Meta分析已经成为现在临床决策中非常关键的一部分，而网状Meta分析作为Meta分析的拓展，也在近些年被大力发展并应用于临床决策。为了区分，我们通常称传统Meta分析为pairwise Meta分析，其应用在仅有两种干预比较的情况下。而当

Meta分析的历史最早可以追溯到1925年Fisher先生的合并P值方法（Fisher's combined probability test）。也就是说，Meta分析其实是一个非常朴素的想法，即：当我们针对同一个假设做了多个独立的研究时，

某肿瘤科大夫希望了解CT对某肿瘤的诊断准确性，他查阅了很多国内外文献，发现文献中各研究样本量都偏小，且对该方法的准确性评价结果不一，因此想通过Meta分析的方法对其准确性进行较为可靠的评价。

如今，大型数据库的激增，加上统计软件的便捷使用，使得任何人都可以“四处查看”数据。如果没有一个明确的研究问题，研究往往是毫无意义的，还有可能会导致不明确或误导性的结果。

很多人在做多因素分析的时候，往往都按这种方式：首先把所有因素挨个做个单因素分析，然后单因素分析有意义的变量，再放到多因素分析中，最后得到一个多因素分析模型。

当我们无法很好地确定自变量和因变量之间的线性变化关系时，也需要考虑将连续型变量离散化，转化为哑变量带入模型。应该如何有效的进行分组，将其转化为哑变量的形式呢？

研究者拟将多个变量归纳为某几项信息进行分析，即降低数据结果的维度。针对这种情况，我们可以进行主成分分析，但需要先满足2项假设。