間接比較方法解決直接比較研究證據不一定存在的情況下，“借助”已開展的其他處理因素的相關臨床試驗和證據來實現不同治療措施療效差異的比較。本文著重總結介紹間接比較方法的定義、基本思想和類型、相關統計學方面的內容及使用間接比較應注意的問題，以期吸引更多研究者關注，進而促進間接比較方法的發展。
引用本文： 田金徽, FujianSong, 李倫, 葛龍, 趙曄, 王建成, 楊克虎. 間接比較方法簡介. 中國循證醫學雜志, 2014, 14(3): 365-368. doi: 10.7507/1672-2531.20140062 復制
生命科學和生物制藥行業的不斷發展，使臨床上針對相同疾病的治療藥品或治療方法日益增多。由于可供臨床選擇的治療方案眾多，如何選擇當前最有效、安全的治療措施已成為當前臨床實踐和臨床科研的首要任務。然而，許多不同干預措施療效差異的直接比較研究證據卻不一定存在。間接比較方法可實現不同治療措施療效差異的比較，因此，其不但可有效利用現有的臨床研究證據，也是一種可行的替代方法。胡晶等[1]的間接比較和多種干預措施比較的方法學及應用一文并未介紹間接比較的計算方法、結果的方向性及其分析標準誤及可信區間等內容。本文分為三部分：第一部分簡要介紹間接比較的定義、基本思想和類型，第二部分介紹間接比較相關統計學方面的內容，第三部分介紹使用間接比較應注意的問題。
1 間接比較簡介
1.1 定義
要直接比較干預措施的效果（安全性、有效性、經濟性等指標），通常是將患者隨機分組，分別給予不同的干預措施（如A與B，代表兩種不同治療），干預后觀察某項特定的效果或結果有無差異。在缺乏隨機對照試驗（randomized controlled trial，RCT）直接比較證據的情況下，1997年，Bucher HC提出了間接比較方法，“借助”已開展的其他處理因素的相關臨床試驗和證據來估計要評價的兩種干預措施的效能[2]。這種比較形式稱為間接比較（indirect comparison）（圖 1）。
圖1
間接比較基本思想示意圖
實線表示已有RCT，有直接比較證據；虛線代表無RCT，需進行間接比較得到結果。
1.2 基本思想
我們期望比較干預措施A與B，卻無二者直接比較的RCT證據，僅有它們分別與干預措施C比較的RCT，C成為A、B的共同對照（common comparator）。于是，我們可借助干預措施C來間接評價干預措施A與B的治療效果。這是間接比較最簡單的形式。
1.3 類型
間接比較主要包括單組間接比較和調整間接比較。
單組間接比較是指把來源于多個研究的干預措施組看成來源于同一個RCT目標干預措施之間的比較。如比較試驗1的干預措施A與試驗2的干預措施B間的相對有效性，直接從兩個試驗中提取出A和B的結果進行比較（圖 2）。由于此方法破壞了隨機特性（即A和B的人群并不符合隨機原則），忽視各試驗的內在差別，可能增加偏倚和評估效應錯誤[3, 4]。
圖2
間接比較示意圖
調整間接比較方法（adjusted indirect comparison）是指利用1個（或多個）公共對照組對各研究直接比較結果進行調控，至少可部分保留原RCT的優勢。假設試驗-1直接比較A vs.C，試驗-2直接比較B vs.C，而無A vs.B的試驗。可根據兩個試驗的共同干預措施C，調控A和B的間接比較[5, 6]（圖 2）。
2 間接比較的相關統計學問題
2.1 計算方法
將A與C比較的統計分析結果dA-C，與另一組B與C比較的統計分析結果dB-C，再進行比較，得到（dA-C）-（dB-C），即A與B，通過C作共同對照的間接比較結果（dindirect，A-B）。
當個別研究結果用平均值的差異來呈現時，間接比較的結果也以平均值的差別來表示。如治療后血壓平均降低的毫米汞柱（mmHg）等。
如RCT-1中，A藥品治療患者血壓平均降低12 mmHg，其對照C治療患者血壓平均降低2 mmHg，dA-C=10 mmHg；RCT-2中，B藥品治療患者血壓平均降低18 mmHg，其對照C治療患者血壓平均降低5 mmHg，dB-C=13 mmHg。則A治療與B治療通過C作共同對照，其間接比較的結果如下：
dindirect，A-B=10-13=-3，B治療相對于A治療，患者平均血壓多降低3 mmHg。
另一類臨床研究常用的分析采用相對比值為結果，如比值比（odds ratio, OR），相對危險度（risk ratio，RR）和風險比（hazard ratio，HR）等。如OR值，可先計算各組分析結果ORA/C及ORB/C，再計算ORA/C ÷ ORB/C就可得到A與B間接比較的OR值（ORindirect，A-B）[7]。
統計上習慣先取自然對數后相減。
?
ln（ORA/C ÷ ORB/C）=ln（ORA/C）-ln（ORB/C）
?
