本人在校护理硕士生一枚，研究生期间或者临床工作中怎么高效发表影响因子2分以上的SCI或者护理类的CSCD文章呢？
开展量性研究难以找到足够数量的病人，开展质性研究又不懂收集信息的方法，写一般的综述文章质量又不高，总之费时又费力。
什么是MeTa分析？
对于护理专业的我们来说，一提到Meta分析，就闻风而逃。通过文献搜索发现护理类的Meta分析论文占据比例很少。
Meta分析是综述一类，也是系统评价的一部分，是在原始文献的基础上进行荟萃、归纳总结，得出结论的一种研究。
 
下面让我们进入主题，如何掌握Meta分析写作技巧让你快速发表SCI或CSCD，让新手的你轻轻松松拿下SCI或CSCD论文。有人甚至将Meta写作比作八股文，只要拿捏住套路，教你成为Meta写作届的大神。
 
1. 选题指导
具备
①选题具体，不要太宽泛；
②选择未解决、有争议性的题目；
③关于该选题的原始研究文献较多三大前提条件。
遵循PICO原则：Patients(患病人群)+Intervention(干预和治疗措施)+Comparison(对照)+Outcomes(结局指标)
本人归纳总结了四大护理类Meta分析的选题模板：
(一)临床路径在XX患者中应用效果的Meta分析。如临床路径在糖尿病患者中应用效果的Meta分析
(二)XX护理(方式/干预)对XX患者影响的Meta分析。如延续护理对乳腺癌化疗患者自我管理能力影响的Meta分析
(三)XX治疗(预防)XX的Meta分析。如软聚硅酮敷料治疗放射性皮炎的Meta分析
(四)XX危险因素(影响因素)的Meta分析。如肿瘤患者PICC置管相关静脉血栓形成危险因素的Meta分析
如果大家明白了PICO原则，试试看选一个新颖的题目吧！
2. 文献检索
2.1 检索数据库
(一)中文检索库：中国知网(CNKI)；万方；中国生物医学文献服务系统(CBM)
(二)英文检索库：PubMed、Web of science、EMbase、Scopus、The Cochrane Library
2.2 检索策略
中文检索词首选CBM找到主题词，同义词；英文检索词推荐使用CNKI翻译助手，出现频率次数最高的一般为主题词。
不同数据库特点采用相应检索式进行检索。确保检索全一定要遵从主题词与自由词结合检索方式。在此推荐人卫出版的《医学文献检索与论文写作》，书内有中英文各个数据库的具体检索方法还有写作技巧，非常实用！
Tips：文献检索，质量评价，数据提取等一定要双人进行，如意见不统一，由第三人定夺。采用NoteExpress结合Endnote文献管理软件和预先制定的资料提取表管理和提取研究资料。
 
3. 统计分析
采用Review Manager软件进行Meta分析。计数资料采用相对危险度(relative risk，RR)为效应指标，计量资料采用均数差(mean difference，MD)为效应指标。无统计学异质性(P＞0.1，I2＜50%)，采用固定效应模型进行Meta分析；存在统计学异质性(P＜0.1，I2＞50%)时，则要分析异质性来源，在排除明显临床异质性的影响后，采用随机效应模型进行Meta分析。明显的临床异质性采用亚组分析或敏感性分析等方法进行处理，或只行描述性分析。
Ps：Meta统计分析操作建议参考人卫出版的《Meta分析软件应用与实例解析》
 
4. 结果分析
谨记以下四点：
(一)一定要详细汇报文献筛选流程图，包括查重和剔除的原因；
(二)纳入研究的基本特征表要严格遵循PICO原则汇报；
(三)纳入研究的偏倚风险评价，六类研究类型的评价工具：
①随机对照试验(RCT)采用Cochrane5.1.0系统评价员手册
②类实验性研究采用JBI循证卫生保健中心评价工具
③队列研究采用循证卫生保健中心评价工具
④病例对照研究采用JBI循证卫生保健中心评价工具
⑤横断面研究采用JBI循证卫生保健中心评价工具
⑥现况调查类研究采用JBI循证卫生保健中心评价工具
5. 模板导航
Meta写作的主题框架、句式也有套路可循。
现推荐三大接收护理类Meta分析的期刊：
(一)中文类：首推中国循证医学杂志、循证护理杂志、中华护理杂志
(二)英文类：推荐Internatinal Nursing Study
以上期刊的模板，里面的方法学部分非常的正规和详细，我觉得大家可以搬用句式进行修改。
Tips：建议尽量多引用你准备要投的期刊内收录的参考文献，这对你后期不被拒稿非常有用。
希望以上经验和技巧对有意写Meta分析的伙伴有用，
大家可以利用疫情宅家时间多发高质量的SCI和CSCD文章！
姓名：李思情
单位：中山大学护理学院
推荐阅读
加群：各种专科护理微信群，赶紧加入
投稿：欢迎护士相关的原创稿件投稿
关注：按护士科室分类的微信公众号
买书：

