固定效应和随机效应该听哪一行？为什么亚洲用随机、欧洲用固定？

分组摘要里，StatsX 只看该亚组 I² 是否大于 50：亚洲 54.5%、美洲 74.5% 展示 RE，欧洲 41.6% 展示 FE。未分组时表底两行都在，由你按研究问题选。固定效应假定共同真值，随机效应把研究间方差 τ² 加进权重。I² 刚过 50 时两套点估计往往接近，但随机效应区间更宽。不要因为想要「更显著」就改选模型。

TE 已经是效应量了，还要不要再取一次对数？

看你的 TE 现在处于什么尺度。若单元格里已经是 log OR / log HR / 均值差，直接进表，无效线就是 0。若单元格仍是 OR=1.30 这种倍数，必须先取对数，否则合并值和 1.96×SE 的区间都错。本教学示例的 TE 中位数约 0.24，按加性尺度解释，不要写成风险比 0.24。

为什么表里看不见 Study 1 到 Study 18？

勾选了「亚组」之后，产品改输出三行合并摘要，避免按组展开明细把表格拉爆。表注写明：要逐项权重与森林图，对该亚组筛一行后去掉分组再跑。合并与 I² 仍用该组全部 6 项，不是抽了子集。

和 RevMan、Stata metan 对不上，先查什么？

先对齐每项 TE/SE、是否同一尺度、k 是否为 18。然后看随机效应是不是 DL：RevMan 历史默认也是 DL，但新版或 metan 可改 REML，τ² 会变，I² 与 RE 区间跟着变。分组后本页不跑亚组差异检验。无效线是 0 不是 1。森林图未分组时可能只画权重最高的 25 项。

Meta 分析 · StatsX

这篇能回答什么

Meta 分析回答的是：「把 k 项彼此独立、问题同类的研究放到同一尺度上，总效应大概是多少、研究之间吵得有多凶」。你传入的不是原始病例行，而是每项研究已经算好的效应量 TE（均值差、log OR、log HR 等）和它的标准误 SE。StatsX 用逆方差做固定效应，用 DerSimonian–Laird 的 τ² 做随机效应；未分组时两套合并都出现在表底。勾选亚组后，每个地区单独合并，表上只留一行摘要，并且当该亚组 I² > 50% 时自动展示随机效应那一行。

适合：已经完成文献筛选、每项研究能拿出一个点估计和一个 SE 的二次研究。研究名称一列文本，TE、SE 两列定量，亚组可选。本教学绑定 18 项模拟研究，按亚洲 / 欧洲 / 美洲各 6 项拆开。

什么时候不该用

手里只有一份原始随访表、还没有「每篇论文一行」时，应先做Cox 或ROC 得到单研究的 HR / AUC，而不是把病人行直接丢进 Meta。两臂的四格表尚未算出 log OR 时，要先在表格里完成变换——本页不会从 n、事件数反推。漏斗图、Egger、剪补法不在输出里，不能把本页当成完整系统评价。

如何选择方法

先分清你有的是研究级摘要还是个体病例。摘要 + TE/SE 用本页；个体生存用 KM / Cox；个体诊断用 ROC。固定效应假定「只有一个真值，差别来自抽样」；随机效应假定「每项研究的真值来自一个分布」。StatsX 在分组摘要里用 I²>50% 当切换开关；洞察文案还把 Q 检验 p<0.1 算进「异质性显著」。

Meta 分析：1 个研究名、1 个 TE、1 个 SE、0–1 个亚组；最少 2 项研究；输出合并 ES、I²、Q、森林图或亚组对比。
Cox / KM：从随访微数据估计单研究的 HR 或生存曲线，结果可以再作为 TE 送入本页。
ROC：单研究区分度，不是跨文献合并。
线性回归：解释一堆原始 Y，不是合成已发表的点估计。