此時各研究整合后的結果分別為：
?
dA-C=ln（ORA/C）；
dB-C=ln（ORB/C）
?
而dindirect，A-B=ln（ORA/C）-ln（ORB/C）。
因此，校正間接比較分析基本上是把兩組分別比較的研究結果先整合，再相減，再取該對數結果的指數，即可算出OR。
?
ORindirect，A/B=exp（dindirect，A-B）。
?
2.2 比較結果的方向性
整合各研究比較結果時要注意各分組比較的正負號方向。共同對照C，在兩組比較中都作對照，應放在減號后面，或是分母。這樣C所代表的治療效果才會在間接比較中消去。當C不是安慰劑對照而是其他積極治療時，原來的研究報告中，可能會放在分組比較的減號前方，或作分子，如果不小心拿出來作間接比較，會變成這樣的結果：
?
dA-C-dC-B
=（YA-Y1，C）-（Y2，C -YB）
=YA+YB-Y1，C-Y2，C
?
這樣就無法正確計算出A與B間效果的差異。
除了用相減（或相除）的方法外，正確方向的分析也可安排如下：
?
dA-C-dB-C
=（YA-Y1，C）-（YB-Y2，C）
=（YA-Y1，C）+（Y2，C-YB）
=dA-C+dC-B
?
間接比較的共同對照組不一定只限定用一種治療。當比較通過多個共同對照時，以上使用加法的安排閱讀起來較方便。如A與B通過X、Y、Z三種不同的治療做間接比較，可這樣分析：
?
dindirect，A-B=dA-X+dX-Y+dY-Z+dZ-B
?
其中dA-X、dX-Y、dY-Z、dZ-B為各組治療兩兩直接比較的研究結果。
做間接比較分析時，需注意各研究分組的比較方向，與間接比較所用的加減號是否配合正確。
2.3 分析的標準誤及可信區間
除A與B治療效果差異的大小與方向外，還需考慮研究的隨機誤差，才能分析間接比較結果差異是否具有統計意義。因用于分析間接比較的各組結果分別來自獨立的研究，根據統計原理，（dA-C）-（dB-C）的變異數（Variance，用V2表示，實為離均差平方和）等于兩組各變異數的和。而標準誤又等于變異數除以分析樣本數（研究個數，用k表示）之后的平方根。根據這樣的原理，間接比較結果的標準誤可這樣計算：
| $ {\rm{S}}{{\rm{E}}_{{\rm{indirect,A - B}}}}=\sqrt {{{\rm{V}}_{{\rm{2A - C}}}}{\rm{/}}{{\rm{k}}_{{\rm{A - C}}}}{\rm{+}}{{\rm{V}}_{{\rm{2B - C}}}}{\rm{/}}{{\rm{k}}_{{\rm{B - C}}}}} $ |
如果兩組比較都是經過統計分析的結果，則研究個數已在個別統計分析里考慮過，此時間接比較標準誤可簡化成：
| $ {\rm{S}}{{\rm{E}}_{{\rm{indirect,A - B}}}}=\sqrt {{{\left({{\rm{S}}{{\rm{E}}_{{\rm{A - C}}}}} \right)}^{\rm{2}}}{\rm{+}}{{\left({{\rm{S}}{{\rm{E}}_{{\rm{B - C}}}}} \right)}^{\rm{2}}}} $ |
其中SEA-C與SEB-C為各組比較統計分析結果的標準誤。
A與B治療效果差異間接比較的95%可信區間（confident interval，CI）計算方法如下：
?
95%CI=dindirect，A-B±1.96×SEindirect，A-B
?