importPythonMetaasPMAdefshowstudies(studies,dtype):#show continuous dataifdtype.upper()=="CONT":text="%-10s%-30s%-30s\n"%("Study ID","Experiment Group","Control Group")text+="%-10s%-10s%-10s%-10s%-10s%-10s%-10s\n"%(" ","m1","sd1","n1","m2","sd2","n2")foriinrange(len(studies)):text+="%-10s%-10s%-10s%-10s%-10s%-10s%-10s\n"%(studies[i][6],#study IDstr(studies[i][0]),#mean of group1str(studies[i][1]),#SD of group1str(studies[i][2]),#total num of group1str(studies[i][3]),#mean of group2str(studies[i][4]),#SD of group2str(studies[i][5])#total num of group2)returntext#show dichotomous datatext="%-10s%-20s%-20s\n"%("Study ID","Experiment Group","Control Group")text+="%-10s%-10s%-10s%-10s%-10s\n"%(" ","e1","n1","e2","n2")foriinrange(len(studies)):text+="%-10s%-10s%-10s%-10s%-10s\n"%(studies[i][4],#study IDstr(studies[i][0]),#event num of group1str(studies[i][1]),#total num of group1str(studies[i][2]),#event num of group2str(studies[i][3])#total num of group2)returntextdefshowresults(rults):text="%-10s%-6s%-18s%-10s"%("Study ID","n","ES[95% CI]","Weight(%)\n")foriinrange(1,len(rults)):text+="%-10s%-6d%-4.2f[%.2f%.2f]%6.2f\n"%(# for each studyrults[i][0],#study IDrults[i][5],#total numrults[i][1],#effect sizerults[i][3],#lower of CIrults[i][4],#higher of CI100*(rults[i][2]/rults[0][2])#weight)text+="%-10s%-6d%-4.2f[%.2f%.2f]%6d\n"%(# for total effectrults[0][0],#total effect size namerults[0][5],#total N (all studies)rults[0][1],#total effect sizerults[0][3],#total lower CIrults[0][4],#total higher CI100)text+="%dstudies included (N=%d)\n"%(len(rults)-1,rults[0][5])text+="Heterogeneity: Tau\u00b2=%.3f"%(rults[0][12])ifnotrults[0][12]==Noneelse"Heterogeneity: "text+="Q(Chisquare)=%.2f(p=%s); I\u00b2=%s\n"%(rults[0][7],#Q test valuerults[0][8],#p value for Q teststr(round(rults[0][9],2))+"%")#I-square valuetext+="Overall effect test: z=%.2f, p=%s\n"%(rults[0][10],rults[0][11])#z-test value and p-valuereturntextdefmain(stys,settings):d=PMA.Data()#Load Data classm=PMA.Meta()#Load Meta classf=PMA.Fig()#Load Fig class#You should always tell the datatype first!!!d.datatype=settings["datatype"]#set data type, 'CATE' for binary data or 'CONT' for continuous datastudies=d.getdata(stys)#load data#studies = d.getdata(d.readfile("studies.txt"))  #get data from a data file, see examples of data filesprint(showstudies(studies,d.datatype))#show studiesm.datatype=d.datatype#set data type for meta-analysis calculatingm.models=settings["models"]#set effect models: 'Fixed' or 'Random'm.algorithm=settings["algorithm"]#set algorithm, based on datatype and effect sizem.effect=settings["effect"]#set effect size:RR/OR/RD for binary data; SMD/MD for continuous dataresults=m.meta(studies)#performing the analysisprint(m.models+" "+m.algorithm+" "+m.effect)print(showresults(results))#show results tablef.forest(results).show()#show forest plotf.funnel(results).show()#show funnel plotif__name__=='__main__':samp_cate=[#this array can be stored into a data file by lines, and loaded with d.readfile("filename")"Fang 2015,15,40,24,37","Gong 2012,10,40,18,35","Liu 2015,30,50,40,50","Long 2012,19,40,26,40","Wang 2003,7,86,15,86","name=short term","Chen 2008,20,60,28,60","Guo 2014,31,51,41,51","Li 2015,29,61,31,60","Yang 2006,21,40,31,40","Zhao 2012,27,40,30,40","name=medium term","#"," ","#This is a sample of binary data with subgroup.","#Syntax: study name, e1, n1, e2, n2","#e1,n1: events and number of experiment group;","#e2,n2: events and number of control group.","#And you can add a line of  to hide the Overall result."]samp_cont=[#this array can be stored into a data file by lines, and loaded with d.readfile("filename")"Atmaca 2005, 20.9,  6.0,  15,  27.4,  8.5,  14","Guo 2014,    12.8,  5.2,  51,  11.9,  5.3,  51","Liu 2010,    23.38, 5.86, 35,  24.32, 5.43, 35","Wang 2012,   15.67, 8.78, 43,  18.67, 9.87, 43","Xu 2002,     15.49, 7.16, 50,  21.72, 8.07, 50","Zhao 2012,   12.8,  5.7,  40,  13.0,  5.2,  40"," ","#This is a sample of continuous data.","#Input one study in a line;","#Syntax: study name, m1, sd1, n1, m2, sd2, n2","#m1, sd1, n1: mean, SD and number of experiment group;","#m2, sd2, n2: mean, SD and number of control group."]#sample 1: dichotomous datasettings={"datatype":"CATE",#for CATEgorical/count/binary/dichotomous data"models":"Fixed",#models: Fixed or Random"algorithm":"MH",#algorithm: MH, Peto or IV"effect":"RR"}#effect size: RR, OR, RDmain(samp_cate,settings)#sample 2: continuous datasettings={"datatype":"CONT",#for CONTinuous data"models":"Fixed",#models: Fixed or Random"algorithm":"IV",#algorithm: IV"effect":"MD"}#effect size: MD, SMDmain(samp_cont,settings)

