详细功能列表
使用电子表格界面
自动计算治疗效果（或效果大小）
快速准确地进行荟萃分析
只需单击一下即可创建高分辨率森林图
报告
视频教程
预测区间
常见错误以及如何避免它们
使用累积荟萃分析来了解证据如何随时间变化
使用“Remove-One”分析来衡量每项研究的影响
使用数据子集
在研究中处理多个亚组或结局
评估调节变量的影响
评估发表偏倚的潜在影响
使用电子表格界面
直接输入数据或从其他程序导入数据
您可以直接在电子表格中键入数据，就像使用任何基于电子表格的程序一样。或者，如果您当前正在使用其他程序进行元分析，则可以直接从该程序复制数据或使用向导导入数据。
如果我在研究中有多个亚组或结局怎么办？
该程序允许您使用报告多个亚组、结果、时间点或比较数据的研究。该程序可以轻松输入这些研究的数据，并提供许多在分析中使用它们的选项。
自动计算治疗效果（或效果大小）
在每项荟萃分析中，您从每项研究的已发表汇总数据开始，并计算治疗效果（或效应量）。例如，如果一项研究报告了每组中的事件数，则可以计算比值比。或者，如果研究报告了均值和标准差，则可以计算标准化均值差。这种计算效应大小的过程通常既繁琐又耗时。在某些情况下，特别是当研究以不同格式呈现数据时，该过程也很困难且容易出错。
使用CMA，该过程快速而准确
使用 CMA，您可以输入已发表研究中报告的任何汇总数据，程序会根据该汇总数据计算效应大小。例如，您可以输入事件和样本量，程序将计算比值比。或者，您可以输入均值和标准差，程序将计算标准化均值差。这里显示了三个示例（从一百多个选项中选择）。
如果我的数据采用其他格式怎么办？
如果您的研究以其他格式报告数据怎么办？也许您的研究只报告了 p 值和样本量。或者，您有研究报告了比值比和置信限。对于任何其他程序，您需要在进行分析之前计算每项研究的效应大小和方差。相比之下，CMA 允许您输入几乎任何类型的数据——它包括 100 种数据输入格式，类似于上面显示的三种。只需在列表中找到您的数据类型，CMA 就会在电子表格中创建相应的列。
程序使用什么公式来计算这些效果？
若要查看用于计算效果大小的公式，请双击该效果大小。程序将打开一个对话框，其中显示使用的确切公式以及该特定行的计算的所有详细信息。
如果我想使用其他治疗效果指标怎么办？
在上面显示的一个示例中，我们输入了事件和样本量，程序计算了比值比和风险比。如果您更愿意使用风险比率怎么办？或者，如果您想计算与比值比相对应的标准化平均差怎么办？在另一个示例中，我们输入了均值和标准差，程序计算了标准化的平均差。如果您希望使用原始均值差，或者计算与标准化均值差对应的相关性，该怎么办？
CMA 允许您使用您选择的索引，并在索引之间来回切换。
例如，如果您输入了事件和样本数量，程序将计算比值比、对数比值比、风险比、对数风险比、风险差、标准化均数差 （d）、偏差校正标准化均数差 （g）、相关性和 Fisher z 值。或者，如果输入均值和标准差，程序将计算原始均值差、标准化均值差 （d）、偏差校正标准化均值差 （g）、相关性、Fisher z、对数比值比和比值比。
这些示例是受支持的格式和索引的子集。
如果不同的研究报告了不同类型的数据呢？
上面，我们展示了您可以自定义数据输入屏幕以接受几乎任何类型的数据。但是，哪些不同的研究提供了不同类型的数据？例如，如果一项研究报告了事件和样本量，而另一项研究报告了比值比和置信区间，该怎么办？如何将这两种数据导入程序？
CMA 允许您混合和匹配不同的数据格式。您可以输入前几项研究的事件和样本数量，然后输入接下来几项研究的比值比和置信区间，其他研究的对数比值比与方差等。或者，您可以输入某些研究的均值和标准差，为其他研究输入 p 值，为其他研究输入 t 值，依此类推。您可以根据需要使用多种数据格式自定义电子表格。该程序将计算它们中的每一个的效应大小，并（在可能的情况下）允许您将它们全部包含在同一个分析中。CMA 是唯一提供此功能的程序。
如果我的部分（或全部）研究包括前期、后期或交叉设计怎么办？
CMA 包括 20 多种前后或交叉设计的模板，这特别重要，因为否则可能难以计算这些设计的标准误差。而且，您可以将这些研究与仅使用后测试的研究混合和匹配。
如果我已经计算了效应大小怎么办？
如果您已经计算了效应大小及其方差（或标准误差），则可以直接输入这些值（与输入任何其他格式的数据相同）。
我可以混合二进制、连续和相关数据吗？
如上所述，该程序允许您以多种格式输入汇总数据——例如，一项研究的事件和样本量以及另一项研究的比值比和置信区间。但在这个例子中，两项研究都使用了二进制数据。如果一些研究报告了二元数据（事件和样本量），而另一些研究报告了连续数据（均值和标准差）或相关数据，该怎么办？
