为什么问卷数据需要标准化提取
Meta分析的结论可靠性高度依赖于原始数据提取的准确性。问卷研究通常以均值、标准差、比例或相关系数报告结果，不同文献在量表版本、计分方向与测量时间点上存在差异。若编码口径不统一，不仅会引入测量误差，还会放大研究间异质性，甚至改变效应方向。因此，在正式提取前应制定数据提取手册，预先明确提取变量清单、缺失值处理规则与统计量换算公式，为后续合并分析奠定可复现的基础。
数据提取的标准步骤
- 研究特征编码：记录作者、年份、国家、样本量、抽样方式与人群人口学特征。
- 结局指标提取：优先获取均值与标准差，注明量表名称、条目数及计分区间。
- 统计量换算：由标准误、置信区间、四分位数或t值反推标准差，换算公式需存档备查。
- 信效度记录：摘录Cronbach's α、验证性因子分析拟合指标，用于亚组与敏感性分析。
- 偏倚信息标注：记录无应答率、失访率及是否校正关键混杂变量。
常用提取工具与模板对比
工具选择应匹配团队规模与数据复杂度：
| 工具 | 优势 | 适用场景 |
|---|---|---|
| Excel标准化模板 | 易上手、支持批量修改与下拉校验 | 10篇以内的小型综述 |
| Covidence、Rayyan | 双人独立提取、自动冲突提示与审计轨迹 | 多中心团队协作 |
| R或Python脚本 | 可复现、批量换算与自动绘图 | 大样本量或多结局数据 |
质量控制与报告规范
建议由两名研究者独立提取后交叉核对，分歧通过第三人仲裁解决，并报告Kappa一致性系数。同一研究报告多次随访数据时，应优先选择随访时间最长或校正最充分的结果，避免重复计数。最终在论文附录中公开提取手册、换算公式与缺失数据处理策略，遵循PRISMA清单报告流程，从而提升合并效应量的稳健性与研究的可重复性。