劑量-反應 Meta 分析（dose-response meta-analysis，DRMA）作為 Meta 分析的分支之一，為臨床研究提供了重要的證據。自其被引入國內后，已引起廣泛關注。為改善國內 DRMA 的報告質量，徐暢等制定了 DRMA 的報告規范，并于2016年發表在《中國循證醫學雜志》。本文就該報告規范進行解讀，以期促進作者理解和使用該報告規范。
引用本文： 郭鵬, 周權, 谷萬杰, 楊帥龍, 張龍浩, 劉玉, 鐘山亮, 黎敏, 李卓, 徐暢, 張超, 高崢巖. 劑量-反應 Meta 分析報告規范G-Dose Checklist 的解讀. 中國循證醫學雜志, 2017, 17(6): 736-741. doi: 10.7507/1672-2531.201612086 復制
劑量-反應關系是指暴露（干預）水平的動態變化與結局指標發生風險的潛在關系[1]，其在流行病學領域應用非常廣泛，既可用于觀察性研究，也可用于隨機對照試驗。根據 GRADE 證據評價體系，合理使用函數模型及參數估計方法的高質量劑量-反應 Meta 分析（dose-response meta-analysis，DRMA）可作為證據升級的重要因素[2]。
DRMA 與傳統 Meta 分析具有明顯的差別[3]。本質上，DRMA 是一種 Meta 回歸模型，不僅可采用線性分析，也可采用非線性分析。其中，線性關系主要反映整體變化趨勢，即該直線的斜率；而非線性關系則更關注暴露劑量對應的結局指標發生風險，即逼近的曲線上橫坐標任意一點對應的縱坐標值[4]。不論是線性還是非線性，其結果的準確性及全面性較傳統方法都有所提高，這為流行病學實踐及臨床決策提供了良好基礎。
為促進 DRMA 的報告質量，由包含臨床流行病學研究者、臨床醫師、循證醫學研究者等在內的研究組開發了第一個針對國內作者的 DRMA 報告指南——G-Dose Checklist[5]。本文對 DRMA 的 G-Dose Checklist 報告清單進行詳細解讀，旨在為國內研究者撰寫高質量的 DRMA 提供參考。
1 G-Dose Checklist 報告清單概況
G-Dose Checklist 報告清單詳見表 1，其包括 43 個條目，按照論文結構的標題、摘要、引言、方法、結果及討論進行分類。引言部分包括研究背景、所研究的臨床或公共衛生問題及研究預期的目的及意義等。方法部分強調了 PICOS 原則、干預/暴露因素需要至少 3 層暴露水平、對缺失值的處理方法，DRMA 使用的模型及數據處理的加權方式等。結果部分包括主要結果并提供相關圖形或表格，強調根據研究特點補充分析結果。討論部分強調應報告研究的主要發現及結果證據等級、經費來源等。
表1
劑量-反應 Meta 分析報告指南中文版（G-Dose Checklist）
2 G-Dose Checklist 報告解讀
2.1 題目
題目包含 2 個條目：報告該研究是 DRMA，報告納入文獻類型。作者應當在標題中使用能識別是否為 DRMA 的文字，并明確 DRMA 納入的研究類型，以使讀者快速了解文章主題，為讀者繼續閱讀全文做鋪墊。分析性研究（如 RCT、隊列研究、病例-對照研究）、描述性研究（如橫斷面研究）均適用于 DRMA。但應避免將分析性研究和描述性研究放在一起合并，以免導致因果關系倒置。
2.2 摘要
摘要包含 2 個部分，共 6 個條目。分別為對摘要格式和內容的建議。其中，摘要格式可按照結構式摘要或者期刊的要求進行報告。摘要內容包括 5 個方面：研究目的、數據庫檢索、Meta 分析的模型和方法、結果、結論。首先應明確該研究的目的，即該研究要解決的問題；其次是研究的人群，是特定人群還是普通人群；暴露因素（如吸煙、飲酒）和主要結局也應清楚描述；檢索數據庫、時限及檢索結果應在摘要簡述；描述在 DRMA 中使用的模型和方法，如限制性立方樣條函數模型、隨機效應模型、倒方差法模型等；主要結果及結論部分應詳略得當地描述預期分析結果，并簡潔準確地闡明文章的主要結論。