该程序能够在这些不同类别的数据之间进行转换。它将在比值比、标准化均数差和相关性之间进行转换，以便所有这些都可以用于同一分析。
如果我的研究着眼于点估计而不是效应大小或治疗效果，该怎么办？
虽然大多数荟萃分析使用效应量（评估两个变量之间的关系），但有些分析用于估计一组的风险、比率或平均值（例如，“莱姆病的风险是多少？CMA 也将处理这些效应（或点估计）。
我可以对回归权重进行荟萃分析吗？
是的。除了能够使用公认的效应（例如比值比和平均差）之外，该程序还能够使用通用点估计值，这些估计值可以在其原始量表或对数量表上进行分析。
快速准确地进行荟萃分析
只需单击一下即可运行核心荟萃分析，并创建一个显示，作为后续所有操作的路线图。
此显示是一个交互式森林图，可以清楚地了解数据 - 分析中包括多少研究，每个研究的精确度如何，研究之间的效果是否一致或不同研究之间差异很大，等等。然后，您可以根据需要自定义此显示。添加或删除列，设置计算选项，打开包含其他统计信息的表。以下是一些示例。
显示研究权重
只需单击一下，您就可以包含一个列，显示分配给每个研究的相对权重。通过这种机制，可以清楚地看到综合效应是许多研究的函数，还是主要由一小部分研究驱动的。
选择计算模型
单击选项卡以选择固定效应模型或随机效应模型。您还可以同时显示两者，这样可以查看两个模型之间的点估计值和置信区间有何不同。
了解计算模型如何影响研究权重
该程序还将并排显示固定效应分析和随机效应分析的相对权重。这有助于解释为什么当我们从固定效应模型转向随机效应模型时，组合效应会发生变化（参见论文）。
自定义分析屏幕
您可以完全控制为每个研究显示的统计数据。您可以显示基本统计数据，例如效应大小、标准误差和置信限。您可以显示计数，例如每个组的事件和样本大小。您可以显示每个研究的诊断，例如残差（从研究到组合效应的距离）。
选择效应大小的索引
工具栏包括一个下拉框，其中列出了处理效果（或效果大小）的所有可用索引。当您选择效应大小（如比值比或标准化均数差）时，所有统计数据、权重和图形都会自动更新。
显示计算的所有详细信息
所有计算都显示在电子表格上。您可以查看此电子表格并实际跟踪计算的所有详细信息。如果您使用自己的电子表格进行荟萃分析，则可以将此电子表格与您自己的电子表格进行比较。这也是一种独特的教学工具。
只需单击一下即可创建高分辨率森林图
任何荟萃分析的一个关键要素是森林图——该图显示了每项研究的效应大小和精度以及综合效应。这张图为分析提供了一个面孔——它显示了综合效应是基于少数研究还是许多研究，效应大小是一致的还是变化的，等等。因此，森林图在帮助研究人员理解数据以及将发现传达给他人方面发挥着核心作用。
大多数其他荟萃分析程序使用为其他目的开发的图形引擎，并将它们投入使用以创建森林图。相比之下，CMA 中的绘图引擎是专门为荟萃分析而开发的。它非常易于使用，并提供了广泛的重要选项。
一键创建高分辨率绘图，然后自定义绘图上的任何元素。为研究、子组和整体效果选择一个符号。（可选）指定符号的大小应与研究权重成正比，以便易于发现对组合效应贡献最大的研究。为图表上的每个元素设置颜色和字体，然后一键导出到 Word™ 或 PowerPoint™！
将绘图导出到 PowerPoint™
只需单击一下，您就可以打开 PowerPoint™ 并插入当前幻灯片的副本。整个过程大约需要2秒钟。
报告
只需单击一下，程序将创建一个文档，以适合发布的格式报告所有统计数据。
只需再次单击，程序将对本文档进行注释，并解释所有统计数据的含义以及假设和限制
第三次单击，程序会将此文档导出到 Word
如需报告样本， 请单击此处。
视频教程
我们制作了案例研究视频，展示了如何从头到尾进行分析。这包括如何输入数据、如何运行分析、如何创建绘图、如何比较不同子组中的效应大小等。
至关重要的是，视频的每个部分现在只解释了如何执行特定功能，但这些功能在分析上下文中的作用，以及如何理解统计数据的含义。
每个案例研究大约持续 90 分钟。您可以从头到尾观看一个，以了解如何执行荟萃分析并正确报告。或者，从程序中的任何屏幕，您可以跳转到视频中解释该屏幕上所有功能的部分。
预测区间
在任何荟萃分析中，报告平均效应量以及不同研究的效应量差异程度都很重要。这种离散度由预测区间解决。例如，这使我们能够报告平均效应量是 0.50 的标准化平均差，但在任何单个人群中，真实效应量可能低至 0.05 或高达 0.95。现在，许多报告荟萃分析的指南都要求纳入预测区间。
在版本 4 中，程序提供了将预测区间显示为森林图一部分的选项。此外，只需单击一下，您就可以创建一个图，显示真实效果的整个分布。只需再单击一下，您就可以将其导出到 Word 或 PowerPoint。