。
目前
基
金
项
目
:
湖
北医
药
学院
2010
年
教
学
研究
项
目
(
2010017
)
;
湖
北
医
药
学院
2011
年
度
优
秀
中
青
年
科
技
创
新
团
队
项
目
(
2011
CZX01
)
。
作
者
单位
:
442000
十
堰
，
湖
北医
药
学院
附属
太
和
医院口
腔
医学
中心
(
曾
宪涛
)
;
香港
中
文
大学医学院
内
科
及
药物治疗
学
系
心
脏科
(
Joey
S．
W．
Kwong
)
;
北京军区总医院第
二
门
诊
部
(
田
国
祥
)
;
苏州
大
学
附属
第一医院
骨
科
(
董圣杰
)
通
讯
作
者
:
田
国
祥
，
E-
mail
:
tian-
gx@
126．
com
doi
:
10．
3969
/j．
issn．
1674-
4055．
2012．
02．
002
常用的
Meta
分
析
程
序
包
有
metafor
、
meta
、
rmeta
等
，
可
以
完
成
二分
类
及
连
续
性
变
量的
Meta
分
析
外
，
还
可
以
行
Meta
回
归
分
析
、
累积
Meta
分
析
、
非参数
剪
补
法
识
别
和
校正
有
发表
偏倚
导
致
的
漏斗
图的不
对
称
及
对
发表
偏倚
的
Begg＇s
检
验
和
Egger＇s
检
验
。
同
时
可
以
绘
制
森
林
图
、
漏斗
图
、
星
状
图
(
radial
plot
)
、
拉
贝
图
以及
Q-
Q
正
态
分
位
图
(
Q-
Q
normal
plot
)
。
其
中
，
Metafor
程
序
包
是
R
软
件
Meta
分
析
程
序
包
中
唯
一可
以
进
行
混
合
效
应
模
型
(
包括
单
个
、
多个分
类
或
连
续
性
调
节
变
量
)
拟
合
运
算
的
。
据
悉
，
R
有
取
代
SPSS
而
与
Stata
、
SAS
并
列
为
新的
三
大
统计
学
软
件
的
趋
势
。
2
非
编
程软件
2．
1
Review
Manager
Review
Manager
(
RevMan
)
是
国
际
Co-
chrane
协
作
网
制作
和
保
存
Cochrane
系
统
评
价
的专用
软
件
，
其
独
特的
功
能
是
可
以
与
Archie
服务
器
连
接
［
5
］
。
RevMan
由
北
欧
Cochrane
中心
制作
和
更
新
，
基
于
的
操
作
系
统
有
操
作
系
统
还
有
Windows
、
Linux
和
Mac
。
当前
最新
版
本
为
5．
1．
6
，
任何
非
商
业
目
的的
使
用
者
均
可
免费
下
载
及
使
用
(
http
:
/
/ims．
cochrane．
org
/revman
/download
)
。
RevMan
5．
1
与
之
前
版
本
相
比
，
界
面
更加方
便
友
好
，
能够
输
入
中
文
，
增
加
了
风
险
偏倚
评
估
工
具
表
(
rsik
of
bias
tables
)
、
证
据
结果
总
结
表
(
summary
of
findings
ta-
bles
)
、
计
算
器
(
calculator
，
可
输
入
效
应量
、
可
信
区
间
、
标
准
误
、
Z
值
、
P
值
进
行
效
应
值
的
转化
)
、
PRISMA
文
献
检
索
流
程
图
、
森
林
图
小
数
位
数
(
2
位
与
4