2.4 間接比較與直接比較統計分析上的差異
Glenny等[7]就直接比較研究與間接比較分析的標準誤進行了以下說明：當各項研究數目相同、設計與結果相類似時，如共收集到10個A與B的直接比較研究，另分別有10個A與C和B與C的比較研究，且各種比較結果的變異數都相同（V2=V2A-C=V2B-C），合并10個直接比較研究結果的標準誤為：
| $ {\rm{S}}{{\rm{E}}_{{\rm{direct,A - B}}}}=\sqrt {\frac{{{{\rm{V}}_2}}}{{10}}} $ |
而間接比較的標準誤為：
| $ {\rm{S}}{{\rm{E}}_{{\rm{indirect,A - B}}}}=\sqrt {\frac{{{{\rm{V}}_2}}}{{10}}+\frac{{{{\rm{V}}_2}}}{{10}}}=\sqrt {2\frac{{{{\rm{V}}_2}}}{{10}}} $ |
根據這樣的原理，20個A與C及20個B與C研究的間接比較的標準誤與10個直接比較研究合并的標準誤相同：
| $ {\rm{S}}{{\rm{E}}_{{\rm{indirect,A - B}}}}=\sqrt {\frac{{{{\rm{V}}_2}}}{{20}}+\frac{{{{\rm{V}}_2}}}{{20}}}=\sqrt {\frac{{{{\rm{V}}_2}}}{{10}}} $ |
從統計角度講，若期望間接比較跟直接比較的效果一致時（ddirect，A-B=dindirect，A-B），采用間接比較分析，需比相同規模的直接比較多4倍的研究個數，才能得到相同的統計結果。因此，相對于直接比較來說，間接比較的統計檢驗效能低，可信區間的范圍也較寬。即間接比較的不確定性較高，這是間接比較分析的弱點之一。且當兩個主要比較治療間經過的共同對照越多，分析誤差也隨之增加。
3 使用間接比較應注意的問題
3.1 間接比較與直接比較的一致性
對間接與直接比較研究結果一致性，Song等[8]收集了國際上發表的44個同時包含間接與直接比較研究的統計分析結果：3個間接比較與直接比較統計分析結果呈現統計學差異；9個兩種方法統計分析結果呈現方向一致的統計學差異；23個兩種方法統計學結果無統計學差異；剩余9個未發現兩種分析方法統計分析結果呈現矛盾（如間接比較A顯著優于B，但直接比較B顯著優于A治療）的情況。總體而言，兩種分析結果呈現中等程度的一致性。
方法學研究發現：多數情況下間接比較和直接比較的結果無顯著差異，間接比較的可靠性依賴納入試驗的內部真實性和試驗集的相似性。即間接比較的統計學方法本身無偏倚，但所納入的研究證據需滿足相應的假設。
3.2 納入研究的真實性
研究的真實性指研究本身是否真實或有效，真實性是臨床研究的必要條件，在間接比較中，研究的真實性涉及各研究本身內部的真實性和研究之間的真實性。
3.2.1 研究的內部真實性
研究的內部真實性指研究結果與實際研究對象的真實情況的一致性，強調研究結果是否正確地反映了所研究因素與疾病的真實關系。在進行間接比較之前，應該從以下幾個方面評價研究的內部真實性：①是否采用了真正的隨機方法，是否交代了具體的隨機方法，是否實施隨機分配隱藏，是隨機還是隨意。②是否采用了盲法，是否交代了具體的“盲”法，實施的是單盲、雙盲或三盲，闡述試驗過程是否按盲法操作等。③組間基線可比性如何，是否描述了對組間基線進行了比較，如存在組間基線不一致，是否采用分層分析或校正分析。④所有納入的研究對象是否隨訪完整，隨訪時間是否足夠。⑤是否根據隨機分組的情況對所有研究對象進行結果分析（是否采用意向治療分析）。⑥除試驗方案不同外，各組研究對象接受的其他治療方法是否相同[9]。
3.2.2 納入研究之間的真實性
在合并納入各獨立研究結果時，還需考慮納入各獨立研究的臨床相似性和方法學相似性。臨床相似性指患者的特征、干預措施、實施過程、隨訪時間及結局指標測量的相似性；方法學相似性與研究各方面的偏倚風險有關。如各獨立研究的相似性不能滿足，強行合并可能會掩飾真正的治療效果，也可能誤導正確的治療方向。在進行間接比較合并之前，應該從以下幾方面評價各獨立研究之間的真實性：①同一群研究內（A vs.B或B vs.C）各研究的異質性是否顯著。②實施間接比較時，納入各研究是否具有足夠的相似性。③與直接比較試驗結果相比，分析結果是否一致[3]。
