关键词：Meta分析；写作技巧；查重率；异质性；PRISMA声明
一、先搞明白：Meta分析到底是什么？
很多新手一听到“Meta分析”就觉得高大上，其实说白了，它就是把很多个研究同一问题的小研究结果，用统计方法合并起来，得出一个更靠谱的结论。
举个例子：你想知道“喝咖啡能不能降低糖尿病风险”。A研究说能降20%，B研究说能降15%，C研究说没效果——单个研究样本量小，结论还不一样，你信谁？Meta分析就是把A、B、C以及其他所有相关研究的数据全部收集起来，用统计学方法合并计算，最后告诉你一个综合的、更可靠的答案。
跟普通文献综述最大的区别是：综述是“说”出来的，Meta分析是“算”出来的。综述靠作者的主观判断来总结，而Meta分析靠数据和统计说话，更客观、更严谨。
那什么样的题目适合做Meta分析呢？ 必须同时满足三个条件：第一，已经有足够多的研究做过了（一般至少5-10篇以上）；第二，这些研究的结果可以量化（比如有具体的数值、风险比、均值差等）；第三，这些研究之间存在一定的可比性（研究对象、干预措施差不多）。如果你选的题目只有两三篇文献，或者各研究用的指标五花八门没法合并，那Meta分析就做不了。
二、写作前必须知道的“游戏规则”
2.1 PRISMA声明——你的“保命清单”
PRISMA声明全称叫“系统综述和Meta分析优先报告条目”，2020年更新版包含27个条目和1个四阶段流程图。有人把它比喻成“27条军规”——“有之不必然，无之必不然”。
什么意思呢？就是说你照着这27条写，不一定能发高分期刊；但你不照着写，大概率会被秒拒。很多期刊的编辑拿到稿件第一件事就是看你的PRISMA流程图和检查表，缺了直接退稿。
PRISMA要求文章必须包含以下九大板块：标题、摘要、引言、方法、结果、讨论、研究局限、结论、资金来源。标题里必须明确标注“系统综述”或“Meta分析”字样；摘要必须是结构化的，包含背景、目的、方法、结果、结论。
2.2 提前注册PROSPERO——少走弯路
在正式开始做之前，强烈建议先去PROSPERO平台注册你的研究方案。这相当于给你的研究上个“户口”，证明你是原创的、不是抄别人的。很多期刊要求投稿时必须提供PROSPERO注册号，没有的话可能会被拒稿。
三、手把手教你写：各部分的写作技巧
3.1 选题：别上来就拍脑袋
选题是Meta分析成败的关键。最怕的就是拍脑袋想了个题目，结果文献一搜发现已经被别人做过了，或者根本做不了。
建议用PICOS原则来框定你的研究问题：
P（Population）：研究对象是谁？（比如“2型糖尿病患者”）
I（Intervention）：干预措施是什么？（比如“二甲双胍”）
C（Comparison）：对照是什么？（比如“安慰剂”）
O（Outcome）：结局指标是什么？（比如“糖化血红蛋白水平”）
S（Study design）：研究设计类型是什么？（比如“随机对照试验”）
把PICOS五个要素定下来之后，先去数据库搜一搜，看看有多少相关文献、有没有人已经做过类似的Meta分析。如果已经有人做了而且发表时间很近，那你就要考虑换个角度或者换个题目了。
3.2 文献检索：查不全等于白做
Meta分析对文献的查全率要求极高——理论上要求获得“所有发表和未发表的所有形式的信息”，包括各国语言的期刊论文、会议论文、学位论文、书籍，甚至正在研究尚未发表的资料。虽然现实中几乎没人能做到100%，但至少要覆盖2-3个以上主流数据库（比如PubMed、Web of Science、Embase、Cochrane Library等）。
检索策略的写法也有讲究。不能简单写一句“我们检索了PubMed数据库”，而要详细说明：用了哪些关键词、用了什么布尔逻辑（AND/OR/NOT）、有没有用MeSH词、检索时间范围是什么、有没有语言限制等。这部分写得不详细，审稿人一眼就能看出来你不专业。
