网状Meta分析结论形成的方法:最小背景化框架

作     者：栗梦婷 朱鸿飞 后亮瑛 王琪 田金徽 陈耀龙 杨克虎 邓宏勇 曾力楠 张伶俐 Romina Brignardello-Petersen 葛龙 LI Mengting;ZHU Hongfei;HOU Liangying;WANG Qi;TIAN Jinhui;CHEN Yaolong;YANG Kehu;DENG Hongyong;ZENG Linan;ZHANG Lingli;Romina Brignardello-Petersen;GE Long

作者机构：兰州大学公共卫生学院社会医学与卫生事业管理研究所兰州730000 兰州大学公共卫生学院循证社会科学研究中心兰州730000 兰州大学基础医学院循证医学中心兰州730000 甘肃省循证医学与临床转化重点实验室兰州730000 兰州大学健康数据科学研究院兰州730000 世界卫生组织指南实施与知识转化合作中心兰州730000 GRADE中国中心兰州730000 上海中医药大学中医健康协同创新中心上海201203 四川大学华西第二医院药学部成都610041 四川大学华西第二医院循证药学中心成都610041 出生缺陷与相关妇儿疾病教育部重点实验室成都610041 麦克马斯特大学卫生研究方法、证据和影响力系加拿大汉密尔顿L8S4L8 

出 版 物：《中国循证医学杂志》 (Chinese Journal of Evidence-based Medicine)

年 卷 期：2021年第21卷第9期

页      面：1102-1109页

核心收录：

学科分类：10[医学] 

基　　金：国家重点研发计划项目(编号:2019YFC1709805) 甘肃省科技计划项目(编号:20CX4ZA027、20CX9ZA112) 

主　　题：网状Meta分析 GRADE方法 结果呈现 最小背景化框架 

摘      要：网状Meta分析的最大优势在于可量化比较针对同一疾病的不同干预措施,并按某一指标对其优劣进行排序。多种干预措施的纳入增加了网状Meta分析结果解读的复杂性,仅基于排序结果进行解读可能会存在误导性。目前,对网状Meta分析结果的解读尚无公认的标准。2020年11月,GRADE工作组基于网状Meta分析的GRADE分级结果,提出了2种网状Meta分析结论形成的方法:部分背景化框架(partially contextualised framework)和最小背景化框架(minimally contextualised framework)。本文结合具体实例,旨在对最小背景化框架的方法、原理和步骤进行介绍,以期为网状Meta分析制作者采用该方法呈现和解读结果提供指导。