医学期刊送审系统评价论文统计学探讨

系统评价对纳入研究进行综合分析，是循证医学研究的重要工具，在医学研究中被广泛应用。系统评价涉及文献筛选与数据提取分析等，虽然很多研究人员学习了系统评价方法，但如何正确筛选文献与提取数据、统计分析与结果表达，仍然是很多科研人员比较困惑的问题。有些系统评价论文纳入研究筛选有问题，效应模型选择不正确，直接影响研究结果的可信度，导致论文质量不高或者结论错误。本文对某医学期刊2014年至2020年送审的系统评价/Meta分析论文中的方法学与结果表达等问题进行分析，旨在帮助作者论文撰写中避免类似的错误，提升论文质量。

资料与方法

一、数据来源

数据来源于某大学医学期刊2014年至2020年送审的系统评价/Meta分析论文及作者的审稿记录。

二、研究方法

根据PRISMA声明和AMSTAR2工具自行设计系统评价/Meta分析论文数据质量及统计学问题分析整理表格，内容包括:①文章的稿件编号、第一作者姓名、论文题目、年度;②数据来源与提取问题:是否详细描述文献纳入标准，是否清楚交待文献检索策略，是否报告纳入文献的过程，是否双人筛选文献，是否双人提取数据，是否给出纳入研究的出处，有无重复纳入文献，纳入研究的信息是否与参考文献一致等;③数据分析与评价问题:是否清楚描述纳入研究的样本含量、PICOS等特征，是否对纳入研究的偏倚风险进行评价，是否报告异质性检验结果和综合效应值及其可信区间，森林图原始数据录入是否正确，效应综合分析模型选择是否正确，森林图的标尺选择是否恰当，综合效应的表述是否正确，是否报告研究的局限性等;④数据前后一致性问题:摘要与正文的数据是否一致，正文描述与统计图表的数据是否一致，统计图表之间的数据是否一致，流程图文献数据是否正确［1-6］。将送审系统评价/Meta分析论文打印成纸质版，每篇论文一张数据质量及统计学问题分析整理表格，逐项评价;采用Excel建立数据整理分析表格。

三、统计学方法

数据采用SPSS18．0软件进行统计分析，计算各条目的数量和百分比，结果采用［n(%)］形式表示。

结果

51篇系统评价和Meta分析论文被纳入分析，其中2014年度10篇，2015年度11篇，2016年度10篇，2017年度6篇，2018年度7篇，2019年度2篇，2020年度5篇。

一、数据来源与提取问题

43篇论文(84．3%)给出了详细的纳入排除标准，38篇论文(74．5%)报告双人筛选文献，45篇论文(88．2%)提及双人提取数据，33篇论文(64．7%)报告了纳入文献的过程。但33篇论文(64．7%)仅给出文献检索主题词，没有详细描述数据库检索方法;11篇论文(21．6%)纳入研究的基本信息与参考文献不一致;4篇论文(7．8%)涉嫌重复纳入文献;4篇论文(7．8%)部分纳入研究没有交待出处，其中1篇论文中纳入12篇文献，有9篇文献没有交待出处。

二、数据分析与评价问题

49篇论文(96．1%)报告了异质性检验结果和综合效应值及其可信区间，48篇论文(94．1%)清楚描述纳入文献的样本含量、PICOS等特征，45篇论文(88．2%)报告了研究的局限性，但18篇论文(35．3%)未对纳入文献的偏倚风险进行评价，13篇论文(25．5%)效应综合分析模型选择错误，9篇论文(17．6%)森林图标尺问题，6篇论文(11．8%)森林图原始数据录入有错误，2篇论文的P值与95%CI矛盾，1篇论文的OR不在其95%CI范围内，1篇论文异质性检验的P值与综合效应的P值混淆。

三、数据前后一致性问题

15篇论文(29．4%)正文描述的数据与统计图表不一致，7篇论文(13．7%)摘要的数据与正文不一致，7篇论文(13．7%)统计图表之间数据不一致，7篇论文(13．7%)文献筛选流程图中数据有错误。