2.3 引言
引言包含 6 個條目：研究背景、所研究的臨床或公共衛生問題、已有研究（綜述或 Meta 分析）對當前問題的認識情況、目的及意義。
研究背景應介紹如流行病學、衛生保健政策、研究對象自身心理需求等方面相關內容，以權威、新近發布的數據闡明所研究主題的必要性。當前面臨的臨床或公共衛生問題，既要有深度也要有實際應用價值，兼顧科學性、創新性、可行性和爭議性等。對已存在的相關或類似研究、綜述或 Meta 分析，需做出簡要準確的描述，闡述不足及待研究的內容，引出研究的目的和意義。
2.4 方法
方法包括 6 部分，報告指南、納入和（或）排除標準、文獻檢索、數據提取、偏倚處理、統計學方法，共 21 個條目。
2.4.1 闡明使用的報告指南 闡明研究遵循的報告指南。常用報告指南包括：PRISMA（preferred reporting items for systematic reviews and meta-analyses）聲明、MOOSE（meta-analysis of observational studies in epidemiology）聲明（觀察性研究）、STARD 清單（standards for reporting of diagnostic accuracy）（診斷性試驗）等[6-8]。
2.4.2 納入和（或）排除標準 明確報告納入與排除標準。采用 PICOS 原則，即：人群（population）、干預/暴露措施（intervention/exposure）、對照（comparison）、結局（outcome）和研究類型（study design）。研究需要明確目標人群，不同人群對暴露存在不同反應；關注的暴露因素，如吸煙、飲酒；對照，即未暴露，一般為空白對照、安慰劑、不處理、標準治療等；結局是指研究關注的臨床或公共衛生問題的終點，如死亡、治愈，可包括主要結局和次要結局；研究類型則報告所納入研究的設計，合理的研究設計能提供最可靠的數據回答系統評價的問題。DRMA 的數據類型決定了其干預/暴露水平，不得少于 3 個分組（若文獻提供完整回歸參數也可）。納入標準應在實施 DRMA 前制定，不宜隨意改動。
2.4.3 文獻檢索 報告檢索數據庫、檢索策略、檢索時間和灰色文獻檢索等相關事宜。常用的檢索數據庫包括MEDLINE、EMbase 及 The Cochrane Library，必要時根據研究領域可增加其他相關數據庫檢索。灰色文獻數據庫也應盡量納入（如 system for information on grey literature in Europe，SIGLE）。報告手工檢索過程，包括翻閱紙質版雜志、相關綜述的參考文獻等。推薦由圖書情報專業人員制定檢索策略。需詳細記錄檢索策略及過程，常用的檢索策略包括布爾邏輯檢索連接詞，過濾或通配符等。此外，為縮小或擴大搜索范圍，應酌情使用限制檢索、擴展檢索、加權檢索等技術。
2.4.4 數據提取 數據提取內容包括納入研究的基本信息、DRMA 數據、指定劑量計算方法、統一標準方法。納入研究基本信息包括：作者姓名、發表年份、研究類型、隨訪年限、每層暴露的發生例數及樣本量、每層暴露對應參考水平的效應量及置信區間、數據類型（如：病例-對照研究，發病率、死亡率，累積發病率等），校正變量等。基線資料應盡量完整，盡可能提取校正混雜因素后的效應量以最大程度減少偏倚。數據提取應由 2 位研究者分別提取并交叉核對。
指定劑量原則上應使用原始文獻提供的均值，如未提供，采用提取劑量區間的中位數替代。對于末端的開放區間（如：>5 杯/d），常需要估算或假設，如采取分界點的 1.2 倍或 1.5 倍作為該區間的指定劑量，或假設與鄰近區間等寬后再取中位數。對于由估算獲得的數據，推薦行敏感性分析以確定該處理方式是否對結果產生影響。對單位不同的數據，應轉換并統一，且詳細說明。
