nlme程序包是基于廣義最小二乘法和線性混合效應模型研發的、可通過R軟件實現廣義線性和非線性混合效應模型下的Meta分析。該程序包實現Meta分析時，需要對數據先行轉化為效應量的對數值才可進行。本文介紹了使用R軟件nlme程序包實現網狀Meta分析的過程，詳細呈現了如何轉化數據這一核心步驟。
作為Meta分析的一個分支，劑量-反應Meta分析在探討潛在病因暴露水平對應疾病發生風險方面起著重要作用。傳統的劑量-反應Meta分析模型僅解決了自變量與因變量之間潛在的線性關系，隨著方法學及函數模型的發展，各種非線性回歸方法被應用于劑量反應Meta分析中，如經典的限制性立方樣條回歸、二次B樣條回歸等均被研發。然而，上述方法因函數自變量（x）的元數及次數已經固定，對于不同類型的數據分布情況及趨勢走向，并不一定均適用，同時可能出現過度擬合的風險。靈活分段多項式法則很好地解決了這個問題，其通過建立靈活的分段多項式函數，各個進行似然比檢驗，選出最佳的自變量元數及次數對劑量-反應趨勢進行擬合，得出更符合個體化數據的結果，使其更接近于真實值。本文就運用靈活分段多項式模型進行劑量-反應Meta分析方法學進行相關簡介。
R軟件是一款具備強大的數據處理和圖形繪制功能的免費軟件，其在Meta分析中的應用日趨廣泛。本文介紹了可以實現二分類變量的Meta分析、累積Meta分析、繪制森林圖和漏斗圖的rmeta程序包的使用。該程序包具有結構單純、命令函數參數較少、易于理解和掌握、功能較全面等優點，但現行版本有些功能存在局限性，有待發掘和完善。
劑量-反應關系Meta分析已有30余年的發展史，其實質是一種回歸函數，這種回歸既可以是線性，也可以是非線性。劑量-反應Meta分析在探討自變量與應變量關系中起著十分重要的作用，并以其獨特的優點被廣泛應用于循證實踐及決策。目前，有多種函數模型可用于劑量-反應Meta分析，不同模型存在不同的優缺點。在循證實踐中，根據不同數據分布選擇不同模型尤為重要。本文對劑量-反應關系Meta分析的方法進行簡介。
限制性立方樣條是趨勢逼近中理想的函數模型，也是劑量-反應Meta分析領域常用的一種模型。它是基于參數法下的函數，實質是一條各節點處光滑的分段多項式，并且在定義域每一個子區間中都是三次多項式。限制性立方樣條函數對非線性趨勢的逼近效果比較好，并且可以通過改變節點個數和（或）位置來調整所逼近的曲線。前篇文章我們介紹并歸納了常用參數法線性及非線性劑量-反應Meta分析模型，本篇我們將從模型的構建、參數的合并、節點選取等方面詳細探討限制性立方樣條函數模型的方法學。
結構方程模型（structural equation modeling， SEM）是一種廣泛應用于社會、心理、教育、行為科學研究領域的多元統計技術。基于結構方程模型的Meta分析（meta-analytic based on structural equation modeling，MASEM）是結合Meta分析和結構方程模型（structural equation modeling，SEM）的理念，綜合相關矩陣或協方差矩陣并通過綜合的相關矩陣或協方差矩陣擬合結構方程模型。二階段結構方程模型法（two-stage structural equationmodeling， TSSEM）可用來計算MASEM。本文通過假設所有研究總體相關矩陣相同，就采用TSSEM的固定效應模型來實現多變量Meta分析在metaSEM程序包中的運用作一簡介。
作為一種有效的系統評價方法，劑量-反應Meta分析被廣泛用于探討自變量與因變量之間的因果關系，并且多基于觀察性研究。觀察性研究樣本量大，進行Meta分析時可提供較為充分的統計效能。但由于自身設計問題，觀察性研究容易混入多種偏倚，而這些偏倚可能會影響最終結果，導致其偏離真實值。因方法學上的盲區，當前并無特定針對劑量-反應Meta分析的偏倚校正方法，本文借鑒觀察性研究Meta分析中的偏倚校正方法，通過調整后將其應用于劑量-反應Meta分析模型中，并對各類校正方法的優缺點進行歸納比較。
劑量-反應 Meta 分析在循證證據產生及臨床決策方面的應用日益廣泛。這種研究方法是通過將針對相同臨床或公共衛生問題的不同研究的某種劑量-反應關系加權合并以獲得“平均”劑量效應，以全面反映某種暴露與結局之間的劑量-效應關系。當前使用最為廣泛的劑量-反應 Meta 分析模型是基于經典的二階段法，該方法的優勢在于可采用固定或隨機效應模型按照異質性大小進行效應量合并。而實現二階段隨機效應模型下劑量-反應 Meta 分析有兩種不同的方式，即普通模型和考慮參數間相關性的隨機效應模型。本文對這兩種隨機模型進行介紹，并通過 Stata 軟件演示相關操作過程，以期為循證實踐提供理論參考。