綜上所述，與直接比較相比，間接比較對納入研究應給予更多關注，但不可否認臨床上不同治療方法的選擇在很多情況下是非正式地采用間接比較形式。若能掌握間接比較的數據處理方法，且能正確解讀間接比較的分析結果，則間接比較應是提升現有臨床研究數據應用效率、有效協助醫生為患者選擇恰當治療方案的可行選擇之一。
生命科學和生物制藥行業的不斷發展，使臨床上針對相同疾病的治療藥品或治療方法日益增多。由于可供臨床選擇的治療方案眾多，如何選擇當前最有效、安全的治療措施已成為當前臨床實踐和臨床科研的首要任務。然而，許多不同干預措施療效差異的直接比較研究證據卻不一定存在。間接比較方法可實現不同治療措施療效差異的比較，因此，其不但可有效利用現有的臨床研究證據，也是一種可行的替代方法。胡晶等[1]的間接比較和多種干預措施比較的方法學及應用一文并未介紹間接比較的計算方法、結果的方向性及其分析標準誤及可信區間等內容。本文分為三部分：第一部分簡要介紹間接比較的定義、基本思想和類型，第二部分介紹間接比較相關統計學方面的內容，第三部分介紹使用間接比較應注意的問題。
1 間接比較簡介
1.1 定義
要直接比較干預措施的效果（安全性、有效性、經濟性等指標），通常是將患者隨機分組，分別給予不同的干預措施（如A與B，代表兩種不同治療），干預后觀察某項特定的效果或結果有無差異。在缺乏隨機對照試驗（randomized controlled trial，RCT）直接比較證據的情況下，1997年，Bucher HC提出了間接比較方法，“借助”已開展的其他處理因素的相關臨床試驗和證據來估計要評價的兩種干預措施的效能[2]。這種比較形式稱為間接比較（indirect comparison）（圖 1）。
圖1
間接比較基本思想示意圖
實線表示已有RCT，有直接比較證據；虛線代表無RCT，需進行間接比較得到結果。
1.2 基本思想
我們期望比較干預措施A與B，卻無二者直接比較的RCT證據，僅有它們分別與干預措施C比較的RCT，C成為A、B的共同對照（common comparator）。于是，我們可借助干預措施C來間接評價干預措施A與B的治療效果。這是間接比較最簡單的形式。
1.3 類型
間接比較主要包括單組間接比較和調整間接比較。
單組間接比較是指把來源于多個研究的干預措施組看成來源于同一個RCT目標干預措施之間的比較。如比較試驗1的干預措施A與試驗2的干預措施B間的相對有效性，直接從兩個試驗中提取出A和B的結果進行比較（圖 2）。由于此方法破壞了隨機特性（即A和B的人群并不符合隨機原則），忽視各試驗的內在差別，可能增加偏倚和評估效應錯誤[3, 4]。
圖2
間接比較示意圖
調整間接比較方法（adjusted indirect comparison）是指利用1個（或多個）公共對照組對各研究直接比較結果進行調控，至少可部分保留原RCT的優勢。假設試驗-1直接比較A vs.C，試驗-2直接比較B vs.C，而無A vs.B的試驗。可根據兩個試驗的共同干預措施C，調控A和B的間接比較[5, 6]（圖 2）。
2 間接比較的相關統計學問題
2.1 計算方法
將A與C比較的統計分析結果dA-C，與另一組B與C比較的統計分析結果dB-C，再進行比較，得到（dA-C）-（dB-C），即A與B，通過C作共同對照的間接比較結果（dindirect，A-B）。
當個別研究結果用平均值的差異來呈現時，間接比較的結果也以平均值的差別來表示。如治療后血壓平均降低的毫米汞柱（mmHg）等。
如RCT-1中，A藥品治療患者血壓平均降低12 mmHg，其對照C治療患者血壓平均降低2 mmHg，dA-C=10 mmHg；RCT-2中，B藥品治療患者血壓平均降低18 mmHg，其對照C治療患者血壓平均降低5 mmHg，dB-C=13 mmHg。則A治療與B治療通過C作共同對照，其間接比較的結果如下：
dindirect，A-B=10-13=-3，B治療相對于A治療，患者平均血壓多降低3 mmHg。
另一類臨床研究常用的分析采用相對比值為結果，如比值比（odds ratio, OR），相對危險度（risk ratio，RR）和風險比（hazard ratio，HR）等。如OR值，可先計算各組分析結果ORA/C及ORB/C，再計算ORA/C ÷ ORB/C就可得到A與B間接比較的OR值（ORindirect，A-B）[7]。
統計上習慣先取自然對數后相減。
?
ln（ORA/C ÷ ORB/C）=ln（ORA/C）-ln（ORB/C）
?
