作为一种统计学方法，Meta分析在医学研究领域被广泛使用。根据采用的数据类型，可将Meta分析分为常规Meta分析和IPD Meta分析。常规Meta分析即对发表（或未发表）的文献提供的集合数据（aggregate data）直接进行合并。与之对应，IPD Meta分析则利用研究者提供的单个个体的数据（individual participant data）对证据进行合并。由于可操作性强、数据易获取，当前循证实践中最为常用的为基于研究水平数据的常规Meta分析。然而常规Meta分析存在诸多缺陷，如原始研究给出的集合数据存在选择性报告的风险，发表偏倚的风险，以及对个体水平交互作用的探讨统计效能低的风险。IPD Meta分析可很好的解决这些问题。

对于IPD数据，有两种方式进行合并：一阶段法（one-stage approach），二阶段法（two-stage approach）。一阶段法直接将所有个体数据放在一起分析，将每篇研究视作一个整群（cluster），直接获得整体效应。此方法类似于原始数据的分析。二阶段法则分为两阶段进行，第一阶段为将单篇研究的个体数据进行分析，以获得单篇研究的效应；再将这些单篇研究的效应按照经典固定/随机效应模型进行合并。（注：两种方式各有优缺点，一阶段法常常忽略了参数间相关性，而二阶段法需强制假设单篇研究效应符合正态分布。）

IPD Meta由于原始数据全面，提供的信息量大，结果可信度高，常被誉为Meta分析的“金标准”。IPD Meta 分析研究方法和过程比常规 Meta 分析复杂、研究时间长、对研究资源的需求大、研究协调和管理要求更高，限制了临床医生、研究人员和决策者等对其的认识和使用。下面一篇文章对IPD-Meta分析进行了详细的介绍。

查看全文，请点击左下角“阅读原文”

更多内容，敬请关注CREAT团队