Meta分析是汇总多项原始研究的结果并综合评价效应值的合并的一系列过程。高质量的Meta分析一方面取决于所纳入的已发表或未发表的文献数量，纳入的文献数量越多，所得到的Meta分析结果也相对更加可靠、有效。一般来说，Meta分析纳入的文献量至少应在10篇以上。但从另一方面来说，Meta分析的质量还依赖于纳入文献的质量。虽然通过制定严格的纳入和排除标准，但由于不同的原始研究研究设计、样本量等因素的差异性，仍可能存在一些研究不同质的情况。
因此需要对纳入的研究资料间存在的异质性进行评价和处理。这就是我们今天所要介绍的异质性检验。如果说之前介绍的效应量的合并、森林图的绘制是Meta分析这道菜的主材料，那本系列的异质性检验便是使Meta分析色香味俱全的必不可少的调料。
一、异质性检验
异质性检验是Meta分析的重要组成部分，如果未对纳入文献进行评价和处理，便错误地进行效应量的合并，那可能导致估计出的合并效应量无意义甚至是错误。因此，为了保证研究结果的可靠性，异质性的识别和处理方法是掌握Meta分析必不可少的步骤。
1.异质性的涵义
异质性是指纳入同个系统评价的所有研究间所存在的各种变异。其来源主要有两类：一类是研究内变异，即是由抽样误差引起的，虽然研究来自相同的总体，但由于随机抽样误差却表现出不同的效应。另一类是研究间的变异，指的是由于研究对象来自不同的总体，因此即使干预措施或其他情况都一样，也可能造成实际效应的不同。
2.异质性的检验方法
异质性检验的识别可通过三种统计检验方法进行，具体如下：
（1）Q值统计量
Q服从于自由度为k-1的卡方分布，当Q值越大，其对应的P值越小。当P≤a（一般a取0.05），则说明各独立研究间存在异质性；反之，当Pa时，则可以认为各独立研究间是同质的。
Q值统计量检验方法应用较为广泛，但其检验效能较低，其影响因素包括纳入研究的数量、不同研究权重的分布等。因此，当纳入的文献数量过多，权重大，Q值越大，则可能也会存在统计学意义，可能会犯I类错误，当纳入的文献数量过少时，则反之。因此应用Q检验方法时需要慎重。
（2）H统计量
H统计量是通过对统计量Q进行自由度的校正。当统计量H=1表示研究间无异质性；H1.2表示各项研究是同质；当1.2H1.5时，当H值的95%CI未包含1时，则认为存在异质性；H1.5提示研究间存在异质性。
计算方法为：heterogiQ值统计量df；
如Q=34.51，df=10；所以命令如下heterogi34.。
（3）I2统计量
I2统计量是描述由研究间变异（包括研究间变异和抽样误差）占总变异的百分比，I2=[(Q-df)/Q]*%。Higgins等认为，I2统计量为0%~%。当I2=0%时研究间无异质性，数值越大，异质性可能性增加。根据Cochrane研究手册，当I%则认为研究间存在异质性。
H统计量和I2统计量，利用自由度校正了研究文献数目对Q值的影响，其值大小不会因为文献数变化而改变，因此异质性检验结果也更为稳健可靠。
当经上述的统计方法进行异质性检验后，若各独立研究的结果同质，则选择固定效应模型（fixedeffectmodel）进行效应量的合并；若如果研究结果不同质时，则可使用敏感性分析或者亚组分析进行异质性处理方法，达到同质性后，再用固定效应模型。如经异质性处理后，仍存在异质性时，应选择随机效应模型（randomeffectmodel）。
[小贴士]
Q值和I2统计量的计算方法可通过Stata软件中的“Metan”命令获得，具体可详见系列四和五中的操作方法。下图便是通过合并效应量获得的森林图，森林图显示了总体合并的I2统计量=40.7%，提示研究间存在同质性，可采用固定效应模型。
二、异质性的处理方法
当研究间差异存在异质性时，可采用以下几种方法进行处理。
1.亚组分析
亚组分析将所有数据分成更小的单元，根据按不同设计方案、研究质量、或者影响因素如性别、年龄、国籍、发表时间等分成亚组再进行分析。
以stata软件为例，在明确具体亚组和每项研究的具体数据时根据变量类型在命令后面加入by(subgroup)，或者若无明确亚组，则在加入限定条件，如需要发表时间大于，则命令为metanlogrrselogrrifyear等；
2.Meta回归方法
Meta回归方法是通过建立回归方程，来反映一个或多个解释变量与结果变量之间的关系，从而筛选出导致异质性的重要影响因素。
用Stata软件建立Meta回归模型，常见的命令如：metareglogrrfactor1factor2factor3……,wsse(selogrr)，而当需要考虑交互作用时，只需在模型中加上interaction项。
如研究饮酒与结直肠癌死亡率的Meta分析中，森林图结果显示I2统计量=60.0%，研究间存在异质性。因此为研究异质性的来源，采用Meta回归分析方法进行研究，建立RR值对研究年份的回归模型，其Meta回归分析命令为：
.metareglogrrYear,wsse(selogrr)
结果如下：
结果列出了RR对研究年份的回归系数(Coef.)，回归系数的标准误（Std.Err），以及对回归系数的检验统计量(t)，P值及95%可信区间，发现P=0.，表明研究年份不是研究间的异质性来源之一。
同样地，可以建立RR对性别、种族、国籍等可能的影响因素的回归方程，以探讨异质性的来源。
bang!bang!bang!我们的分答主页正式上线啦！欢迎各位小伙伴来和主编zz交流哦~无论是统计分析方法，还是关于推免学校专业选择都可以。