讨论

一、应注意数据来源与提取的准确性

系统评价/Meta分析是对纳入研究进行综合分析，纳入研究的来源及提取数据的准确性是系统评价/Meta分析的基础。系统评价/Meta分析应给出明确的纳入排除标准(PICOS)，描述数据库检索方法，交待纳入研究的筛选过程与文献来源［1-6］。很多系统评价文献都描述由2名研究者独立筛选文献、提取资料并交叉核对，如遇分歧则讨论解决或征求第3位研究者的意见［7-10］。分析发现，64．7%的论文仅给出了文献检索词，没有描述数据库检索方法，比例与李波［11］接近(63．2%)，高于周为文［12］的研究(40．14%);21．6%纳入研究的基本信息与参考文献不一致，7．8%涉嫌重复纳入文献，7．8%仅列出部分文献出处。如“神经内镜治疗脑出血”的Meta分析中，文献［2］和文献［4］是同一单位采用德国蛇牌神经内镜清除高血压脑内血肿的研究，文献［2］是2001年至2004年的总结，文献［4］是2001年至2006年的总结，涉嫌重复纳入文献问题;“微生态制剂治疗肝硬化”的Meta分析中，文章描述筛选纳入12个研究，有9个研究没有交待出处。说明在纳入文献筛选与数据提取方面存在不足。如果纳入研究筛选有问题，或者文献数据提取有错误，得到的综述结论就可能是片面的或者错误的。作者应注意文献检索策略是否交待清楚，有无重复纳入文献，纳入研究是否交待来源，文献信息是否正确，数据提取是否准确。

二、应注意分析方法与评价的正确性

系统评价/Meta分析根据纳入文献进行综合评价，纳入文献的偏倚风险直接影响综合结论的证据等级;Meta分析的效应合成涉及效应模型选择，异质性检验不显著使用固定效应模型，异质性检验显著使用随机效应模型，模型选择错误会影响综合效应结论的可靠性。本次发现35．3%的论文未对纳入文献的偏倚风险进行评价，高于李波［11］的研究(26．5%)和周为文［12］的研究(10．82%);25．5%综合效应分析模型选择错误，17．6%森林图效应指标95%CI呈现“点状”，11．8%森林图原始数据录入有错误。如“中国人群LEPR基因多态性”的Meta分析中，森林图显示某文献对照组观察总数172例，发生数4172例;“含替吉奥”的Meta分析中，9个森林图中有7个的OR值不在其95%CI范围内。说明有的作者不了解纳入研究偏倚风险评价的意义，不熟悉效应模型选择原则，不清楚Meta分析的P值与95%CI之间的关系。在刊出的论文中也有95%CI呈现“点状”的问题，如刘维高的论文中各文献效应指标95%CI的数值范围均在－7～1的范围内，游玲的论文中各文献效应指标95%CI的数值范围均在－3～1的范围内，森林图标尺范围设定在－100～100，使得效应指标95%CI呈现为“点状”［13-14］。撰写系统评价/Meta分析报告时，作者应报告纳入文献偏倚风险的评价方法与结果，根据异质性检验结果正确选择效应模型，注意OR95%CI与P值的关系;绘制森林图时，应根据纳入文献效应指标95%CI的数值范围设定标尺，使95%CI呈现“菱形”，避免出现“点状”。

三、应重视论文数据前后一致性

数据正确是科研论文撰写的基本要求。本次发现29．4%的论文存在正文描述的数据与统计图表不一致，13．7%的论文存在摘要与正文数据不一致、统计图表之间数据不一致。如“人群LEPR基因多态性”的Meta分析中，文章描述“共8项研究报道了rs1137101位点，4435例研究对象，其中病例组2994例，对照组1441例”，“8项研究报道了rs1805096位点，3594例研究对象，其中病例组1896例，对照组1698例”，而两个森林图的样本量分别为4771例(病例组3166例，对照组1605例)、6544例(病例组3148例，对照组3396例)。“Evolocumab调脂治疗”的Meta分析中，文章描述不良反应发生率的RR=1．05，95%CI=1．00～1．76;严重不良反应发生率的RR=1．03，95%CI=0．85～1．02;严重不良反应导致停药的RR=0．76，95%CI=0．43～1．33;而图3显示不良反应发生率的RR=1．05，95%CI=1．02～1．09;表4显示严重不良反应发生率的RR=1．03，95%CI=0．85～1．25;严重不良反应导致停药的RR=0．91，95%CI=0．31～2．70。如果一篇论文前后数据都不一致，说明数据真实性有疑问，综合结论的可靠性不高。因此，论文投稿前作者应对全文的数据进行核对，看数据前后是否一致，结果描述是否与图表一致，摘要的数据是否与正文一致［15-16］。虽然纳入分析的是某医学期刊送审的部分系统评价论文，但仍然反映出部分论文在文献检索策略与数据提取、效应模型选择与结果表达等方面存在不足。如果系统评价/Meta分析纳入研究筛选有问题，或者文献数据提取有错误，或者效应模型选择不正确，或者报告的数据前后不一致等，得到的综述结论可信度就不高。作者应掌握正确的文献筛选、数据采集、统计分析方法，确保数据来源的准确性和统计分析的正确性，提升稿源质量。