meta分析漏斗图怎么做

做Meta分析的分析人，十有八九都卡在漏斗图上。漏斗不是分析不会点菜单，而是漏斗看不懂那团散点到底想说什么。

先别急着打开软件。分析漏斗图本质是漏斗个散点图，X轴是分析效应量（比如log OR），Y轴是漏斗标准误（或者样本量，但标准误更常用）。分析关键在Y轴——标准误越大的漏斗研究，效应量越不稳定，分析所以会散在底部；标准误小的漏斗大样本研究，效应量精确，分析应该聚在顶部中央。漏斗整体看，分析像个倒置的漏斗，所以叫漏斗图。

操作层面，我用R的meta包给你演示。假设你已经有了一组效应量和标准误的数据：

library(meta) m1 <- metagen(TE = c(0.32, 0.55, -0.18, 0.41, 0.27), seTE = c(0.18, 0.22, 0.31, 0.15, 0.26)) funnel(m1) 

跑完这五行，图就出来了。但你要真以为这就完了，那后面坑多着呢。

漏斗图的精髓在于“不对称”。如果所有研究都老老实实围绕合并效应量对称分布，那说明没有明显发表偏倚。可现实里，小样本研究常常因为结果不显著而发不出去，于是左下角会缺一块——这就像你从漏斗下方仰头看，发现漏了个洞。

我见过最离谱的一次，是审稿人拿着漏斗图说“不对称，有偏倚”，但作者压根没检查异质性。漏斗图不对称的原因多了去了：真实验异质性、干预效果随样本量变化、甚至只是某个亚组的研究恰好都小样本。你光看图就下结论，跟看手相算命差不多。

所以别只看图，跑个Egger检验来定量判断。R里这么做：

metabias(m1, method.bias = "linreg") 

p值大于0.05就别自己吓自己。但注意，Egger检验在小样本Meta分析（少于10项研究）时功效很低，你拿8项研究去验，基本等于没验。

有个细节我很少见人提：漏斗图的Y轴用标准误还是精确度（1/SE），图的长相完全不同。标准误做Y轴时，散点分布呈经典漏斗状；但换成精确度，图会倒过来，大样本在上方。很多人混着用，然后对着图形状瞎猜。说实话，我建议你固定用标准误，因为审稿人最熟悉这种。

再补一刀——如果你做的是连续型变量，效应量用SMD时，漏斗图经常出现假性不对称。因为SMD的计算本身包含标准误，小样本研究容易产生极端值。这时候可以试试用Hedges’g，或者干脆分层画亚组漏斗图。

有一次我给一个医学团队做咨询，他们跑了30个Meta分析，漏斗图个个不对称。逐个排查后发现，所有不对称都来自同一个原始研究——那篇论文的数据本身就有问题。你瞧，漏斗图不能帮你查原始数据质量，它只能给你个信号。

最后说个土办法。你画完图，用肉眼看看左下角是不是有片空白区域。如果有，手动把那几项研究找出来，看看它们是不是样本量小、结果不显著。如果是，那就老老实实承认可能存在发表偏倚，在讨论里说明。别硬洗，审稿人比你精。

工具层面，Stata的metafunnel、RevMan自带的漏斗图都能做，原理一样。但我个人还是推荐R，因为你能同时跑Egger、Begg，还能画trim-and-fill图补洞。那种“补完洞再合并”的敏感性分析，才是审稿人真正想看的。

图只是工具，别让工具替你思考。