本文内容来自《JAMA耳鼻喉-头颈外科》一篇针对Meta分析的专家观点[1]，整理后分享给大家。

当Meta分析纳入的研究样本量较小（每组<30名患者）或纳入的研究数量少（≤5项研究），对Meta分析的结果应谨慎解释。少见情况下，上述两种情况都会发生，更应避免得出明确结论，除非所有研究是同质的且结果都一致。

以下是为什么要谨慎解读Meta分析结论的几个原因：

首先，如果Meta分析的结果被某单一研究所主导，Meta分析的结论可信度就会大打折扣。例如，最近发表了一项针对突发性耳聋患者高压氧治疗的Meta分析，作者文献检索后，发现有3项随机对照试验（RCT）符合纳入标准[2]。

除了符合标准的研究数量少之外，每项研究的平均样本量也很小，每组只有25人，研究之间的异质性还很大。此外，该Meta分析得出的总体效应（overall effects），主要是由某单一RCT所驱动（权重过高），该RCT只有22名参与者，因此得到了一个没有说服力的结论。在一封回复读者的信函中，作者表示在排除上述RCT后，仍坚持其结论的有效性[3]。

这也引发了第二个问题，如果纳入的研究数量很少，模型假设的检验可能会有难度。从技术上讲，用于检验研究异质性的传统I2统计量在小型Meta分析中是有偏的。

第三，应该采用高级统计方法而不是传统Meta分析软件中提供的标准方法，以减少估计中的偏倚。标准的随机效应模型，如经典的DerSimonian-Laird方法，如果应用在研究数较少的Meta分析，效果就很差。

针对研究数量较少的Meta分析，有专门的方法进行随机效应Meta分析，如Hartung-Knapp-Sidik-Jonkman法。然而，这些高级方法只在研究间的效应值精度相当的情况下才能提供合适的统计推断，当研究间的标准误差异很大时，可能会导致大的名义误差。此外，这些高级方法在传统的Meta分析软件中是没有的；在这些软件中，当采用的方法不适用或不可靠时，也往往没有警告信息。

上述提到的问题也同样在其他Meta分析中可见，2022年发表的一项调查甲状腺乳头状癌手术并发症的Meta分析中，只有2到3项符合标准的研究提供了并发症的有效数据[4]。即使在分析时纳入更多研究，结果也可能被某个单一试验所主导。