临床论文材料与方法：Meta与RCT筛选策略

引言Introduction

临床论文里，最容易出问题的不是结果，而是材料与方法。筛选标准不清，数据库检索不全，数据提取不一致，都会直接拉低研究可信度。对医学生、医生和科研人员来说，掌握Meta与RCT的筛选策略，就是提高论文质量的第一步。

1.Meta分析中的材料与方法怎么写

1.1 先把研究问题定义清楚

Meta分析的材料与方法，核心不是“写满”，而是“写准”。第一步要明确PICOS。也就是研究对象、干预或暴露、对照、结局和研究设计。

如果PICOS不清，后面的检索、筛选、合并效应量都会失去边界。
例如在预后Meta中，常见做法是先定义疾病类型，再限定指标来源和测量时间点。比如治疗前血清指标，和治疗中、治疗后指标，不能混在一起。否则异质性会明显升高。

写材料与方法时，建议按以下顺序展开。

1. 研究对象。
2. 检索数据库。
3. 纳入和排除标准。
4. 数据提取与质量评价。
5. 统计学方法。

这样的结构最清晰，也最符合审稿人的阅读习惯。

1.2 检索策略决定文献上限

Meta的证据质量，首先取决于检索是否完整。数据库检索应尽量覆盖英文和中文主流来源。常见包括PubMed、Web of Science、Embase、Cochrane Library，以及中文数据库。

检索式要同时包含主题词和自由词。
这是很多初学者最容易忽略的地方。只用一个词，容易漏文献。只靠关键词，也可能检索到大量无关内容。更稳妥的做法是把疾病名称、指标名称、研究类型等组合起来，再用AND、OR进行逻辑连接。

建议在方法部分交代清楚以下信息。

• 检索数据库名称。
• 检索时间范围。
• 检索截止日期。
• 关键词和主题词组合方式。
• 是否限制语言。

如果文章按照PRISMA流程写作，审稿人会更容易判断检索是否规范。

1.3 纳入排除标准要可执行

纳入和排除标准不是“写原则”，而是“写操作”。标准越模糊，筛选越不稳定，重复性也越差。

纳入标准应尽量客观、可验证。
常见包括以下几类。

• 病理或影像明确诊断。
• 研究对象符合预设人群。
• 暴露或干预明确。
• 提供可提取的效应量，或可换算的数据。
• 研究类型符合要求，如队列研究、病例对照研究、RCT等。

排除标准也要具体。

• 病例报告、综述、会议摘要。
• 重复发表。
• 数据不完整，无法提取HR、OR或RR。
• 非目标人群研究。
• 动物实验或体外实验。

最重要的是，纳入和排除标准必须前后一致。
不能在筛选时临时改规则，也不能为了纳入更多文献而放宽标准。否则结果会失真。

2.RCT论文中的筛选策略怎么写

2.1 受试者筛选要体现随机化前的一致性

RCT的材料与方法，重点在“谁能进来，谁不能进来”。受试者筛选要围绕诊断标准、年龄范围、疾病分期、合并症、治疗史等展开。

随机化之前的筛选，是RCT内部效度的基础。
如果纳入对象异质性太大，即使随机分组，也可能削弱组间可比性。临床试验中常见的问题是，研究对象标准过宽，导致疗效信号被稀释。