3.3 文献筛选与数据提取：两个人比一个人靠谱
文献筛选要至少两个人独立进行，遇到分歧讨论解决或请第三方裁定。筛选过程要用PRISMA流程图展示出来：初筛了多少篇、排除了多少篇、为什么排除、最终纳入多少篇。
数据提取同样要标准化。从每篇纳入的研究中提取：作者、发表年份、样本量、效应量（比如均数差、比值比OR、风险比RR等）、标准差、置信区间等。
这里有个新手特别容易犯的错：把标准差（SD）和标准误（SEM）搞混。这两个东西长得像但完全不一样，搞错了合并出来的结果就是错的。
3.4 效应量的选择：别选错了指标
效应量就是用来衡量“效果有多大”的那个数字。不同类型的数据要用不同的效应量：
连续性数据（比如血压值、血糖值）：用均数差（MD） 或标准化均数差（SMD）
二分类数据（比如生病/没生病、死亡/存活）：用比值比（OR） 、相对危险度（RR） 或率差（RD）
具体选哪个，要看你的研究设计和数据特点。选错了，结果就没法解释。
3.5 异质性检验与模型选择：这个搞不懂就别做了
异质性听起来专业，说白了就是：你合并的这些研究，结果之间到底像不像？
如果各研究的结果很接近（异质性低），用固定效应模型；如果结果差异较大（异质性高），用随机效应模型。
怎么判断异质性高低？看I²统计量：
I² < 25%：低异质性
I² 25%-50%：中等异质性
I² > 50%：高异质性
新手最容易犯的错是：用异质性检验的结果来决定用固定还是随机模型。这是错的！模型选择应该基于你对研究间差异的理论判断，而不是单纯看I²的数字。如果你认为各研究之间确实存在真实差异（比如人群不同、干预方式略有不同），就应该用随机效应模型，不管I²是多少。
如果异质性太高（比如I² > 75%），光换模型可能不够，还需要做亚组分析或Meta回归来找出异质性的来源。
3.6 发表偏倚：别只看漏斗图
发表偏倚是指那些“结果显著”的研究更容易被发表，而“结果不显著”的研究可能被压在抽屉里没人知道。这会导致Meta分析的结果被高估。
评估发表偏倚最常用的方法是漏斗图和Egger检验。但要注意：漏斗图需要至少10篇研究才能可靠判断，研究太少的时候漏斗图基本看不出什么。
而且有研究发现，虽然大多数Meta分析都做了发表偏倚检验，但只有不到一半的报告了校正后的估计值。光说“没有发表偏倚”是不够的，还要说明你是怎么判断的、用的什么方法。
3.7 结果部分的写作：别只放森林图
结果部分至少包含以下几块：
文献筛选结果：用PRISMA流程图展示
纳入研究的基本特征：用表格列出每篇研究的作者、年份、样本量、干预措施、结局指标等
质量评价结果：说明纳入研究的质量如何（比如用Cochrane偏倚风险评估工具）
Meta分析的主要结果：用森林图展示合并效应量及其置信区间
异质性检验结果：报告I²值和Q检验的p值
亚组分析或敏感性分析结果（如果做了的话）
发表偏倚评估结果：用漏斗图和Egger检验结果
3.8 讨论部分的写作：别重复结果
讨论部分最忌讳的就是把结果部分重新说一遍。
讨论的正确打开方式：
第一段：用1-2句话总结主要发现
第二段开始：解释你的发现意味着什么——跟已有研究比，你的结果一致还是不一致？为什么？
探讨可能的机制：为什么会得出这样的结果？
指出局限性：你的分析有什么不足？比如纳入的研究质量不高、异质性较大等
提出未来研究方向：基于你的发现，下一步该做什么？
四、新手最常踩的10个坑
根据文献报道和实际经验，以下是Meta分析中最常见的错误：
序号 | 常见错误 | 后果 |
|---|---|---|
1 | 研究问题不明确、太宽泛 | 文献筛选没方向，结果没法解释 |
2 | 把标准差和标准误搞混 | 合并结果完全错误 |
3 | 用I²来决定用固定还是随机模型 | 方法论错误，审稿人一眼看穿 |
4 | 同一个研究在分析中被多次使用 | 结果被夸大（单位分析错误） |