常见错误以及如何避免它们
我们最近出版了一本名为《荟萃分析中的常见错误以及如何避免它们》的书
本书包括选择统计模型、与异质性相关的统计数据、比较研究亚组、发表偏倚等领域的错误。
在程序的任何屏幕上，您可以单击一个链接，该链接将打开包含书籍相关部分的 PDF。
使用累积荟萃分析来了解证据如何随时间变化
累积荟萃分析实际上是一系列荟萃分析，其中序列中的每个分析都包含一项额外的研究。例如，分析中的第一行可能包括 1990 年发表的研究，下一行可能包括 1990 年和 1991 年发表的研究，依此类推。累积荟萃分析可以回顾性地进行，以显示证据体系如何随时间变化（例如，参见 Lau 研究），也可以前瞻性地进行，在完成新研究时将其添加到证据体系中（参见分娩示例）。
虽然累积荟萃分析最常用于跟踪证据随时间的变化，但它也可用于显示证据如何随着其他因素的变化而变化。例如，我们可以按研究规模对数据进行排序并运行累积分析。在这种情况下，该程序将显示仅包含最大研究（朝向顶部）的综合效应，以及随着较小的研究被添加到分析中，这种效应如何变化（参见被动吸烟示例）。同样，我们可以从更高质量的研究开始，看看随着其他研究的增加，效果如何变化。
使用“Remove-One”分析来衡量每项研究的影响
作为敏感性分析的一部分，我们可能希望评估每项研究对综合效应的影响。例如，异常值或特别大型研究对综合效应有何影响？或者，一项小型研究是否有任何影响？
为了解决这类问题，程序将自动运行除第一项研究之外的所有研究的分析，然后是除第二项研究之外的所有研究，依此类推。生成的图一目了然地显示了每项研究的影响。
此外，您还可以选择在删除任何研究或研究集的情况下运行分析 - 这些研究可以按名称或调节变量的值进行选择。
使用数据子集
运行分析时，您可以按任何变量或变量组合进行选择（或按其过滤）。您可以按研究名称包含或排除研究。您可以纳入被评为“是”的“双盲”研究。您可以纳入年龄编码为“老年人”且患者类型编码为“慢性”的研究。
在研究中处理多个亚组或结局
该程序允许您输入研究中多个亚组、结果、时间点或比较的数据，并提供在分析中处理这些数据的各种选项。
评估调节变量的影响
当效应大小因研究而异时，荟萃分析的一个重要目标可能是了解这种变化的原因。
使用方差分析来评估分类调节因素的影响。例如，“治疗对急性患者比对慢性患者更有效吗？”或“家庭作业是比辅导更有效的干预措施吗？”
使用元回归来评估连续调节变量的影响。例如，“治疗效果是否随剂量的增加而增加？”，或者“效果大小的大小是否与学生的年龄有关？
评估发表偏倚的潜在影响
荟萃分析提供了对可用数据的数学上准确的综合，但可能有人担心重要研究比非重要研究更有可能发表，因此可用数据库可能存在偏差。该程序包括一组函数，可用于评估这种偏差的潜在影响，作为一种敏感性分析。
全面的元分析
"Comprehensive Meta‐Analysis software is like a magic wand. The simple and clear interface (like an Excel sheet) will guide you to do complicated meta‐analysis within only a few clicks. The comprehensive formats included in the software allow researchers to input the data in various ways. It provides clear outputs and high‐resolution graphs which can be imported to Microsoft Word. I especially love the feature that shows you the calculation steps so you can check whether you’ve run it correctly. It also provides advanced sub‐group analysis, moderator analysis, meta‐regression, and publication‐bias analysis. This software is a lifesaver! Meta‐analysis becomes very easy with the help of Comprehensive Meta‐Analysis. I am sure I will use this software for upcoming meta‐analyses in the future."