目的系統評價不同術前禁食禁飲（non-peros，NPO）時間（試驗組：術前禁食 6 h，禁飲 2～3 h；對照組：術前禁食 12 h，禁飲 4～6 h）對我國擇期全身麻醉（全麻）患者圍手術期有效性與安全性的影響。方法計算機檢索 PubMed、Cumulative Index to Nursing and Allied Health、Embase、Cochrane Library、中國生物醫學文獻數據庫、中國知網、維普、萬方數據庫、SUMsearch 和 Google 搜索引擎，且追溯納入文獻或相關文獻的參考文獻，查找自建庫至 2018 年 4 月 25 日國內關于擇期全麻手術患者 NPO 時間的隨機對照試驗和準隨機對照試驗。由 2 位評價員獨立篩選文獻及提取資料，采用 Cochrane 干預措施系統評價手冊（5.1.0）中針對隨機對照試驗的偏倚風險評估工具進行評價后，采用 RevMan 5.3 軟件進行 Meta 分析。結果共納入 16 個研究，包括 2 722 例擇期全麻手術患者（試驗組 1 372 例，對照組 1 350 例）。Meta 分析結果顯示：試驗組術前殘余胃液量［均數差（mean difference，MD）=–1.45 mL，95% 置信區間（confidence interval，CI）（–2.88，–0.01） mL，P=0.05］、術前低血糖反應發生率［比值比（odds ratio，OR）=0.12，95%CI（0.05，0.28），P<0.000 01］、術前口渴發生率［OR=0.15，95%CI（0.11，0.21），P<0.000 01］、術前饑餓發生率［OR=0.13，95%CI（0.10，0.18），P<0.000 01］、術前心慌疲乏無力發生率［OR=0.11，95%CI（0.07，0.17），P<0.000 01］和術前焦慮發生率［OR=0.21，95%CI（0.12，0.37），P<0.000 01］均低于對照組。試驗組與對照組的術中殘余胃液量差異無統計學意義（P>0.05），且兩組均無患者發生術中嘔吐、誤吸。術后肛門恢復排氣排便時間明顯短于對照組［MD=–8.71 h，95%CI（–11.43，–6.00）h，P<0.000 01］，而兩組患者術后肺炎發生率、術后惡心發生率、術后嘔吐發生率及術后口渴、饑餓發生率差異均無統計學意義（P>0.05）。結論與目前傳統術前禁食 12 h、禁飲 4～6 h 相比，術前禁食 6 h、禁飲 2～3 h 明顯降低術前低血糖反應發生率、減輕術前口渴、饑餓、心慌疲乏無力和焦慮發生率；但并未增加患者術中和術后不良反應發生率，同時明顯縮短了術后肛門恢復排氣排便時間。鑒于納入研究數量和質量有限，上述結論尚需展開更多大樣本、高質量的隨機對照試驗予以驗證。
目的制定劑量-反應Meta分析（DMA）的中文版報告指南，以提高國內系統評價人員對DMA的認識及該類論文的報告質量。方法計算機檢索MEDLINE、EMbase、The Cochrane Library、CNKI和WanFang Data數據庫，搜集中國作者發表的DMA研究，檢索時限為2011年1月1日至2015年12月31日。對納入的DMA研究，分析其發文量的變化趨勢，對報告指南的使用情況，以及使用的劑量-反應Meta分析方法是否正確；基于文獻分析結果初步擬定DMA報告清單，并進一步組織DMA、循證醫學和臨床流行病學領域專家，以及臨床專家對報告清單進行討論，根據討論結果修改形成最終版報告指南。結果共納入252個DMA研究，其中僅33.73%在標題明確為DMA，48.02%報告了對偏倚風險進行評價，38.49%未遵循任何報告指南，14個研究使用的方法存在錯誤。基于文獻分析結果及現存的Meta分析報告量表初步擬定出包含47個條目的DMA報告清單，經國內外6位專家討論后，最終制定出包含43個條目、最能反映DMA質量的報告清單（G-Dose Checklist）。結論國內作者對報告指南的重視程度仍不夠，且可能存在理解不充分的風險。應重視DMA及其他Meta分析報告指南的使用。