RevMan Web 入门：录入研究数据并制作 Meta 分析森林图

RevMan Web 是 Cochrane 的综述写作与分析工具。它能把研究条目、结局数据、分析设置和森林图放在同一工作区，但“软件能合并”并不表示这些研究在方法上适合合并。开始前应已有明确的综述问题、纳入标准和分析计划。

开通访问并建立综述

RevMan Web 通过网页使用，访问权限取决于 Cochrane 身份、个人订阅或机构安排。获得账号后，进入有权限的项目组合，新建综述，设置标题、综述类型和协作者。不同角色可执行的操作并不相同。Cochrane 新用户演示展示了注册、创建综述和添加作者；项目管理文档说明了权限差异。

本文以一个完全虚构的二分类结局练习：两项研究分别比较甲、乙两种方案，结局是预先定义的某事件是否发生。练习表可以先在纸上核对：

在录入任何数字之前，先明确研究单位与结局时间点。例如“30 天内发生事件”与“住院期间发生事件”不能因为名称相似就直接合并；“甲组”必须在每项研究中指向同一类干预。多臂研究、交叉试验或同一研究的多篇报告还需要额外处理，下面的两组二分类示例不能直接套用。

这些数字只用于认识“事件数与总人数”的录入位置，不代表真实研究或疗效。实际提取时要核对结局定义、测量时间、分析人群及多篇报告是否来自同一项研究。

图 1：先核对研究与结局的可比性，最后才看合并图；示例不代表真实疗效。

录入研究与预先定义分析

先在综述中建立纳入研究，并按方案填写干预、比较和结局。Cochrane 建议在方案阶段规划综合方式；RevMan 可按研究级数据建立分析，也提供手工输入分析。前者有利于在不同分析中复用同一项研究的数据。预定义分析指南说明了两种方式。

为练习结局选择二分类数据类型，并逐项填入事件数与总人数。每行检查事件数不能大于该组总人数，两组方向不能录反，时间点也要一致。随后按照预先确定的方法设置效应指标、固定或随机效应模型等参数。不要因为某个设置给出更“显著”的结果就临时改方案；模型选择与异质性解释应参照Cochrane Handbook 的 Meta 分析章节。

可以先手算单项研究的事件风险作核对。练习研究 A 中，甲组为 8/40 = 0.20，乙组为 12/40 = 0.30；若选风险比，甲对乙的点估计是 0.20/0.30 ≈ 0.67。这只验证了事件方向和基础算术，没有包括置信区间、研究权重或合并方法。若软件显示相反方向，先检查甲乙组是否填反，而不是马上接受森林图。研究 B 同理应由 6/35 与 9/35 开始核对。

选择效应指标时要区分风险比、比值比、风险差，不要把它们统称“相对危险度”。同一研究在不同指标下的数字和解释并不相同。随机效应模型也不是“更保险”的万能选项；它改变了合并估计的含义，不能解决研究设计差异、偏倚或结局定义冲突。若几项研究不适合定量合并，采用有结构的叙述性综合可能更合适。Cochrane Handbook详细讨论了选择方法与解释结果的前提。

一张森林图至少要核对五件事

风险偏倚评价要与效应估计一起阅读。若某项研究存在重要的随机化、失访或结局测量问题，森林图中的方块位置不会自动提醒读者这些缺陷。应把方法学判断和数值核对作为不同工作步骤，再合并解释。

阅读并导出森林图

打开分析的图形视图，逐项核对研究名称、甲乙组顺序、效应方向、每项研究的区间和合并估计。森林图中心的方块与横线分别展示估计值和不确定性范围；合并结果不能弥补原始研究质量低、结局不一致或重要偏倚。RevMan 图形文档说明了如何把森林图加入综述；导出说明介绍了 SVG 和 PNG 文件导出。

保存图后，再检查正文中的分析编号、结局名称和数值是否与当前版本一致。用于投稿的图是展示材料；研究提取表、分析设定、排除与风险偏倚记录才让结果可以复核。正式医学结论需要结合方案和专业方法审查，不能从这张练习图得出。

RevMan 的分析设置或底层数据更新后，应重新核对正文叙述和已导出的图片，避免图文版本不一致。若稿件中引用了多个结局，文件名可以包含综述缩写、结局和导出日期；不要只存成 forest-final.png。交给共同作者时同时提供提取表、分析设定、风险偏倚记录与图，便于逐项复查。RevMan 的结果报告说明介绍了图与正文分析结果的关联方式。

用反向核对法检查一张图

除了从提取表向软件录入，还可以从森林图向原始研究“倒着查”：任选一行研究，回到 RevMan 的数据表，再回到原始论文表格，确认研究 ID、事件定义、分子分母、分析人群和时间点。对重要结局尽量由第二位成员独立核查全部研究行。发现一项研究的结局方向与其他研究相反时，不应只翻转图形显示；先确定“事件”究竟是获益还是不良结果，再统一所有研究的定义。

固定效应与随机效应模型的结果可能不同，异质性统计量也不能单独告诉我们差异来自哪里。可预先计划按研究设计或人群差异做敏感性分析，但不要在观察到结果后反复尝试许多分组，再只报告有利的一组。若某项研究缺少可用的事件数，记录其缺失原因和可能的其他数据形式，不应将其简单填成 0。Cochrane Handbook强调合成方法应服务于预先定义的问题。

交稿前做最后一轮一致性检查：摘要中的研究数量与全文、森林图一致吗？正文说“风险比”而图实际显示的是“比值比”吗？效应方向、置信区间和“不确定”的措辞是否匹配？这几项文字错误，往往比图像导出分辨率更影响读者理解。

对于虚构的两项研究练习，最好的学习结果不是得到一个“显著”或“不显著”的合并值，而是能说清每个输入格的来源、为什么两项研究可以或不可以合并、换一种合理模型时结果是否稳健。正式综述还需遵循预先注册或公开的方案，并让数据提取、偏倚评价和统计方法分别接受复核。

参考资料

• Cochrane：RevMan 新用户演示
• RevMan：预定义分析
• Cochrane Handbook：数据合成与 Meta 分析