在做Meta分析时，我们常常在结果部分看到一幅类似“森林图”的图，但标题却写着——Sensitivity Analysis（敏感性分析）。
很多人第一次看到时会问：“这图看上去和森林图差不多，它到底有什么用？”
今天我们就来聊聊，Meta分析中的敏感性分析图该怎么看、怎么看出问题、怎么看出结论稳不稳。
什么是敏感性分析？
在Meta分析中，我们汇总了来自不同研究的结果，但这些研究往往存在差异——比如样本量不同、质量参差不齐、统计方法略有不同。
敏感性分析（Sensitivity Analysis）就是在问这样一个问题：“如果我把某些研究拿掉，结果还一样吗？”换句话说，它是在检验我们的结论是否稳健（robust）。如果删掉某个研究，合并效应值（如OR、RR、SMD）变化不大，那就说明结果稳定；反之，如果删掉某个研究，结果立刻翻转或变化明显，那就说明这个研究对整体结果敏感，也意味着整体结论可能不够稳健。
常见的敏感性分析方法
在文献中，我们常见的敏感性分析方式主要有以下几种：
逐一剔除法（Leave-one-out analysis）：最常见的形式。研究者依次去掉每一个研究，再重新计算合并结果。结果通常以一张图展示——横轴是效应值（如SMD、OR），纵轴是各个研究名称。
高低质量研究对比分析：将高质量研究与低质量研究分别合并，看两者结果是否一致。
固定效应 vs 随机效应模型比较：如果两种模型下结论一致，也能说明结果稳健。
敏感性分析图怎么看
以下是两个典型的 Stata敏感性分析图（逐一剔除法 Leave-one-out）：
图中元素解读：
横轴（Effect estimate）：显示每次去掉一篇文献后重新计算的合并效应值（例如OR、SMD等）。
黄圆点（Estimate）：当前剔除该研究后的合并效应。
左右短线（CI limits）：对应的95%置信区间。
三条竖线（总体效应线）：基于所有研究的总体合并结果。
怎么判断稳不稳？
结论稳健的表现：
所有黄点（Estimate）都紧贴总体效应线。
置信区间宽度变化不大，且均未跨越无效线（如OR=1、SMD=0）。
说明删除任意研究后，整体效应几乎不变。
结论不稳的表现：
某个研究被剔除后，效应值大幅漂移（黄点远离竖线）。
或置信区间明显变宽/跨过无效线。
说明该研究对整体结论影响较大，需关注其样本量、设计质量或数据特异性。
出现敏感性高怎么办？
如果分析结果不稳，不代表Meta分析“失败”，而是提示你需要更深入地挖掘异质性来源：
做亚组分析（Subgroup analysis）：看是否某类研究特征（如地区、设计类型）造成影响。
做Meta回归（Meta-regression）：探索连续变量的影响（如样本量、发表年份等）。
在结论中说明“结果对个别研究敏感，解释应谨慎”。
总结
敏感性分析不是装饰，而是Meta分析“自检”的关键一步。它告诉我们，结论是否真的稳得住。
本号专注分享公共数据库科研干货与最新研究动态，除了上述内容外，对挖掘公共数据库做临床研究感兴趣的同学，也可点击下方链接进行阅读或者留言你感兴趣的内容！
推荐阅读：