药学专业的毕业论文框架提纲怎么列?快来看看吧

1.确定Meta分析的主题和类型

可以用Pico原理可以用来描述研究问题。关键是确认是否有已发表的关于这一主题的荟萃分析，以避免重复工作。在某些情况下，如果生成新数据，

则可以更新主题的元分析。

Meta分析可用于许多类型的研究，如病例对照研究、队列研究和随机对照试验。由于观察性研究更有可能是偏颇的，所以在对这些类型的研究进行荟萃分析时应该考虑到这一点。此外，我们还可以对遗传关联研究、基因表达研究、全基因组关联研究（GWAS）或动物实验数据进行meta分析。

建议使用Prospero数据库（https://www.crd.york.ac.uk/Prospero)预注册系统评估项目。你知道，越来越多的期刊在出版前需要注册。

2遵循指南进行不同类型的meta分析

有几种常用的指南，如norm语句（RCT的meta分析报告规范）、moose语句（观察性研究的meta分析报告规范）和PRISMA语句（系统评价和meta分析的优先报告项目）目前被广泛使用。

此外，还有一些临床研究荟萃分析的具体指南（Cochrane手册；https://training.cochrane.org/handbook)基因关联研究（PMID 19260758），全基因组表达研究（PMID 18767902），GWAS（PMID 23657481）和animal study（PMID 18767902）24099992）相关meta分析指南（感兴趣的人可以根据PMID直接查阅相关文献）。

3.确定标准并定义关键变量

纳入标准（如研究类型、发表语言等）和排除标准（如最小样本量等）应提前确定。目前，共识并不建议对出版语言或样本量有严格的标准

。

您应该清楚地定义需要从每篇文章中提取的变量。广泛的纳入标准会增加研究之间的异质性，狭窄的纳入标准可能难以找到研究，达到平衡。

4检索和提取不同数据库中的关键数据

它可以在多个数据库中搜索，如PubMed、EMBASE、Cochrane、Scopus、web of science和Google Scholar。一般来说，搜索多个数据库有助于找到尽可能多的已发表的研究。

在某些领域，还需要在专业数据库中搜索（如BIOSIS、CINAHL、PsychINFO、social abstracts和EconLit等）。参考评论文章有助于从其他来源（如论文或会议论文）找到更多的文章。

从原始文章中提取和记录关键数据是meta分析的基础。纳入研究的质量评估也是一个关键问题，可用于确定纳入标准、敏感性分析或研究差异的权重。例如，Jadad量表经常用于随机对照试验（PMID 8721797）；纽卡斯尔-渥太华量表用于非随机研究（PMID 20652370）；quadas-2用于诊断准确性研究的质量评估（PMID 22007046）。

建议两名研究人员同时执行这些步骤。但读者也应该意识到，这些质量评估也受到批评，特别是当他们将研究简化为一个单一的“质量”分数时。最重要的是，避免使用原始研究报告的规范性指南作为评估研究质量的尺度。

5联系原始研究的作者并询问缺失的数据

原始研究的文本或附录缺乏关键数据也是很常见的，因此有必要联系作者以获取缺失的数据。然而，提交人的答复率通常没有预期的那么高。有许多标准可以提高已发表文章中原始数据的可用性，

例如MIAME和Strega标准。

在遗传学等一些领域，利用一项研究的综合统计数据就有可能识别出一个人，因此数据共享应采用严格的标准，并需要特别批准。

6为你的研究问题选择最好的统计模型

需要注意的是，在很多情况下，每份研究报告的数据格式是不兼容的，因此需要进行各种类型的转换。幸运的是，有一些可用于提取和转换连续变量（PMID 8797521）、四个网格表（PMID 16025540）和生存数据（9921604）的方法。

meta分析一般采用固定效应模型或随机效应模型。对于比较复杂的数据，也有人提出了多元meta分析的方法。其他统计操作包括敏感性分析、元回归、亚组分析和异质性检验（如Q或I2）。

如果存在异质性，则应解释异质性的可能来源。尽管随机效应模型适用于研究间异质性的情况，但仍有必要确定异质性的来源，并使用统计检验来量化其对效应大小的影响，如亚组分析或元回归。

发表偏倚是需要考虑的一个重要方面，因为在许多情况下，负面结果的文章不太可能被发表。其他类型的偏见，如“赢家诅咒”，在遗传学领域很常见，应该通过累积荟萃分析来确定。

7使用标准软件进行统计

有几种常用的软件可用于荟萃分析。有些软件有统计软件包，如Stata或R软件。有几十个软件包，其中大部分是由用户编写的。他们可以处理meta分析的大部分任务，甚至是复杂的meta分析，例如mesh meta分析、GWAS和基因表达meta分析

8记录和研究报告必须完整和透明

除了所使用的meta分析策略的细节之外，检索、纳入标准、筛选出的摘要和纳入研究的数量等数据以及纳入研究的质量评估也是有用的。

您可以构建一个电子表格，记录过滤条件中的每个步骤，这将有助于构建流程图。描述异步突发过程的流程图非常有用，可以提高meta分析的质量。如果荟萃分析需要在将来更新，这些记录也很有用。此外，解释meta分析的局限性也很重要。

9在提交时提供足够的数据

在meta分析文章中，有一个表格，里面有关于原始研究的完整信息（如作者、年份、纳入人群、DOI、PMID等），非常有用。它可以放在论文的主体部分，也可以作为附录。需要指出的是用于生成关键地图（如森林地图）的元分析和软件。应报告总效应值，如合并优势比，包括置信区间。

在阳性结果的情况下，敏感性分析图是有用的。在更复杂的分析中，建议附加脚本以在附录文件中生成结果。

10为你的发现提出未来的研究方向

讨论部分是元分析的重要组成部分。作者应该讨论现有文献和知识体系中的当前发现。作者可以在meta分析中讨论阳性或阴性结果的可能原因，根据现有的生物学或流行病学证据提供解释，并讨论个别研究的一些特点。