目的探討單組率研究含零事件進行 Meta 分析的不同處理方法的統計性能，為正確選擇 Meta 分析方法提供依據。方法梳理分析單組率研究出現零事件時進行 Meta 分析的各種不同轉換方法和校正方法，通過 Monte-Carlo 模擬，設定多種事件發生率下的分析場景，獲得不同 Meta 分析方法點估計值的相對偏倚、置信區間估計的覆蓋率和平均寬度，進而評價其統計性能。結果當總體事件發生率在 30% 以上時，各種方法均表現出較優的統計性能。隨著事件發生率的降低，在不低于 5% 時，對數轉換、Logit 轉換和反正弦轉換方法尚能保持性能良好；但當事件發生率在 5% 以下時，只有 Freeman-Tukey 雙重反正弦轉換在各種情況下依然表現出優越的統計性能。結論單組率研究采用基于 Freeman-Tukey 雙重反正弦轉換的 Meta 分析方法穩健性較高，應作為單組率研究含零事件的 Meta 分析的首選轉換方法。
目的評價罕見事件不同 Meta 分析方法的統計性能。方法整理罕見事件 Meta 分析的常用方法，通過設定多種場景，采用 Monte-Carlo 模擬獲得不同 Meta 分析方法估計結果的絕對百分比誤差、均方根誤差和區間覆蓋率，評價不同方法的統計性能。結果不同場景下，貝葉斯 logistic 回歸模型、廣義線性混合效應模型和連續性校正的絕對百分比誤差和均方根誤差結果接近，但貝葉斯 logistic 回歸模型的區間覆蓋率更高。Mantel-Haenszel 法和 Peto 法在不同場景下的統計性能較差。結論推薦采用貝葉斯 logistic 回歸模型作為罕見事件效應值合并的 Meta 分析首選方法。
目的零事件研究作為重要的證據來源，經常出現在不良事件的系統評價中。關于零事件研究的處理尚存在較大爭議，本研究旨在探索在不良事件系統評價的 Meta 分析中如何使用零事件研究證據。方法對在兩個時期（2015 年 1 月 1 日至 2020 年 1 月 1 日；2008 年 1 月 1 日至 2011 年 4 月 25 日）發表的系統評價進行了實證調查。通過數據庫檢索以不良事件為唯一結局指標的、包含至少一項 Meta 分析的系統評價。不良事件定義為衛生保健實踐過程中患者或受試者發生的任何不良醫療事件。對符合納入標準的系統評價，調查零事件研究出現頻率以及這些系統評價中 Meta 分析如何處理零事件研究。結果共 640 篇系統評價符合納入標準。其中 406篇（63.45%）系統評價納入零事件研究，涉及單臂零事件研究的系統評價為 389篇（95.11%），涉及雙臂零事件研究的系統評價為 223篇（54.93%）。這些系統評價多數（98.71%）將單臂零事件研究的證據使用 Meta 分析進行了合并。然而對于雙臂零事件研究，多數（76.23%）在 Meta 分析中被直接剔除，其中多數（87.06%）未討論排除此類研究對結果的潛在影響。與過去（2008～2011 年）相比，當前（2015～2020 年）發表的系統評價更傾向于將零事件研究證據在 Meta 分析中進行合并，但兩組差異并無統計學意義［PD=–0.09，95%CI（–0.21，0.03），P=0.12］。結論系統評價作者通常將雙臂零事件研究視為“無信息”載體，并在 Meta 分析中直接將其剔除。然而，Meta 分析中的零事件研究是否存在信息，在很大程度上取決于其所使用的合并方法和統計學假設，因此在將來的 Meta 分析中應考慮使用不同的方法進行敏感性分析。