同一個問題

這個比喻是 MA 被批評最久的一點：把蘋果和橘子混在一起算平均，得到的「水果平均」沒有意義。判斷方式是回到 PICO 逐項比較：

Population：兒童 vs 老人、輕症 vs 重症、門診 vs ICU
Intervention：劑量差十倍、給藥途徑不同、合併治療不同
Comparator：安慰劑 vs 標準治療 vs 另一種藥——「A vs 安慰劑」和「A vs B」不能直接放進同一個合併
Outcome：定義不同（全死因 vs 心血管死亡）、追蹤時間不同（30 天 vs 5 年）

Cochrane Handbook 把這類差異稱為 clinical diversity（臨床多樣性） 與 methodological diversity（方法學多樣性），它們是 statistical heterogeneity（統計異質性） 的來源。關鍵是：要不要合併，先由臨床與方法學判斷決定，而不是由 I² 決定。I² 很低也可能是不同問題剛好數字相近；I² 很高則需要回頭找原因，而不是自動放棄或自動改用 random-effects。

但也不要走極端。如果把納入條件定得太窄，每個研究都「不一樣」，就永遠無法合併。合理的做法是在 protocol 階段就定好「多相似才合併」的規則，並把預期的差異來源列為 subgroup 或 meta-regression 的事前假設（第 7 關）。

2. Garbage in：研究本身偏誤風險太高

如果大多數研究是 high risk of bias，可以考慮只合併 low risk 研究作為主分析，或至少做 sensitivity analysis（第 8 關）。RoB 評估本身見 SR 站 LV.08 Risk of bias。混合 RCT 與觀察性研究時尤其要小心：兩者的偏誤結構不同，通常建議分開分析（Cochrane Handbook 第 10、24 章）。

3. 資料單位不對：非獨立的資料列

同一個試驗拆成多列（例如依嚴重度分層、多臂試驗共用同一個對照組）卻當成獨立研究合併，會讓同一批病人被重複計算、精確度被高估。這是第 3 關的主題，ex4 會示範一次。

4. 效果量不可比

有的研究只報 median、有的報 HR、有的報二分類結果，能不能轉換到同一尺度？轉換的假設合理嗎？這是第 2、3 關的主題。

5. 研究太少或太異質，合併數字會誤導讀者

只有兩三個研究、且方向互相矛盾時，一個合併數字可能給人「已有結論」的錯覺。此時可改用結構化的敘述整合（Synthesis Without Meta-analysis, SWiM；見 SR 站第 9 關），或至少同時呈現 prediction interval。

6. 不要把原始人數直接相加

一個常見的直覺錯誤是：「把所有試驗的事件數和人數加總，就當成一個大試驗。」這會破壞每個試驗內部的隨機分派比較。Altman & Deeks 2002 用 NNT 的例子說明，各試驗兩組人數比例不同時，「當成一個試驗加總」會受 Simpson’s paradox（辛普森悖論） 影響而偏誤。MA 的做法永遠是先在每個研究內部算效果量，再跨研究合併。

常見錯誤與誤讀

誤讀	比較精確的說法
「有 MA 就是最高等級證據」	證據確定性要看納入研究品質、一致性、精確度、間接性、發表偏誤（GRADE；第 10 關，完整流程見 SR 站 LV.10）
「研究越多，答案越接近真相」	研究越多，隨機誤差越小；系統性偏誤不會因此消失
「I² 低就可以合併，I² 高就不能」	是否合併先由臨床與方法學判斷；I² 是描述，不是開關
「合併結果未達統計顯著，代表治療無效」	只代表本次合併未偵測到統計顯著差異；CI 若很寬，可能仍無法排除有意義的效果
「Random-effects 可以解決異質性」	Random-effects 只是承認異質性存在並反映在 CI 上，並沒有解釋它
「把事件數加總就是 MA」	必須先在研究內算效果量再合併，否則會受 Simpson’s paradox 影響

本關重點小抄

MA = 加權合併多個研究的效果量，並量化不確定性與研究間差異。
SR 是流程，MA 是其中的選配統計步驟；沒有系統性搜尋的 MA 容易被選擇偏差影響。
Forest plot 看法：每列一研究 → 方塊大小是權重 → 無效線（1 或 0）→ 菱形是合併結果 → 再看一致性。
MA 減少隨機誤差，不減少偏誤：garbage in, garbage out。
不該合併的情境：PICO 差太多（apples and oranges）、偏誤風險太高、資料不獨立、效果量不可比、研究太少又互相矛盾。
要不要合併由臨床與方法學判斷決定，不是由 I² 決定。
完整成果 = 合併效果量 + CI + 模型 + 異質性（含 PI）+ 偏誤評估 + GRADE。

新手村：統合分析是什麼