2.4.5 偏倚處理 偏倚處理包括校正偏倚和選擇性報告偏倚風險。校正偏倚在方法上處理的困難較大，常用辦法是選擇性報告偏倚風險，即對納入原始研究進行偏倚風險評價。針對不同研究類型需采用不同的評價標準。觀察性研究常用的偏倚風險評價工具包括：NOS 量表、CASP 清單等[9, 10]。隨機對照試驗常使用 Cochrane 手冊推薦的偏倚風險評價工具[11]。偏倚風險的高低可從側面反映研究結果可信度的高低[12]。
2.4.6 統計分析 統計分析具體包括 DRMA 的使用模型及共同參照水平、非線性檢驗方法、異質性檢測方法、根據研究者的目標或研究的異質性判斷是否使用隨機或固定效應模型、加權方式、計算每層暴露指定劑量的方法、缺失值的處理方法、補充分析、發表偏倚的檢測與處理和軟件使用。
DRMA 使用的模型有多種[13, 14]，應結合數據自身特點，報告選擇的劑量分析模型。如非線性趨勢顯著，采用非線性模型；非線性趨勢不顯著，則可采用線性模型如簡單線性模型、分段線性模型等[15, 16]。確定非線性趨勢是否顯著可借助非線性檢驗，常用方法有：沃爾德檢驗（Wald test），似然比檢驗（Likelihood ratio test）。沃爾德檢驗的零假設為所有非線性項的系數為 0，若P<0.05（或 0.1），則拒絕零假設，認為該模型為非線性；反之則為線性；似然比檢驗則是通過計算線性模型和非線性模型的似然值，值較大的一個則被視為最佳模型。
異質性的幾種定量檢驗方法包括 Q 統計量、I2 統計、H 統計。線性 DRMA 模型常使用普通 Q 統計量、I2 統計和 H 統計；非線性 DRMA 模型則需使用多水平 Q 統計量、I2 統計和 H 統計[11]。若異質性較大，則需對較大的異質性進行處理。常用方法包括采取隨機效應模型合并效應量、亞組分析、Meta 回歸分析等。值得注意的是，當研究數目較少或非線性趨勢顯著時，不宜使用 Meta 回歸；若異質性可忽略，可選用 IVhet 固定效應模型；同時，無論異質性大小，均可使用基于偏倚校正的、具有更加全面的校正功能的加權模型——質量效應（quality effect，QE）模型[17-19]。暴露劑量分組時，如已知參考暴露劑量但其非本研究中最低劑量值，則需要將參考劑量轉換為最低劑量，以利于后期處理數據[20, 21]。
補充分析指亞組分析、敏感性分析、Meta 回歸分析、擬合優度等。推薦報告擬合優度值或校正 R2，將有助于讀者判斷模型擬合效果。亞組分析通常是針對研究對象的某一特征，如性別、年齡或疾病的亞型等進行分析，探討亞組間是否存在不同效應，推薦遵循亞組分析指南進行[22]。敏感性分析主要針對研究特征或類型如方法學質量，通過排除某些低質量研究或非盲法研究以探討結果的穩定性。
發表偏倚的主要識別與處理方法，包括：漏斗圖法、剪補法、Egger 回歸法、Begg 秩相關法及公式法等。需要注意的是，劑量-反應 Meta 分析中的發表偏倚當前使用其線性結果進行發表偏倚檢測，而對于非線性結果，尚無有效方法。
2.5 結果及討論
結果包括 4 個條目，報告納入研究的詳細信息、主要結果（提供相關圖形或表格）、補充分析結果、發表偏倚檢測結果。結果表格的設計要合理，涵蓋基本要素，內容較多時，應制作多個表格。主要結果數據可用圖形或表格呈現。補充分析及發表偏倚檢測的結果也應進行完整報告。
討論包括 6 個條目，報告研究的主要發現及結果證據等級、解釋結果、對未來研究的啟示、本研究優勢及局限性、結論、經費來源等信息。
研究的主要發現是作者對全文結果的高度概括，同時推薦使用證據評價工具，如 GRADE 準確描述證據等級，并報告推薦強度[23]，建議對評價者實施盲法。在 GRADE 證據評價體系中，使用劑量-反應關系通常可升高一個等級。討論中可對結果的相關因素進行探討，并給出適當的分析和解釋。應盡可能給出該研究對未來研究的啟示。作者應根據研究設計和實施情況，客觀報告本研究的優勢及可能的局限性。涉及的利益關系、經費資助等需完整報告，如是否有企業贊助等。
3 小結
