系统综述与荟萃分析：关键区别详解

这两个术语经常被互换使用，但它们描述不同的事物——并非所有系统综述都是荟萃分析。 **系统综述**：对特定研究问题所有可用证据进行严格、可重复的合成。使用有文档记录的、预先规定的检索策略和明确的纳入/排除标准。结果可能以叙述性方式呈现。 **荟萃分析**：将多项研究的定量结果合并为单一汇总估计值的统计技术。荟萃分析通常在系统综述中进行，但并非总是如此。 简单来说：系统综述是过程；荟萃分析是该过程的一种可能输出结果。

荟萃分析需要研究足够相似，可以进行统计合并。你需要： - **相似的PICO**：可比较的人群、干预、对照和结局 - **定量数据**：效应量、置信区间，或足以计算这些的数据 - **足够数量的研究**：至少3-5项研究（效能越多越好） - **可接受的异质性**：如果I²>75%，合并可能产生误导 当研究过于异质——在不同人群中以不同方法测量不同事物时——叙述性（描述性）系统综述比强行进行无意义的统计合并更为适当。

**无荟萃分析的系统综述：** ✓ 可纳入定性和异质性研究 ✓ 避免不当合并造成的虚假精确度 ✓ 更适合具有多个组成部分的复杂干预 ✗ 更主观——叙述性合成可能引入偏倚 ✗ 更难为临床决策提供总结 **荟萃分析：** ✓ 提供带置信区间的单一汇总估计值 ✓ 比任何单项研究具有更高的统计效能 ✓ 直接为临床实践指南提供信息 ✗ 如果研究异质，可能产生虚假精确度 ✗ 容易受到发表偏倚影响 ✗ 垃圾进，垃圾出——只有纳入研究的质量那么好

在非正式文献综述和全面系统综述之间，存在几种中间方法： **快速综述**：简化系统综述方法以快速回答问题（数周而非数月）。适用于紧急政策问题。明确承认局限性。 **范围综述**：绘制广泛主题的现有文献地图以识别差距，而非回答特定问题。不需要对纳入研究进行质量评估。通常是全面系统综述的前导步骤。 **叙述性综述**：没有系统检索方法的专家合成。速度更快但更容易有偏倚。可重复性较低。对于教育目的仍有价值。 MetaLens AI等工具最好被描述为AI辅助的快速范围界定——它们提供PubMed证据的快速合成来指导你的思考，而没有正式系统综述的严谨性。

高质量系统综述和荟萃分析应遵循既定报告标准： - **PRISMA**（系统综述和荟萃分析优选报告项目）：系统综述报告的27项清单。需要显示研究选择的流程图。 - **MOOSE**（流行病学中观察性研究的荟萃分析）：针对观察性研究的荟萃分析。 - **PRISMA-P**：系统综述方案的清单。 - **Cochrane手册**：Cochrane综述最全面的指导。 大多数主要医学期刊要求提交系统综述时符合PRISMA要求。遵循这些标准可提高透明度和可重复性。

使用这个决策树： 1. **你的问题是否足够具体，适合PICO？** - 是 → 系统综述（可能包含荟萃分析） - 否 → 范围综述或叙述性综述 2. **是否有足够的原始研究？** - 少于3项优质研究 → 叙述性系统综述 - 3项或以上PICO相似的研究 → 考虑荟萃分析 3. **异质性是否可接受？** - I² < 50% → 荟萃分析可能适当 - I² > 75% → 叙述性合成；探索异质性来源 4. **你有足够的时间和资源吗？** - 全面系统综述需要团队花费6-12个月 - 考虑从使用MetaLens AI等工具的范围综述开始