因此，方法部分建议明确写出。

1. 诊断标准。
2. 纳入标准。
3. 排除标准。
4. 退出或脱落标准。
5. 伦理批准和知情同意。

这几项是RCT写作的基本盘。缺一项，文章完整性都会受影响。

2.2 随机方法和分配隐藏不能省略

很多RCT的最大漏洞，不在结果，而在分组方法。随机化如果写得含糊，比如只写“随机分组”，没有说明具体方法，就很难判断偏倚风险。

随机序列生成和分配隐藏，是两个不同概念。
随机序列生成，回答的是“怎么随机”。
分配隐藏，回答的是“随机结果如何在分组前不被提前知道”。

常见写法包括。

• 随机数字表法。
• 计算机随机序列。
• 封闭不透明信封。
• 中央随机系统。

如果是高质量RCT，最好同时说明分配隐藏是否实施。因为它直接关系到选择偏倚控制水平。

2.3 盲法、对照和样本量要写全

RCT材料与方法里，盲法和对照设计决定了研究可信度。不是所有临床试验都能做双盲，但至少要说明采用了哪种盲法，或者为何无法实施。

对照组的设置要符合临床逻辑。
常见包括安慰剂对照、常规治疗对照、阳性对照。具体用哪一种，取决于研究目的和伦理可行性。

样本量估算也不能省。
一个合格的RCT方法部分，最好写明：

• 主要结局指标。
• 预设效应量。
• 检验水准。
• 把握度。
• 失访率预估。

没有样本量估算，研究很容易被认为存在设计不足。尤其是医生主导的小样本试验，审稿人会重点看这一项。

3. 筛选流程如何提升文章质量

3.1 文献筛选要可追踪

无论是Meta还是RCT，筛选流程都要做到可追踪、可复核。Meta研究中通常会用流程图展示文献筛选路径。RCT虽然不一定用同样流程图，但受试者流转也应清楚记录。

筛选不是结果展示，而是方法透明化。
Meta中，常见流程包括：

• 数据库检索。
• 去重。
• 标题摘要初筛。
• 全文复筛。
• 最终纳入。

RCT中，常见流程包括：

• 评估合格。
• 入组。
• 随机分组。
• 随访。
• 分析。

如果这些步骤清楚，读者就能判断研究是否存在选择偏倚或失访偏倚。

3.2 数据提取和质量评价要标准化

材料与方法中，数据提取部分常常被写得过于简单。实际上，这一步决定了后续分析是否可靠。

数据提取最好由两名研究者独立完成。
若有分歧，再由第三人裁决。这样可以降低人为错误。
提取内容通常包括：

• 基线特征。
• 研究对象数量。
• 干预措施。
• 结局指标。
• 随访时间。
• 不良事件。
• 统计结果。

对Meta来说，质量评价工具也应写明。
队列研究可用NOS。
RCT可用Cochrane偏倚风险工具。
如果没有质量评价，文章会显得方法不完整。

3.3 统计方法要和研究设计匹配

统计学方法不能只写软件名称。比如“采用SPSS分析”远远不够。方法部分必须说明使用了什么效应量、什么模型，以及如何判断异质性。

Meta常见统计要素包括效应量、异质性和发表偏倚。
常见效应量有HR、OR、RR和MD。
异质性常用I²和Q检验判断。
发表偏倚可用漏斗图、Egger检验或Begg检验评估。

RCT则更强调：

• 组间比较方法。
• 计量资料和计数资料的处理方式。
• 是否进行意向性分析。
• 是否处理缺失值。

这些内容写得越完整，越能体现研究设计严谨性。

4. 常见错误与修正思路

4.1 只写流程，不写标准

很多论文把方法写成“我们检索了数据库，筛选了文献”。这种写法信息量太低。审稿人看不出标准，也无法复现研究。

正确写法应该是“流程+标准+工具”同时出现。
比如：

• 检索哪些数据库。
• 用什么关键词。
• 按什么标准纳入排除。
• 谁来筛选。
• 如何解决分歧。

这样才符合科研写作要求。

4.2 只写结果，不写方法依据

有些文章结果很漂亮，但方法部分缺少依据。比如不说明为什么选择某个时间点，不说明为什么使用随机效应模型，不说明为何做亚组分析。这样的研究很难说服读者。

方法部分的价值，在于解释“为什么这样做”。
不是只描述操作，而是交代选择逻辑。
这是Meta和RCT写作中最容易被低估的一点。

总结Conclusion

临床论文的材料与方法，决定了研究能不能被信任。Meta要重视检索、筛选、质量评价和统计模型。RCT要重视入组标准、随机化、盲法、对照和样本量。方法写得越清楚，论文越容易通过审稿，也越能经得起复现。 如果你希望把这些环节写得更规范、更像高质量临床研究，可以借助解螺旋的科研写作与论文优化服务，快速补齐方法学短板，提升文章可发表性。