當前，已發表的系統評價的報告質量存在諸多問題，不完整的報告可造成生物醫學研究資源的浪費[20]。全球系統評價研究者、方法學家、臨床醫師等通過不斷嘗試實踐，開發出應用于不同領域的報告指南或量表清單（如 PRISMA、MOOSE、STARD 等）對提升研究的報告質量發揮著積極作用。隨著系統評價及 Meta 分析在醫療衛生領域所起的作用日益重要，DRMA 的年發表量也逐年增多，迫切需要報告規范來指導系統評價者報告 DRMA。
與 PRISMA[6]相比，G-Dose Checklist 在 PRISMA 基礎上做了適當調整：① G-Dose Checklist 在 PRISMA 要求標題給出系統評價/Meta 分析的基礎上，進一步要求報告研究類型為劑量-反應 Meta 分析，且要求作者報告納入文獻類型；② G-Dose Checklist 和 PRISMA 均要求在方法學部分報道檢索情況，但 G-Dose Checklist 要求列出排除文獻及原因，并推薦使用流程圖記錄所有被排除的文獻；③ G-Dose Checklist 結合自身特點，將 PRISMA 描述數據處理方法條目中，引入缺失值的處理方法、限制性立方樣條函數、加權方式、Wald 檢驗或似然比檢驗等統計方法概念；④ G-Dose Checklist 和 PRISMA 均強調了對偏倚風險的報告，但 G-Dose Checklist 進一步要求作者提供發表偏倚的檢測結果及處理方式。此外，G-Dose Checklist 在數據類型上，要求納入研究干預/暴露數據，至少為 3 層暴露水平且為連續性變量。
本文對 G-Dose Checklist 進行詳細介紹，旨在提高國內 DRMA 研究者報告 DRMA 的能力。在使用 G-Dose Checklist 時，建議靈活機動地對研究課題的基本特性進行把握。相比傳統 Meta 分析，DRMA 方法較為復雜，需要研究者及時查閱相關資料，補充理論知識。目前版本的 G-Dose Checklist 已引入了劑量-反應方法學前沿領域的研究成果，如基于偏倚校正功能的加權模型（QE 模型）[11]和靈活分段非線性模型[4]。研究者應根據不同研究設計、實施等差異針對性地選擇最佳模型。
總之，G-Dose Checklist 將在提高 DRMA 報告質量的同時，給研究者和使用者帶來新思考，使用 DRMA 方法生產更科學嚴謹的證據。
劑量-反應關系是指暴露（干預）水平的動態變化與結局指標發生風險的潛在關系[1]，其在流行病學領域應用非常廣泛，既可用于觀察性研究，也可用于隨機對照試驗。根據 GRADE 證據評價體系，合理使用函數模型及參數估計方法的高質量劑量-反應 Meta 分析（dose-response meta-analysis，DRMA）可作為證據升級的重要因素[2]。
DRMA 與傳統 Meta 分析具有明顯的差別[3]。本質上，DRMA 是一種 Meta 回歸模型，不僅可采用線性分析，也可采用非線性分析。其中，線性關系主要反映整體變化趨勢，即該直線的斜率；而非線性關系則更關注暴露劑量對應的結局指標發生風險，即逼近的曲線上橫坐標任意一點對應的縱坐標值[4]。不論是線性還是非線性，其結果的準確性及全面性較傳統方法都有所提高，這為流行病學實踐及臨床決策提供了良好基礎。
為促進 DRMA 的報告質量，由包含臨床流行病學研究者、臨床醫師、循證醫學研究者等在內的研究組開發了第一個針對國內作者的 DRMA 報告指南——G-Dose Checklist[5]。本文對 DRMA 的 G-Dose Checklist 報告清單進行詳細解讀，旨在為國內研究者撰寫高質量的 DRMA 提供參考。
1 G-Dose Checklist 報告清單概況