位
间
)
的调
整
等
。
RevMan
软
件
中
设置
了
干
预
措施
系
统
评
价
、
诊
断试验
精
确
性
系
统
评
价
、
方法
学
系
统
评
价
和
系
统
评
价
汇
总
评
价
4
类格
式
，
支持
Windows
、
Linux
和
Mac
OSX
操
作
平
台
，
可
绘
制
森
林
图
及
漏斗
图
，
但
不
能
行
Meta
回
归
分
析
、
累积
Meta
分
析
、
Begg＇
S
检
验
、
Egger＇
S
检
验
及
绘
制
拉贝
图
等
。
RevMan
是所
有
Meta
分
析
软
件
中
唯
一可
与
GRADEprofil-
er
软
件
相
互
导
入
进
行
证
据
等
级
评
级
的
软
件
［
1
，
6
］
。
RevMan
是
当前
医学
领域
应用最
为
广
泛
的
Meta
分
析
软
件
。
2．
2
Comprehensive
Meta-
Analysis
Comprehensive
Meta-
Analy-
sis
(
CMA
)
软
件
是
由
美
国国
家
卫生
研究
院
(
NIH
)
资
助
、
由
英
国
和
美
国
Meta
分
析
领域
公
认
的
一
群专家
制作
并
进
行
维
护
、
更
新的
一
款
专
程
设
计
进
行
Meta
分
析
软
件
，
当前
最新
版
本
为
2．
1
［
7
］
。
CMA
为
是
一
款
商
业
软
件
，
学
术
目
的
购买
完
整
版
为
99
美
元
/
年
、
终
身
版
795
美
元
，
用
户
可
从
http
:
/
/www．
meta-
analy-
sis．
com
/pages
/demo．
html
免费
下
载
体
验
版
试
用
30
d
。
CMA
基
于
的
系
统为
Windows
，
界
面
友
好
，
能够
输
入
中
文
，
主
要
包括
数
据
输
入
(
data
entry
)
、
数
据
分
析
(
data
analysis
)
和高
分
辨
率
图
形
(
high
resolution
plots
)
三
个
版
块
。
CMA
包
除
可
以
完
成
二分
类
及
连
续
性
变
量的
Meta
分
析
外
，
还
可
以
行
Meta
回
归
分
析
、
累
计
Meta
分
析
、
单
组
率
Meta
分
析
、
剔
除
单
个
研究
行
敏
感
性
分
析
，
但
不
能
行
诊
断试验
的
Meta
分
析
;
可
调
整
小
数
位
数
、
绘
制
森
林
图
、
漏斗
图
等
;
可
行
Begg＇
s
检
验
和
Egger＇
s
检
验
。
CMA
是
目前
非
编
程
软
件
中
唯
一可
同
时
行
随机与
固
定
效
应
模
型
、
自
动
剔
除
单
个
研究
行
敏
感
性
分
析
、
及
将
多
种
类
型数
据
(
如
二分
类
/
连
续
性
变
量
与
OR
值
)
合
并
分
析
的
软
件
。
·
9
8

我们在进行Meta分析时，可能经常碰到数据不完整的情况，这时我们需要联系原始研究的作者，中文水平大家都很好，英文邮件该怎么表达？

今天，小编分享一封万能模板，供大家参考！

 

 

Dear Dr./Prof.XXX,

Hope this e-mail finds you well.

My name is XXX and I'm a researcher from XX/XX.（先进行自我介绍） 


文章剩余类容<<<<<