问题4：对于系统评价的结果和临床意义应该如何做出正确的解释呢？

对于检索到的或自己制作的系统评价，如何看待评价得到的结果？对临床的指导意义有多大？这主要在于能否对系统评价的结果进行正确的解释。

对系统评价全面而正确的解释，主要包括以下五部分：

简单归纳所有重要结局指标的结果，包括有利和不利的结果，并给出重要结局指标的质量评价。

明确说明证据的适用人群，重点解释证据在特定环境下不适用的原因：生物学差异、文化差异、对干预措施依从性的差异，探讨应怎样使用干预措施才能获得收益、风险和成本的平衡。

重点从总体上客观评价纳入研究的质量。

只要包括检索策略是否全面、是否进行质量评价、研究的选择和纳入的可重复性、分析方法是否恰当、是否进行发表偏倚评估等方面进行描述。

与原始研究或其他系统评价进行比较，从中寻找相同或不同的结果，解释其可能发生的原因。

综合以上几点，才有可能得到一个全面而系统的解释，为临床实践提供证据，但如何解读具体的系统评价结果呢？

我们会根据系统评价所基于的原始研究设计类型和数据资料类型，选择不同的效应值（effect size），如适用于计数资料的比数比（odds ratio，OR）、危险比（risk ratio，RR）、危险差值（risk difference，RD）、风险比（hazard ratio，HR），以及适用于计量资料的加权均数差值（weight mean difference，WMD）和标准化均数差值（standardized mean difference，SMD）。

在这些效应值中，RR适用于前瞻性研究，包括随机对照试验（randomized controlled trial，RCT）和前瞻性队列研究（perspective cohort study）；RD适用于实验性研究及观察性研究中的队列研究；OR主要适用于回顾性类型的研究；HR适用于生存资料研究。对于计量资料，首选WMD；当纳入研究的结局指标单位不同或均数相差较大的资料时，选择SMD，但结果解释要谨慎。而具体的临床解释见表3-3。

在森林图（forest plot）中主要包含以下内容：①每一条横线代表一个试验结果的可信区间（confidence interval，CI），可信区间是效应值可能存在的范围，反映结果的准确性，横线越长，说明样本量越小，结果欠准确可靠；横线越短，说明样本量越大，准确性越高，结果越可信；②横线中央矩形的中线对应效应值的点估计值，矩形面积大小表示对Meta分析的贡献度，即研究权重（weight）。一般来说，对于计数资料采用样本量作为权重的衡量依据，样本量越大，权重越大；计量资料则采用标准差作为权重的衡量依据，标准差越小，权重越大；也有以纳入研究的质量评分作为权重的衡量依据；③最下方的菱形代表多个纳入研究的合并效应值，即Meta分析的结果；④垂直线即无效线将森林图分为左右两半，用于判断结果差异是否有统计学意义，横线、菱形与无效线相交则表明差异无统计学意义；若不相交则表明差异有统计学意义，完全在无效线左侧表明对不利结局有保护意义，对有利结局有损害意义，而完全在无效线右侧表明对有利结局有保护意义，对不利结局有损害意义（图3-4）。

漏斗图（funnel plot）是最常用于判断是否有发表偏倚的方法，也是Cochrane Handbook推荐使用的方法。所谓发表偏倚（publication bias）是指“统计学上有意义”的阳性研究结果较“统计学上无意义”的阴性研究结果或无效结果更易被发表。在医学研究中是一种相当普遍的现象，其主要来源于作者、研究赞助者和杂志社编辑。而发表偏倚对Meta分析结果的真实性和可靠性有很大影响，有可能会使本来没有统计学意义的Meta分析结果变为有统计学意义的结果。因此，判断纳入文献是否存在发表偏倚也是一项十分重要的工作。

漏斗图是以效应大小为横坐标，样本量或效应值标准误为纵坐标，以“倒置漏斗”形状呈现的散点图，以此来判断是否存在发表偏倚。（图3-5）如果没有发表偏倚，漏斗图上的各个研究呈对称分布于中轴两侧，对称轴即研究效应值的点估计值。小样本研究分布于“倒漏斗”的基底部，随着样本含量的增加，标准误降低，大样本研究分布于“倒漏斗”的顶部。如果漏斗图不对称或不完整则提示可能存在发表偏倚。但也需注意，导致漏斗图不对称的原因不仅仅是发表偏倚，其他原因有：①低质量小样本研究；②真实异质性；③假象；④机遇。

漏斗图的最大优点是简单易行、直观，缺点是当仅纳入几个小样本研究时，漏斗图的检验效能受到极大限制，因此，制作漏斗图一般要求研究数在10～15个以上；而且漏斗图只能使研究者认识到问题的存在，但不能提供解决问题的办法。