此時各研究整合后的結果分別為：
?
dA-C=ln（ORA/C）；
dB-C=ln（ORB/C）
?
而dindirect，A-B=ln（ORA/C）-ln（ORB/C）。
因此，校正間接比較分析基本上是把兩組分別比較的研究結果先整合，再相減，再取該對數結果的指數，即可算出OR。
?
ORindirect，A/B=exp（dindirect，A-B）。
?
2.2 比較結果的方向性
整合各研究比較結果時要注意各分組比較的正負號方向。共同對照C，在兩組比較中都作對照，應放在減號后面，或是分母。這樣C所代表的治療效果才會在間接比較中消去。當C不是安慰劑對照而是其他積極治療時，原來的研究報告中，可能會放在分組比較的減號前方，或作分子，如果不小心拿出來作間接比較，會變成這樣的結果：
?
dA-C-dC-B
=（YA-Y1，C）-（Y2，C -YB）
=YA+YB-Y1，C-Y2，C
?
這樣就無法正確計算出A與B間效果的差異。
除了用相減（或相除）的方法外，正確方向的分析也可安排如下：
?
dA-C-dB-C
=（YA-Y1，C）-（YB-Y2，C）
=（YA-Y1，C）+（Y2，C-YB）
=dA-C+dC-B
?
間接比較的共同對照組不一定只限定用一種治療。當比較通過多個共同對照時，以上使用加法的安排閱讀起來較方便。如A與B通過X、Y、Z三種不同的治療做間接比較，可這樣分析：
?
dindirect，A-B=dA-X+dX-Y+dY-Z+dZ-B
?
其中dA-X、dX-Y、dY-Z、dZ-B為各組治療兩兩直接比較的研究結果。
做間接比較分析時，需注意各研究分組的比較方向，與間接比較所用的加減號是否配合正確。
2.3 分析的標準誤及可信區間
除A與B治療效果差異的大小與方向外，還需考慮研究的隨機誤差，才能分析間接比較結果差異是否具有統計意義。因用于分析間接比較的各組結果分別來自獨立的研究，根據統計原理，（dA-C）-（dB-C）的變異數（Variance，用V2表示，實為離均差平方和）等于兩組各變異數的和。而標準誤又等于變異數除以分析樣本數（研究個數，用k表示）之后的平方根。根據這樣的原理，間接比較結果的標準誤可這樣計算：
| $ {\rm{S}}{{\rm{E}}_{{\rm{indirect,A - B}}}}=\sqrt {{{\rm{V}}_{{\rm{2A - C}}}}{\rm{/}}{{\rm{k}}_{{\rm{A - C}}}}{\rm{+}}{{\rm{V}}_{{\rm{2B - C}}}}{\rm{/}}{{\rm{k}}_{{\rm{B - C}}}}} $ |
如果兩組比較都是經過統計分析的結果，則研究個數已在個別統計分析里考慮過，此時間接比較標準誤可簡化成：
| $ {\rm{S}}{{\rm{E}}_{{\rm{indirect,A - B}}}}=\sqrt {{{\left({{\rm{S}}{{\rm{E}}_{{\rm{A - C}}}}} \right)}^{\rm{2}}}{\rm{+}}{{\left({{\rm{S}}{{\rm{E}}_{{\rm{B - C}}}}} \right)}^{\rm{2}}}} $ |
其中SEA-C與SEB-C為各組比較統計分析結果的標準誤。
A與B治療效果差異間接比較的95%可信區間（confident interval，CI）計算方法如下：
?
95%CI=dindirect，A-B±1.96×SEindirect，A-B
?
