随着循证医学的理念深入人心，meta 分析在帮助临床决策方面扮演着越来越重要的角色。然而，meta 分析得出的结论就一定可靠吗？另一方面，随着新的临床试验结果不断出现，如果能在既往的 meta 分析基础上直接补充新数据，可以更加方便地更新已有的循证结果。
然而，有学者指出，目前已发表的许多 meta 分析结果，都是不准确或难以验证的！
近日，来自 Eindhoven University 的 Daniël Lakens 教授呼吁，meta 分析的研究者应当致力于提升研究的准确性和可重复性。究竟该怎么做，让我们来共同学习。
协助积累数据，使 meta 分析能「与时俱进」
公开原始数据，包括纳入研究的效应量、样本量，统计学方法和统计量等；为了避免误解，对原文中数据的引用要明确；进行亚组分析时，应当引用原文中支持分组的依据，并且详细阐述主观看法；前瞻性 Meta 分析的基本思想与回顾性 Meta 分析相同, 但克服了回顾性 Meta 分析的发表偏倚等缺点，正在受到越来越多的关注;
公开数据，协助质量控制
应当详细说明效应量的计算，以及当数据缺失时的处理方法。说明是谁提取及处理了数据，最好由两位研究者独立完成这一过程。作者指出了在质量控制方面 Meta 分析中常见的四类错误：
1. 效应量计算出错：尽管目前对于 meta 分析结果重现的研究还比较少，研究者重做部分已发表的 meta 分析后发现，原文错误率可达 59%、63% 甚至 100%。错误率似乎并不受原作者提取数据经验多少的影响；
2. 效应量计算不一致：对纳入分析的所有研究，应选择一致的效应量进行评估；
3. 效应量纳入错误，或者具有一定主观性；
4. 数据合并错误：这里主要指的是效应模型的选择。对于异质性差异明显的数据，应当选择随机效应模型合并，然而由于随机效应模型处理数据得出的置信区间较大，因此在判断统计学差异时可能会造成一定的困难。
遵循指南
meta 分析最基本的要求是遵循指南，如 PRISMA。这些指南要求作者在正文中提供必要的信息以及在评审和出版后提供完整的支持材料;
写明研究步骤
在进行 meta 分析研究前进行注册，以明确是验证性还是探索性的研究。在 meta 分析前最好写一份详细的研究步骤，典型的这种步骤包括：
1. 写明要研究的主要、次要问题；
2. 对研究主题的简要背景介绍；
3. 检索策略、判断标准的详细描述；
4. 数据抽取的方法；
5. 将数据组合在一起的统计方法或定性方法；
6. 完成该项目的时间表;
协助提高可重复性
允许其他研究者重复分析过程，以检验纳入标准等带有主观因素的决策。应当尽可能保证其他人能够了解到相关原始数据、所用统计软件等;
咨询专家
在开始检索文献前，最好咨询图书馆的专业人士；处理数据时也应该参考统计学专家的建议。