G-Dose Checklist 報告清單詳見表 1，其包括 43 個條目，按照論文結構的標題、摘要、引言、方法、結果及討論進行分類。引言部分包括研究背景、所研究的臨床或公共衛生問題及研究預期的目的及意義等。方法部分強調了 PICOS 原則、干預/暴露因素需要至少 3 層暴露水平、對缺失值的處理方法，DRMA 使用的模型及數據處理的加權方式等。結果部分包括主要結果并提供相關圖形或表格，強調根據研究特點補充分析結果。討論部分強調應報告研究的主要發現及結果證據等級、經費來源等。
表1
劑量-反應 Meta 分析報告指南中文版（G-Dose Checklist）
2 G-Dose Checklist 報告解讀
2.1 題目
題目包含 2 個條目：報告該研究是 DRMA，報告納入文獻類型。作者應當在標題中使用能識別是否為 DRMA 的文字，并明確 DRMA 納入的研究類型，以使讀者快速了解文章主題，為讀者繼續閱讀全文做鋪墊。分析性研究（如 RCT、隊列研究、病例-對照研究）、描述性研究（如橫斷面研究）均適用于 DRMA。但應避免將分析性研究和描述性研究放在一起合并，以免導致因果關系倒置。
2.2 摘要
摘要包含 2 個部分，共 6 個條目。分別為對摘要格式和內容的建議。其中，摘要格式可按照結構式摘要或者期刊的要求進行報告。摘要內容包括 5 個方面：研究目的、數據庫檢索、Meta 分析的模型和方法、結果、結論。首先應明確該研究的目的，即該研究要解決的問題；其次是研究的人群，是特定人群還是普通人群；暴露因素（如吸煙、飲酒）和主要結局也應清楚描述；檢索數據庫、時限及檢索結果應在摘要簡述；描述在 DRMA 中使用的模型和方法，如限制性立方樣條函數模型、隨機效應模型、倒方差法模型等；主要結果及結論部分應詳略得當地描述預期分析結果，并簡潔準確地闡明文章的主要結論。
2.3 引言
引言包含 6 個條目：研究背景、所研究的臨床或公共衛生問題、已有研究（綜述或 Meta 分析）對當前問題的認識情況、目的及意義。
研究背景應介紹如流行病學、衛生保健政策、研究對象自身心理需求等方面相關內容，以權威、新近發布的數據闡明所研究主題的必要性。當前面臨的臨床或公共衛生問題，既要有深度也要有實際應用價值，兼顧科學性、創新性、可行性和爭議性等。對已存在的相關或類似研究、綜述或 Meta 分析，需做出簡要準確的描述，闡述不足及待研究的內容，引出研究的目的和意義。
2.4 方法
方法包括 6 部分，報告指南、納入和（或）排除標準、文獻檢索、數據提取、偏倚處理、統計學方法，共 21 個條目。
2.4.1 闡明使用的報告指南 闡明研究遵循的報告指南。常用報告指南包括：PRISMA（preferred reporting items for systematic reviews and meta-analyses）聲明、MOOSE（meta-analysis of observational studies in epidemiology）聲明（觀察性研究）、STARD 清單（standards for reporting of diagnostic accuracy）（診斷性試驗）等[6-8]。
2.4.2 納入和（或）排除標準 明確報告納入與排除標準。采用 PICOS 原則，即：人群（population）、干預/暴露措施（intervention/exposure）、對照（comparison）、結局（outcome）和研究類型（study design）。研究需要明確目標人群，不同人群對暴露存在不同反應；關注的暴露因素，如吸煙、飲酒；對照，即未暴露，一般為空白對照、安慰劑、不處理、標準治療等；結局是指研究關注的臨床或公共衛生問題的終點，如死亡、治愈，可包括主要結局和次要結局；研究類型則報告所納入研究的設計，合理的研究設計能提供最可靠的數據回答系統評價的問題。DRMA 的數據類型決定了其干預/暴露水平，不得少于 3 個分組（若文獻提供完整回歸參數也可）。納入標準應在實施 DRMA 前制定，不宜隨意改動。
