文献类型：期刊文献

中文题名：网状Meta分析中的偏倚风险评估工具概览与思考

英文题名：Overview and perspectives on risk of bias assessment tools in network meta-analysis

作者：郑卿勇[1,2];许建国[1,2];刘明[1,2];周泳佳[1,2,3];李腾飞[1,2,3];袁开森[1];张也[4];唐筱[4];刘佳[5];李莫兰[4];王娜[4];王钢[6];张俊华[7,8];田金徽[1,2,9]

第一作者：郑卿勇

机构：[1]兰州大学循证医学中心,兰州大学基础医学院,兰州730000;[2]甘肃省循证医学重点实验室,兰州730000;[3]甘肃中医药大学护理学院,兰州730000;[4]兰州大学第一临床医学院,兰州730000;[5]兰州大学第二临床医学院,兰州730000;[6]甘肃省中医院,兰州730050;[7]天津中医药大学循证医学中心,天津301617;[8]国家药品监督管理局中医药循证评价重点实验室,天津301617;[9]中国医学科学院循证评价与指南研究创新单元,兰州730000

第一机构：兰州大学循证医学中心,兰州大学基础医学院,兰州730000

年份：2025

卷号：25

期号：5

起止页码：584

中文期刊名：中国循证医学杂志

外文期刊名：Chinese Journal of Evidence-based Medicine

收录：;北大核心:【北大核心2023】；

基金：2023年中央财政转移支付地方项目“中医药循证能力建设”(编号:2101704);天津杰青项目:循证中医药证据智能转化方法研究(编号:20JCJQJC00120)。

语种：中文

中文关键词：网状Meta分析;偏倚风险评估工具;方法学;挑战

外文关键词：Network meta-analysis;Risk bias assessment tools;Methodology;Challenges

摘要：如何科学、全面地评估偏倚风险是网状Meta分析(NMA)中亟需解决的核心问题。NMA通过整合直接和间接证据,能够比较多种干预措施的相对效果,但其分析结果易受到偏倚风险的影响,尤其在复杂网络结构中,偏倚传递效应更为显著。本文系统梳理了NMA中常用的偏倚风险评估工具及其在干预试验、观察性研究、诊断试验和动物实验中的应用现状,分析了现有工具的适用性、局限性及其在NMA中的主要挑战。针对当前工具误用、混用及整体偏倚评估工具缺乏的问题,本文提出优化工具操作流程、提升评估标准化及易用性等建议。此外,人工智能与大语言模型的迅速发展为偏倚风险评估带来了新机遇,可显著简化复杂评估流程并减少人为干扰。未来,通过开发适用于NMA的专用工具并结合智能化技术,将进一步提升NMA研究的科学性与准确性,为医学研究和临床决策提供高质量的证据支持。
Accurately assessing the risk of bias is a critical challenge in network meta-analysis(NMA).By integrating direct and indirect evidence,NMA enables the comparison of multiple interventions,but its outcomes are often influenced by bias risks,particularly the propagation of bias within complex evidence networks.This paper systematically reviews commonly used bias risk assessment tools in NMA,highlighting their applications,limitations,and challenges across interventional trials,observational studies,diagnostic tests,and animal experiments.Addressing the issues of tool misapplication,mixed usage,and the lack of comprehensive tools for overall bias assessment in NMA,we propose strategies such as simplifying tool operation,enhancing usability,and standardizing evaluation processes.Furthermore,advancements in artificial intelligence(AI)and large language models(LLMs)offer promising opportunities to streamline bias risk assessments and reduce human interference.The development of specialized tools and the integration of intelligent technologies will enhance the rigor and reliability of NMA studies,providing robust evidence to support medical research and clinical decision-making.