医学Meta分析关键词筛选与敏感性分析规范.docxVIP

医学Meta分析关键词筛选与敏感性分析规范

医学Meta分析作为循证医学的核心研究方法，通过系统整合多项独立研究结果，为临床决策、科研选题及政策制定提供高级别证据。关键词筛选是Meta分析文献检索环节的基础，直接决定文献纳入的全面性与精准性；敏感性分析则是评估合并结果稳健性、提升结论可信度的关键步骤。为规范两项核心操作的实施流程，规避方法学缺陷，结合最新国际指南（含Cochrane手册2024版、PRISMA2020声明）及国内实操共识，制定本规范。本规范适用于临床医师、科研人员开展各类医学Meta分析（含干预性、观察性、诊断性等），旨在提供可重复、可推广的操作标准，同时规避敏感表述，确保研究合规性。

本规范的制定遵循“循证性、实操性、简洁性”原则，未采用复杂层级编号，仅通过板块划分明确核心内容。所有建议均基于当前最新研究证据，兼顾不同数据库特性与各类研究设计的共性需求，同时保留一定灵活性，允许研究者结合具体研究主题微调操作细节，但需在最终报告中明确说明调整依据。

关键词筛选是Meta分析文献检索的前提，其核心目标是在全球主流数据库中全面捕获与研究问题相关的所有潜在文献，同时最大限度排除无关文献，平衡检索的敏感性与特异性。若关键词筛选存在疏漏或偏差，可能导致纳入文献不完整（漏检关键研究）或异质性过高（混入无关研究），最终影响Meta分析结论的可靠性。

开展关键词筛选前，需完成两项基础准备工作。首先是明确研究问题，建议采用PICO/PICOS原则精准界定核心要素，即研究对象（Population）、干预措施/暴露因素（Intervention/Exposure）、对照措施（Comparison）、结局指标（Outcome），若涉及研究设计（Studydesign）则补充为PICOS。例如研究问题为“对于中老年2型糖尿病患者，二甲双胍对比安慰剂是否能更有效降低HbA1c水平”，其PICO要素可清晰拆解为：对象（中老年2型糖尿病患者）、干预（二甲双胍）、对照（安慰剂）、结局（HbA1c水平降低）。清晰的研究问题是关键词筛选的基础，可避免因核心要素模糊导致的关键词冗余或缺失。

其次是确定目标数据库，需结合研究主题的语种分布与研究类型选择。国际主流数据库优先纳入PubMed、Embase、CochraneLibrary、WebofScience，涵盖全球范围内高质量医学研究；中文研究需补充中国知网（CNKI）、万方数据、维普网，必要时纳入中国生物医学文献数据库（CBM）。对于特定领域研究，可增加专业数据库，如肿瘤领域补充CancerLit，流行病学领域补充EpiInfo。需注意，不同数据库的关键词体系存在差异，如PubMed采用MeSH词（医学主题词），Embase采用Emtree词，中文数据库多支持主题词与自由词结合检索，后续筛选需针对性调整关键词形式。

关键词的核心来源为研究问题的PICO/PICOS要素拆解，需同时收集主题词与自由词，形成完整的关键词池。主题词是经数据库规范化处理的官方词汇，具有唯一性与通用性，可提高检索的精准性；自由词包括研究对象、干预措施等的别名、缩写、俗称、英文变体等，可弥补主题词覆盖不足的问题，提升检索的敏感性。

主题词的获取需依托各数据库的主题词表。以PubMed为例，进入MeSHDatabase界面，输入初步拟定的核心词汇（如“乳腺癌”对应英文“breastcancer”），检索后可获得规范主题词（如“BreastNeoplasms”），同时可查看其下位词（如“InvasiveBreastCarcinoma”“DuctalBreastCarcinoma”），根据研究范围选择是否纳入下位词。CochraneLibrary的主题词检索可通过“AdvancedSearch”中的“MeSHTerms”选项完成，Embase则通过“Emtree”功能获取规范词汇。中文数据库中，CNKI的“主题词检索”功能可链接《中国图书馆分类法-医学专业分类表》，万方数据则支持“规范主题词”匹配，研究者需逐一核对核心要素对应的规范主题词，确保检索的规范性。

自由词的收集需结合专业知识与实操技巧，可通过以下途径全面捕获：一是查阅领域内高被引综述或核心研究的摘要与关键词，提取作者使用的非规范词汇，如“心肌梗死”的自由词包括“心梗”“心肌梗塞”“myocardialinfarction”“MI”；二是利用数据库的“相关词汇推荐”功能，如PubMed检索后页面显示的“RelatedTerms”，Embase的“SuggestTerms”；三是咨询临床一线医师或领域专家，获取行业内常用俗称或缩写，如“高血压”俗称“血压高”，“冠状动脉旁路移植术”缩写为“CABG”。建议采用Excel表格记录关键词池