5 | 没有评估纳入研究的质量 | 垃圾进垃圾出，结论不可靠 |
6 | 没有做敏感性分析 | 不知道结果稳不稳定 |
7 | 没有评估发表偏倚 | 结果可能被高估 |
8 | 忽略异常值（outliers） | 结果被个别极端研究带偏 |
9 | 数据提取不标准、单人操作 | 人为误差风险高 |
10 | 讨论部分重复结果、没有深度 | 文章没价值，容易被拒 |
五、查重率：你到底要控制在多少？
这是很多人最关心的问题。先说结论：没有统一标准，不同期刊、不同学科差别很大。
5.1 SCI/SSCI期刊的查重要求
SCI期刊：普遍接受上限为15%
社科类SSCI期刊：多要求**≤10%**
顶级期刊（Nature、Science等） ：要求更严，通常**<10%** ，单篇文献重复**<3%**
Elsevier旗下期刊：2025年退稿论文中38%因重复率超标
5.2 Meta分析/综述类论文的特殊性
Meta分析和综述类论文允许的重复率会高一些，因为要引用大量文献。部分期刊对综述的容忍度可以达到25%-35% ，前提是所有引用都规范标注。
但要注意：“允许高一些”不等于可以随便抄。方法学描述（比如检索策略）、流程图说明这些内容是查重的高危区，平均重复率可达32%。
5.3 不同部分的差异化要求
查重系统不是只看总数字，还会看各个部分的重复情况：
方法学描述：重复率最高（平均32%），因为实验步骤、统计方法等有固定表述
综述引文部分：重复率次高（平均28%）
摘要、引言、讨论、结论：这些部分要求更严，通常需**≤10%**
单篇文献引用重复率：部分期刊要求不超过3% ，否则可能被认为是抄袭某单一来源
5.4 降重的正确姿势
千万不要为了降重把专业术语改成不专业的说法。比如把“心肌梗死”改成“心脏血管堵了”——这种操作在编辑眼里就是不专业，甚至可能直接退稿。
正确的降重方法：
改写（paraphrasing） ：保持原意，彻底改变句式结构
用流程图代替文字描述：技术流程用图表呈现，文字部分精简
规范标注引用：该引用的地方一定要引用，不要试图“隐蔽抄袭”
核心观点必须原创：讨论和结论部分一定要有自己的分析和见解
5.5 投稿前的自查建议
投稿前用iThenticate（国际通用的学术查重系统）自查一遍
确认目标期刊的具体查重标准——每个期刊的“作者指南”里都会写
如果重复率偏高，优先改讨论和结论部分，方法学部分适当保留标准表述即可
六、最后说几句掏心窝的话
Meta分析看起来是“不用做实验就能发论文”的捷径，但实际上对逻辑思维和统计学的要求一点都不低。我见过太多新手：
文献检索只查了一个数据库，被审稿人质疑查全率
异质性高得离谱还不做亚组分析，硬着头皮合并
讨论部分全是废话，把结果重复了一遍又一遍
一篇好的Meta分析，拼的不是数据多漂亮，而是方法多严谨、逻辑多清晰。PRISMA的27个条目不是在刁难你，是在帮你把该做的事情都做到位。
最后提醒一句：查重率只是门槛，不是终点。就算你把重复率降到5%，如果内容空洞、分析浅薄，照样发不了好期刊。与其纠结那几个百分点的重复率，不如把精力花在把问题想清楚、把分析做扎实上。
参考文献
[1] PRISMA 2020 Statement: An updated guideline for reporting systematic reviews [J]. Systematic Reviews, 2021.
[2] Elsevier期刊2025年内部统计数据.
[3] Common statistical errors in systematic reviews: A tutorial [J]. 2025.
[4] 医学期刊论文重复率要求分析 [J]. 2025.
[5] Meta分析写作指南：从基本步骤到文章呈现 [J]. 2025.