2.4.3 文獻檢索 報告檢索數據庫、檢索策略、檢索時間和灰色文獻檢索等相關事宜。常用的檢索數據庫包括MEDLINE、EMbase 及 The Cochrane Library，必要時根據研究領域可增加其他相關數據庫檢索。灰色文獻數據庫也應盡量納入（如 system for information on grey literature in Europe，SIGLE）。報告手工檢索過程，包括翻閱紙質版雜志、相關綜述的參考文獻等。推薦由圖書情報專業人員制定檢索策略。需詳細記錄檢索策略及過程，常用的檢索策略包括布爾邏輯檢索連接詞，過濾或通配符等。此外，為縮小或擴大搜索范圍，應酌情使用限制檢索、擴展檢索、加權檢索等技術。
2.4.4 數據提取 數據提取內容包括納入研究的基本信息、DRMA 數據、指定劑量計算方法、統一標準方法。納入研究基本信息包括：作者姓名、發表年份、研究類型、隨訪年限、每層暴露的發生例數及樣本量、每層暴露對應參考水平的效應量及置信區間、數據類型（如：病例-對照研究，發病率、死亡率，累積發病率等），校正變量等。基線資料應盡量完整，盡可能提取校正混雜因素后的效應量以最大程度減少偏倚。數據提取應由 2 位研究者分別提取并交叉核對。
指定劑量原則上應使用原始文獻提供的均值，如未提供，采用提取劑量區間的中位數替代。對于末端的開放區間（如：>5 杯/d），常需要估算或假設，如采取分界點的 1.2 倍或 1.5 倍作為該區間的指定劑量，或假設與鄰近區間等寬后再取中位數。對于由估算獲得的數據，推薦行敏感性分析以確定該處理方式是否對結果產生影響。對單位不同的數據，應轉換并統一，且詳細說明。
2.4.5 偏倚處理 偏倚處理包括校正偏倚和選擇性報告偏倚風險。校正偏倚在方法上處理的困難較大，常用辦法是選擇性報告偏倚風險，即對納入原始研究進行偏倚風險評價。針對不同研究類型需采用不同的評價標準。觀察性研究常用的偏倚風險評價工具包括：NOS 量表、CASP 清單等[9, 10]。隨機對照試驗常使用 Cochrane 手冊推薦的偏倚風險評價工具[11]。偏倚風險的高低可從側面反映研究結果可信度的高低[12]。
2.4.6 統計分析 統計分析具體包括 DRMA 的使用模型及共同參照水平、非線性檢驗方法、異質性檢測方法、根據研究者的目標或研究的異質性判斷是否使用隨機或固定效應模型、加權方式、計算每層暴露指定劑量的方法、缺失值的處理方法、補充分析、發表偏倚的檢測與處理和軟件使用。
DRMA 使用的模型有多種[13, 14]，應結合數據自身特點，報告選擇的劑量分析模型。如非線性趨勢顯著，采用非線性模型；非線性趨勢不顯著，則可采用線性模型如簡單線性模型、分段線性模型等[15, 16]。確定非線性趨勢是否顯著可借助非線性檢驗，常用方法有：沃爾德檢驗（Wald test），似然比檢驗（Likelihood ratio test）。沃爾德檢驗的零假設為所有非線性項的系數為 0，若P<0.05（或 0.1），則拒絕零假設，認為該模型為非線性；反之則為線性；似然比檢驗則是通過計算線性模型和非線性模型的似然值，值較大的一個則被視為最佳模型。
異質性的幾種定量檢驗方法包括 Q 統計量、I2 統計、H 統計。線性 DRMA 模型常使用普通 Q 統計量、I2 統計和 H 統計；非線性 DRMA 模型則需使用多水平 Q 統計量、I2 統計和 H 統計[11]。若異質性較大，則需對較大的異質性進行處理。常用方法包括采取隨機效應模型合并效應量、亞組分析、Meta 回歸分析等。值得注意的是，當研究數目較少或非線性趨勢顯著時，不宜使用 Meta 回歸；若異質性可忽略，可選用 IVhet 固定效應模型；同時，無論異質性大小，均可使用基于偏倚校正的、具有更加全面的校正功能的加權模型——質量效應（quality effect，QE）模型[17-19]。暴露劑量分組時，如已知參考暴露劑量但其非本研究中最低劑量值，則需要將參考劑量轉換為最低劑量，以利于后期處理數據[20, 21]。