Cox 比例风险回归

评估一个或多个变量对生存时间影响的半参数回归模型，支持按分组变量进行分组独立建模对比。

Kaplan-Meier 生存分析

估计生存率并绘制生存曲线，常用于比较两组或多组的生存时间差异。

ROC 曲线诊断分析

评估连续变量或模型预测概率对二分类疾病状态的诊断区分效能，支持按分组变量进行亚组诊断效能对比。

线性回归（最小二乘法）

用于确定两种或两种以上变量间相互依赖的定量关系的一种统计分析方法；定类自变量自动虚拟变量编码，亦支持按分组变量进行分组建模对比。

输入、输出与限制

输入

研究名称保持每行一个标识（Study 1…）。效应量 TE 必须已经在你打算解释的尺度上——若原始论文给的是 OR，应先取对数再进表，否则「无效线 = 0」会对不上「OR=1」。标准误必须与 TE 同尺度、且为正；0 会被替换成 1e−10 以免除零。

研究名称：最少 1 个，最多 1 个，文本。
效应量：最少 1 个，最多 1 个，定量。
标准误：最少 1 个，最多 1 个，定量。
分组变量：最少 0 个，最多 1 个，定类。

输出

未分组：明细表列出各研究的 ES、95% CI、固定/随机权重百分比，表底两行分别是 FE 与 RE 合并；表注给 Q、p_Q、I²、τ²。图为带 TE=0 参考线的森林图。分组（本教学示例）：每个亚组一行——纳入数、自动选用的模型名、合并 ES、CI、I²、合并 P；图改为各亚组合并效应对比。明细被收起，避免十几行变几百行。

产品限制

每个分析切片至少 2 项有效研究；亚组全不足 2 项则整体失败。
固定效应 = 逆方差；随机效应 = DerSimonian–Laird τ²，不是 REML 或 Paule–Mandel。
未分组明细与森林图最多展示权重最高的 25 项，合并与 I² 仍用全部研究。
分组摘要仅当 I² > 50% 时改展示 RE（欧洲 I²=41.6% 因此留在 FE）。洞察另用「I²>50 或 p_Q<0.1」判断措辞。
无效线画在 TE=0。不输出漏斗图、不读原始四格表、不做 meta 回归。

案例

研究问题。 18 项独立研究已经把效应量与标准误整理成一行一条。希望按大洲分开合并，看亚洲、欧洲、美洲的总效应是否同号，以及哪一块文献更「吵」。

临床 xlsx 的 meta 工作表恰好 18 行：列名为研究名、TE、SE、亚组。亚洲 / 欧洲 / 美洲各 6 项。亚洲 I²=54.5%（Q 的 p=0.052）走随机效应，合并 0.2546；欧洲 I²=41.6%（Q 的 p=0.128）走固定效应，合并 0.1627；美洲 I²=74.5% 走随机效应，合并 0.4251。三块 CI 都不跨 0。下载后研究名称=研究名，效应量=TE，标准误=SE，分组=亚组，即可复现这三行。

下载教学示例表（临床随访）

在 StatsX 中操作

步骤 1 · 上传表格

打开工作台，导入临床教学 xlsx，工作表切到 meta（不是 survival 或 diagnostic）。单文件不超过 20 MB。
步骤 2 · 查看画像与质量

研究名为文本；TE、SE 为定量且 SE>0。亚组应能看到亚洲、欧洲、美洲三档。
步骤 3 · 选择「Meta 分析」

目录搜 Meta 或「荟萃」。不要把病人级生存表误送进这一页。
步骤 4 · 指定变量并运行

研究名称=研究名，效应量=TE，标准误=SE；要亚组对比再把亚组放到分组变量。点击运行分析。
步骤 5 · 阅读结果

先看各行选用 FE 还是 RE、I² 是否过 50，再读合并 ES 与是否跨 0。若要 Study 级别权重，去掉分组后重跑。

上传含 meta 工作表的临床教学文件 — 导入临床 xlsx 后打开名为 meta 的工作表。

研究名应为文本，TE 与 SE 为定量。

为 Meta 分析指定研究名、效应量、标准误与亚组 — 四列角色配齐后运行；不要漏掉 SE。

如何阅读输出

下表是 18 项研究按亚组合并的摘要，不是 18 行明细。亚洲走随机效应 (RE)，ES=0.2546，CI [0.083, 0.426]，I²=54.5%，P=0.004。欧洲走固定效应 (FE)，ES=0.1627，CI [0.029, 0.296]，I²=41.6%，P=0.017。美洲走 RE，ES=0.4251，CI [0.200, 0.650]，I²=74.5%，P<0.001。三个区间都在 0 右侧，方向一致，但美洲的点估计大约是欧洲的 2.6 倍，且异质性最高。

