Meta分析是一种可靠的证据合并统计方法，常常被用于综合、全面的评价干预的安全性和有效性。然而对于安全性结局，往往由于单个研究样本量的限制以及较小的事件发生率，使得试验组和（或）对照组观察到的安全性事件较少，甚至为零事件的情况。通常将这类Meta分析归类为罕见事件Meta分析。由于观察的事件数较少，导致结果的不确定性大幅增加。最直接的表现在于使用不同的合并方法，极有可能得到完全不同的结果，使得证据的可信度大打折扣。
自1930年著名统计学家Cox提出的连续性校正法以来，当代统计学家们已提出了不下于50种方法，但对罕见事件的处理目前仍然缺乏一种完美的解决方案。由于可选择性的多样化，以及相关方法学指南的缺乏，导致许多研究人员在进行Meta分析过程中对罕见事件数据的处理是随意的、武断的、甚至主观的。这将导致一个严重后果：利益相关方可选择一种对他们有利的方法去合并数据，从而得到对他们有利的研究结论。那么如何去防止这种现象，最大程度保护患者利益？
知名统计学家Sweeting等提出一种解决方案：他们提倡至少使用3种及以上的方法去合并数据，以保证结果的透明性和稳定性。这种方法在一定程度上能避免上述利益冲突导致的偏倚，但仍然存在致命缺陷：作者仍然可以选择有利于他们的三种方法，去获得对他们有利的研究结果。并且还可能“助纣为虐”，他们可以谎称他们的结果是由多种方法得来的，结果可靠性较高！这可能会加剧对患者利益的侵犯。
第二种可靠的解决方案是研究人员在获取数据之前就指定证据合并方法，并将方法公之于众。这样能一定程度阻止相关研究人员选择对他们有利的方法———在没获得数据之前，他们无法获知哪种方法对他们最有利。这就需要研究人员提前制定研究计划(protocol)。PROSPERO是当前国际上最大的系统评价、Meta分析研究计划注册平台，据Tawfik等人的估计，目前约有71.3%的系统评价、Meta分析在PROSPERO上注册。
本研究通过网页爬虫技术，抓取了PROSPERO平台上注册的关于安全性的系统评价的研究计划，并通过文本识别相关技术，抓取这些研究计划的证据合并方法部分的内容。然后通过两位统计学家对这些研究计划的证据合并方法进行评价，总结提前制定证据合并方法的研究计划的比例，同时概括计划所使用的针对罕见事件的证据合并方法。
结果
本研究共获取1004篇以安全性作为唯一结局或者安全性作为主要结局指标的研究计划。第一作者来自54个国家，分布图如下：
研究计划注册的数量近年来有急剧增加的趋势（下图）。
主要结果表明，在1004篇研究计划里，仅119（11.85%）篇指定了罕见事件数据处理方法。这些方法包括：M-H法、Peto法、连续性校正法、广义线性混合模型法、贝叶斯法、Fisher确切概率法、余弦转换法等（下图）。其中，M-H法、Peto法、连续性校正法三种是被提及最多的方法。这119篇研究计划中，仅5篇提及了如何处理“双臂零事件”的研究。进一步回归分析结果表明，以安全性作为首要结局、有更多作者参与的研究计划，更可能提前指定罕见事件数据处理方法。
最后，作者们进一步在讨论部分对这些方法进行详细的介绍，并对不同方法的优缺点进行了深入讨论。该研究发表在循证医学方法学&临床流行病学顶级期刊，Journal of clinical epidemiology。
更详实的报告，请参见原文，连接如下：https://www.jclinepi.com/article/S0895-4356(20)31109-4/fulltext