2.4 間接比較與直接比較統計分析上的差異
Glenny等[7]就直接比較研究與間接比較分析的標準誤進行了以下說明：當各項研究數目相同、設計與結果相類似時，如共收集到10個A與B的直接比較研究，另分別有10個A與C和B與C的比較研究，且各種比較結果的變異數都相同（V2=V2A-C=V2B-C），合并10個直接比較研究結果的標準誤為：
| $ {\rm{S}}{{\rm{E}}_{{\rm{direct,A - B}}}}=\sqrt {\frac{{{{\rm{V}}_2}}}{{10}}} $ |
而間接比較的標準誤為：
| $ {\rm{S}}{{\rm{E}}_{{\rm{indirect,A - B}}}}=\sqrt {\frac{{{{\rm{V}}_2}}}{{10}}+\frac{{{{\rm{V}}_2}}}{{10}}}=\sqrt {2\frac{{{{\rm{V}}_2}}}{{10}}} $ |
根據這樣的原理，20個A與C及20個B與C研究的間接比較的標準誤與10個直接比較研究合并的標準誤相同：
| $ {\rm{S}}{{\rm{E}}_{{\rm{indirect,A - B}}}}=\sqrt {\frac{{{{\rm{V}}_2}}}{{20}}+\frac{{{{\rm{V}}_2}}}{{20}}}=\sqrt {\frac{{{{\rm{V}}_2}}}{{10}}} $ |
從統計角度講，若期望間接比較跟直接比較的效果一致時（ddirect，A-B=dindirect，A-B），采用間接比較分析，需比相同規模的直接比較多4倍的研究個數，才能得到相同的統計結果。因此，相對于直接比較來說，間接比較的統計檢驗效能低，可信區間的范圍也較寬。即間接比較的不確定性較高，這是間接比較分析的弱點之一。且當兩個主要比較治療間經過的共同對照越多，分析誤差也隨之增加。
3 使用間接比較應注意的問題
3.1 間接比較與直接比較的一致性
對間接與直接比較研究結果一致性，Song等[8]收集了國際上發表的44個同時包含間接與直接比較研究的統計分析結果：3個間接比較與直接比較統計分析結果呈現統計學差異；9個兩種方法統計分析結果呈現方向一致的統計學差異；23個兩種方法統計學結果無統計學差異；剩余9個未發現兩種分析方法統計分析結果呈現矛盾（如間接比較A顯著優于B，但直接比較B顯著優于A治療）的情況。總體而言，兩種分析結果呈現中等程度的一致性。
方法學研究發現：多數情況下間接比較和直接比較的結果無顯著差異，間接比較的可靠性依賴納入試驗的內部真實性和試驗集的相似性。即間接比較的統計學方法本身無偏倚，但所納入的研究證據需滿足相應的假設。
3.2 納入研究的真實性
研究的真實性指研究本身是否真實或有效，真實性是臨床研究的必要條件，在間接比較中，研究的真實性涉及各研究本身內部的真實性和研究之間的真實性。
3.2.1 研究的內部真實性
研究的內部真實性指研究結果與實際研究對象的真實情況的一致性，強調研究結果是否正確地反映了所研究因素與疾病的真實關系。在進行間接比較之前，應該從以下幾個方面評價研究的內部真實性：①是否采用了真正的隨機方法，是否交代了具體的隨機方法，是否實施隨機分配隱藏，是隨機還是隨意。②是否采用了盲法，是否交代了具體的“盲”法，實施的是單盲、雙盲或三盲，闡述試驗過程是否按盲法操作等。③組間基線可比性如何，是否描述了對組間基線進行了比較，如存在組間基線不一致，是否采用分層分析或校正分析。④所有納入的研究對象是否隨訪完整，隨訪時間是否足夠。⑤是否根據隨機分組的情況對所有研究對象進行結果分析（是否采用意向治療分析）。⑥除試驗方案不同外，各組研究對象接受的其他治療方法是否相同[9]。
3.2.2 納入研究之間的真實性
在合并納入各獨立研究結果時，還需考慮納入各獨立研究的臨床相似性和方法學相似性。臨床相似性指患者的特征、干預措施、實施過程、隨訪時間及結局指標測量的相似性；方法學相似性與研究各方面的偏倚風險有關。如各獨立研究的相似性不能滿足，強行合并可能會掩飾真正的治療效果，也可能誤導正確的治療方向。在進行間接比較合并之前，應該從以下幾方面評價各獨立研究之間的真實性：①同一群研究內（A vs.B或B vs.C）各研究的異質性是否顯著。②實施間接比較時，納入各研究是否具有足夠的相似性。③與直接比較試驗結果相比，分析結果是否一致[3]。
綜上所述，與直接比較相比，間接比較對納入研究應給予更多關注，但不可否認臨床上不同治療方法的選擇在很多情況下是非正式地采用間接比較形式。若能掌握間接比較的數據處理方法，且能正確解讀間接比較的分析結果，則間接比較應是提升現有臨床研究數據應用效率、有效協助醫生為患者選擇恰當治療方案的可行選擇之一。
