我想這沒有定論的,我個人是建議使用random effect model,然後對subgroup 2 做 sensitivty test 及meta regression. 從forest plot上顯然看到subgroup 2 是第三篇2008的與其他人落差較大,可以從那邊處理看看.再來就是如果你使用fixed effect,雖然overall I2<50%,但是如果reviewer有意見的話,你反而要花非常多的篇幅去回覆,可能還不見得會被接受,還不然解釋上面採用較為保守的random effect,然後試著拆解看能不能找到異值性來源,這也可以是文章的大賣點,不見得結果要有顯著才是大賣點.

建議寫成因為”證據都來自間接比較,無法比較不一致性“會好一些

右上或者右下的話,原則上就沒辦法檢驗consistency. 因為direct跟indirect沒有交雜,這不會產生inconsistency

建議丟個network map圖上來看看確定一下,這一般就是因為study大部分都是direct to direct,很少能夠形成loop,所以沒有做inconsistency檢驗.你看看你的network map是不是長得像是右上或者右下？單獨的direct evidence 或者 單純的 indirect evidence是無法跑inconsistency analysis的

發文不附圖,此風不可長...沒有附圖,很難看懂你的描述,只能猜測一下.1. 猜測你的排序指的應該是SUCRA的結果吧？ 這個排序得來最終還是看得出來的值ex. SDM, RR, OR, HR 在校正出來的情況; 有沒有統計學意義是看confidence interval. 根據你的描述,看來就是類似A的校正RR值最高或者最低,但是95%CI非常寬. 這很常見就是因為單一研究或者小樣本研究造成非常突出的結果,但是結果不夠precise. 所以描述上絕對不要寫A最好,只能寫A排序相對佔優,但是因為 1. 來自單一研究. 2. 來自許多結果顯著的小研究 or 等, 解釋上要相對保守,在discussion的地方多mention一點.2. 同上,排序跟統計學意義是看不一

revman是無法做回歸分析的(meta-regression),結案！！！！！！

1. 這個問題應該是可以的也,只是取決在pooling的樣本夠不夠.你可以參考cochrane 那篇,裡面有提到分程度去看結果.first titer, secondary titer, third titer,他就是想要做這個,但是因為樣本數加上文章量不夠,只能做到third titer.2. 直接換算合不合理,這可能問問看你的老闆或者同事,同領域的專家能不能接受,換算的方式如果無法直接兌換,是否用“相對”的概念會好一點？譬如提到的reduction %, 或者就定義100cm改變的幅度等等的.因為你想做的是meta-anaylsis,姑且不論哪種meta,這一定都存在異值性,只是你解釋異值性的方式能不能被接受（被同領域的專家or統計學家接受). 

這個patient global assessments (PGA) in RA,查了一下paper,似乎有很多種解釋方式,不過看cochrane appendix,是直接當作pain來解,看文獻來說,這樣理解應該是沒問題的. PGA-VAS 這個關鍵字google的文章一大堆,其中這篇寫得滿不錯的,你可以參考一下,如果你真的要做RA的pain assessment,似乎得對這相關定義在弄清楚一點

喔喔,原來你無法理解的是這部分...那就更簡單了1986這一篇,在方法學裡面已經幫你定義好了,適用PVAS 10分法評估疼痛,改善超過4分(40%)叫做moderately,改善超過5分(markedly). figure 1 是看五週後的結果, figure 2 是看九週後的結果,病人端自我評估的結果,有顯著改善的“斜線柱”6個人,“空白柱“5個人,直接轉換成為event. 如果還是看不懂,你可以琢磨一下cochrane appendix 5. 那邊(page 38左右)

根據cochrane review的方法學,看起來定義的是滿清楚的. PaPas cochrane guideline裡面有提到個別研究裡面的疼痛評估本來就難以一致,因為只要跟baseline相比有達到30% or 50%減少就可以當作core outcome. Trials我隨便掃了幾篇,都有看到PVAS mean值,雖然沒有辦法求得SD of mean difference,但是用mean difference當作 reduction % 應該是可以的[(pre mean PVAS) - (post mean PVAS)] / (pre mean PVAS) = reduction %

1. 其實文章裡面有寫到了...把連續的VAS score前後結果相比較,看pain relief 的程度  chronic pain studies (Dworkin 2008). These are defined as:  1. at least 30% pain relief over baseline (moderate);  2. at least 50% pain relief over baseline (substantial);  3. much or very much improved on Patient Global Impression  of Change (P

這個問題得好好描述一下,你這前端處理做好了嗎？資料已經先跑過 consistency or network meta了嗎？ 看起來就是interval plot需要的資料格式在你的dataset裡面沒有

contribution plot 這個...如果沒猜錯,您做的應該是network meta-analysis. 簡單來說,這就是去檢驗各個研究結果的權重是由哪些證據得來的,這個stata or R 都可以直接製作的,只是要描述內容就詳見google or 百度了,這得花一點小時間理解. 不過恭喜您,如果reviewer這樣說,代表他有看懂您的文獻

1.对于文献，是否要有一个时间的限制？搜索文献发现有2000年之前的文献，是否需要取舍？一般來說,搜尋文獻要不要有時間的限制就看這個疾病或者治療會不會隨著時間因素而變化很大,如果是癌症治療的OS之類的,這就會是天差地遠的兩個世代2.看文献综述的时候，发现关于率综合，会把RCT研究中的对照组的数据拿出来作为一个率，这样的研究是否纳入？还是只纳入横断面研究的文献？這描述得有點模糊,做meta,一定要有對照組,如果沒有對照組就不用玩了,RCT & Cohort合併作meta是沒有問題的,只是得做亞組分析跟詳細討論3.文献具有异质性比较大的时候，文献数量又较少的情况下，不能做亚组分析，是否是只能做定性的描述，是否有其他的方法来解决这个异质性比较大 的问题。這文獻數量少就有點巧婦難為無米之炊,

這個首先還是把你的coding碼貼上來吧,默認就是發生率低的越好,但是這coding可以改就可以了,很簡單的

blood裡面有很多文章是會議的abstract,一樣是歸類到gray literature,能不能納入,主要還是看提供的information足不足夠,當然可以寫信去問作者後來投哪