補充分析指亞組分析、敏感性分析、Meta 回歸分析、擬合優度等。推薦報告擬合優度值或校正 R2，將有助于讀者判斷模型擬合效果。亞組分析通常是針對研究對象的某一特征，如性別、年齡或疾病的亞型等進行分析，探討亞組間是否存在不同效應，推薦遵循亞組分析指南進行[22]。敏感性分析主要針對研究特征或類型如方法學質量，通過排除某些低質量研究或非盲法研究以探討結果的穩定性。
發表偏倚的主要識別與處理方法，包括：漏斗圖法、剪補法、Egger 回歸法、Begg 秩相關法及公式法等。需要注意的是，劑量-反應 Meta 分析中的發表偏倚當前使用其線性結果進行發表偏倚檢測，而對于非線性結果，尚無有效方法。
2.5 結果及討論
結果包括 4 個條目，報告納入研究的詳細信息、主要結果（提供相關圖形或表格）、補充分析結果、發表偏倚檢測結果。結果表格的設計要合理，涵蓋基本要素，內容較多時，應制作多個表格。主要結果數據可用圖形或表格呈現。補充分析及發表偏倚檢測的結果也應進行完整報告。
討論包括 6 個條目，報告研究的主要發現及結果證據等級、解釋結果、對未來研究的啟示、本研究優勢及局限性、結論、經費來源等信息。
研究的主要發現是作者對全文結果的高度概括，同時推薦使用證據評價工具，如 GRADE 準確描述證據等級，并報告推薦強度[23]，建議對評價者實施盲法。在 GRADE 證據評價體系中，使用劑量-反應關系通常可升高一個等級。討論中可對結果的相關因素進行探討，并給出適當的分析和解釋。應盡可能給出該研究對未來研究的啟示。作者應根據研究設計和實施情況，客觀報告本研究的優勢及可能的局限性。涉及的利益關系、經費資助等需完整報告，如是否有企業贊助等。
3 小結
當前，已發表的系統評價的報告質量存在諸多問題，不完整的報告可造成生物醫學研究資源的浪費[20]。全球系統評價研究者、方法學家、臨床醫師等通過不斷嘗試實踐，開發出應用于不同領域的報告指南或量表清單（如 PRISMA、MOOSE、STARD 等）對提升研究的報告質量發揮著積極作用。隨著系統評價及 Meta 分析在醫療衛生領域所起的作用日益重要，DRMA 的年發表量也逐年增多，迫切需要報告規范來指導系統評價者報告 DRMA。
與 PRISMA[6]相比，G-Dose Checklist 在 PRISMA 基礎上做了適當調整：① G-Dose Checklist 在 PRISMA 要求標題給出系統評價/Meta 分析的基礎上，進一步要求報告研究類型為劑量-反應 Meta 分析，且要求作者報告納入文獻類型；② G-Dose Checklist 和 PRISMA 均要求在方法學部分報道檢索情況，但 G-Dose Checklist 要求列出排除文獻及原因，并推薦使用流程圖記錄所有被排除的文獻；③ G-Dose Checklist 結合自身特點，將 PRISMA 描述數據處理方法條目中，引入缺失值的處理方法、限制性立方樣條函數、加權方式、Wald 檢驗或似然比檢驗等統計方法概念；④ G-Dose Checklist 和 PRISMA 均強調了對偏倚風險的報告，但 G-Dose Checklist 進一步要求作者提供發表偏倚的檢測結果及處理方式。此外，G-Dose Checklist 在數據類型上，要求納入研究干預/暴露數據，至少為 3 層暴露水平且為連續性變量。
本文對 G-Dose Checklist 進行詳細介紹，旨在提高國內 DRMA 研究者報告 DRMA 的能力。在使用 G-Dose Checklist 時，建議靈活機動地對研究課題的基本特性進行把握。相比傳統 Meta 分析，DRMA 方法較為復雜，需要研究者及時查閱相關資料，補充理論知識。目前版本的 G-Dose Checklist 已引入了劑量-反應方法學前沿領域的研究成果，如基于偏倚校正功能的加權模型（QE 模型）[11]和靈活分段非線性模型[4]。研究者應根據不同研究設計、實施等差異針對性地選擇最佳模型。
總之，G-Dose Checklist 將在提高 DRMA 報告質量的同時，給研究者和使用者帶來新思考，使用 DRMA 方法生產更科學嚴謹的證據。