Jih‐Hsuan Lin (Tammy), Ph.D. Candidate - Media and Information Studies Program, Department of Telecommunication, Information Studies and Media, Michigan State University, East Lansing, MI
"I absolutely loved this program. Without it, I don't know how I would have gotten this series of metaanalyses done, let alone published (see attached). Very easy to use, many great features, and lots of support from you all (i.e., the emails about updates, training opportunities, etc.)."
Robert A. Schug, Ph.D. - Assistant Professor of Criminal Justice and Forensic Psychology, Department of Criminal Justice, California State University, Long Beach
"As a behavioral scientist who is newly developing expertise in using meta‐analysis, I have found CMA to be an invaluable tool. It is user‐friendly, but avoids superficiality and provides me with all the necessary technical depth I need. I have found CMA to be an outstanding program."
James MacKillop
"CMA has been a huge asset in my research on motivation and self‐regulation. I have used this software to conduct multiple meta‐analyses, each requiring different and multiple formats of effect size. CMA surpassed my needs and expectations every time. The software is really "comprehensive" yet exceptionally user‐friendly. Fellows and students have learned to use it in just one sitting. I highly recommend CMA to any researcher wishing to conduct meta‐analysis in a highly effective and efficient manner."
Patrick Gaudreau, Ph.D. - Professeur agrégé/Associate Professor Université d'Ottawa/University of Ottawa École de Psychologie/School of Psychology Ottawa, ON, Canada
"I am an advanced graduate student in clinical psychology, and CMA software was integrated into a meta‐analysis course I recently took. I feel very fortunate to have been trained in meta‐analyses at a time when we have this software because CMA is easy and, I dare say, fun to use. Rather than spending countless hours computing my own effect sizes and creating syntax, the program did it for me, which allowed me to spend my time really looking at the data, both graphically and numerically. I bought CMA for myself and would recommend it to anyone looking to learn the art of meta‐analysis."
Rachel Hershenberg
"I am impressed with the ease or simplicity of the Comprehensive Meta‐Analysis, not only in data entry but also the data generated. Unlike some of the free software available for meta‐analysis, I found the Comprehensive Meta‐Analysis user‐friendly, generating clear graphs and effect sizes. I took a long time to work out some of the free software available by some of my colleagues and found them very userunfriendly, confusing, and the graphs generated not easy on the eye. After chancing on Comprehensive Meta‐Analysis during a Google search and having a go at it during the free trial, I was keen to get my hands on it and have recommended it to some of colleagues. It is definitely worth getting it as it makes meta‐analysis non‐daunting and non‐scary especially for students pursuing their Masters or PhDs."
Li Whye Cindy, NG
"CMA has been the vehicle to get me started with my PhD! A meta‐analysis is the optimal starting point, as it allows you to clearly see the state‐of‐the‐art in your field and pose new questions. CMA, with its self‐explanatory, user‐friendly platform is the kind of software you would hope to be using for your meta‐analyses! Now my students are starting off their journeys in research by performing a metaanalysis using CMA!"
Dr. Papadatou‐Pastou Marietta - Lecturer, University of Athens
综合 荟萃分析
综合荟萃分析（CMA）是一个功能强大的荟萃分析计算机程序。该程序将易用性与广泛的计算选项和复杂的图形相结合。