各分组 Meta 合并效应汇总表

分组	纳入研究数	合并模型	合并效应量 (ES)	95% CI	I² (%)	合并 P 值
亚洲	6	随机效应 (RE)	0.2546	[0.083, 0.426]	54.5	0.004
欧洲	6	固定效应 (FE)	0.1627	[0.029, 0.296]	41.6	0.017
美洲	6	随机效应 (RE)	0.4251	[0.200, 0.650]	74.5	<0.001

左右滑动可查看完整表格

各亚组的合并效应均基于该组全部纳入研究计算；I² > 50% 时自动采用随机效应模型。如需查看某亚组的逐项研究明细，可对该组数据单独执行不分组的 Meta 分析。

各亚组 Meta 合并效应汇总表 — 工作台三行摘要应与上表一致；明细需去掉分组再跑。

亚洲欧洲美洲三块合并效应对比图 — 亚组合并效应对比；误差棒为 95% CI，参考线在 TE=0。

【亚洲】【合并效应·随机效应】TE=0.2546，95%CI=[0.0834, 0.4258]，p=0.004，结论：有统计学意义。

读表顺序：每块纳入数是否对称（本例都是 6）→ 模型列是 FE 还是 RE → I² → 区间是否跨 0。正确写法：三块文献在 TE 尺度上都给出正的合并效应；亚洲与美洲按 I²>50 采用随机效应，欧洲留在固定效应。不要把 0.25 直接叫成「OR=1.25」或「HR=0.25」——除非你确实传入的就是那种尺度。美洲 I²=74.5% 说明合并值是「平均效应」，单项研究可以离得很远。

理论与公式

固定效应把第 i 项研究的权重设为标准误平方的倒数，合并值是加权平均，其方差是权重之和的倒数：

Q 统计量衡量各 θ_i 相对 FE 合并值的加权离差；I² 把超出自由度的部分收成百分比。随机效应在分母上再加 DL 估计的 τ²：

各研究及合并值的 95% CI 一律用 ±1.96×SE，P 值来自正态 z。I² 没有「显著」的假设检验含义；Q 的 p 才是。分组后各亚组独立估 Q 与 τ²，没有做亚组间差异的正式检验，图上的分开不能直接写成「美洲显著大于欧洲」。

注意事项

垃圾进、垃圾出：纳入标准、重复发表、尺度变换错了，合并值再漂亮也无效。
OR/HR 必须先取对数；把 1.30 当 TE、0.10 当 SE 会让无效线错位。
I²>50% 只是本页分组表的切换阈值，不是国际硬性法规；欧洲 41.6% 仍可能有临床异质性。
洞察用 p_Q<0.1 喊「显著异质性」，与表上「I²>50 才改 RE」可能不一致，以表注模型列为准。
超过 25 项时，未分组森林图是「权重最高的 25」，全文应声明合并基于全部 k。
没有发表偏倚诊断。小研究、阳性偏好会让合并值偏向显著一侧。

常见问题

参考文献

DerSimonian, R., & Laird, N. Meta-analysis in clinical trials[J]. Controlled Clinical Trials, 1986, 7(3): 177–188.
Higgins, J. P. T., & Thompson, S. G. Quantifying heterogeneity in a meta-analysis[J]. Statistics in Medicine, 2002, 21(11): 1539–1558.
Borenstein, M., Hedges, L. V., Higgins, J. P. T., & Rothstein, H. R. Introduction to Meta-Analysis[M]. Wiley.
Higgins, J. P. T., et al. (eds.). Cochrane Handbook for Systematic Reviews of Interventions[M]. Wiley.
陈峰. 医用多元统计分析方法[M]. 中国统计出版社.