体育学元分析文献质量评价及改进建议

摘要:目的对我国体育学元分析文献进行方法学和报告质量评价，并提出相应的建议。方法检索中国知网

(CNKI)数据库中1993—2019年发表于16本中文体育类核心期刊和1本中文医学类核心期刊上的元分析文

献，最后一次检索日期为2020年1月5日。由2位评价者独立筛查文献，并采用AMSTAR2和PRISMA量表

对纳入文献的方法学和报告质量进行评价。结果共纳入70篇元分析文献，年限跨度为2005—2019年，元分析文献数量逐年增加，质量逐步提高。方法学质量存在的主要问题：未说明元分析的前期方案、文献检索不够全面、未提供排除文献清单及理由、不重视纳入文献质量和偏倚风险对合并效应结果的影响、未解释选择设计类型的原因、忽视相关资金支持报告等。报告质量存在的主要问题：结构式摘要不全面、研究方法质量控制不够严谨、研究结果报告不全、讨论部分不重视偏倚风险和总结证据质量等。结论目前体育学元分析文献在方法学和报告质量上还存在不同程度的问题。建议元分析作者参考元分析的科学规范实施和撰写元分析报告;期刊可从审稿政策上加强对元分析研究的要求，学校开设元分析理论和实践课程，以提高元分析的质量和规范性。

关键词:元分析;体育学;质量评价;偏倚风险;研究方法

元分析也称meta分析，是对多个相似性研究结果进行合并的统计方法，被认为是获得高级别科学证据的方法[1-3]。元分析所提供的定量结论不但比单个研究具有更强的统计力，而且让读者更容易获取大量科学文献的研究成果，是评价当前科学研究成果最有力的工具之一。过去30年，各学科领域发表的元分析文献数量快速增长，一些研究者甚至呼吁在科学研究领域应更多依靠“元分析思维”[4-5]。在体育科学领域，自从张力为等[6]最早在《体育科学》发表《元分析及其在体育科学研究中的应用》一文以来，元分析文献数量也呈逐年增多趋势。然而，由于对这些元分析文献质量缺乏严格评价，体育学元分析论文质量尚不明确。

元分析的质量包括方法学质量和报告质量两部分[7]。方法学质量是指元分析及其过程能否遵循科学标准，有效控制偏倚，提高结果的真实可靠程度;而报告质量可反映元分析报告内容的全面性和完整性，能否缩小实际研究结果与发表结果之间的偏倚，从而提高研究的整体质量[8]。元分析文献作为高质量证据的来源，能为体育科学领域的研究者和决策者提供重要信息，但如果做得不好，也势必降低研究结果的价值，甚至误导决策。虽然李博等[9]评价了我国运动干预类元分析的报告质量，但未评价方法学质量，而且纳入的元分析文献仅涉及运动干预类，未涉及相关分析类。鉴于此，本文选取发表在我国16本体育类

核心期刊和1本中文医学类核心期刊的元分析文献，

采用国际通用的AMSTAR2(ameasurementtooltoassesssystematicreviews2)[10-11]和PRISMA(preferredreportingitemsforsystematicreviewsandmeta⁃

analysis)[12]评价量表对其进行方法学质量和报告质量评价，以揭示体育学元分析文献的质量状况，指出其存在的问题，并提出相应的改进建议。

资料与方法

文献纳入标准

根据研究目的确立文献纳入标准：①元分析类研究即有量化的综合结果;②发表于16本中文体育类核心期刊和1本中文医学类核心期刊(《中国运动医学杂志》);③已完整出版;④文献的语言为中文。文献排除标准：①介绍或概述评价元分析方法，以及定性系统评价;②发表于纳入期刊以外的期刊文献;③未公开发行的文献、研究报告或会议摘要;④文献语言为非中文。

文献来源

文献主要来源于中国知网(CNKI)数据库，涉及《体育科学》《中国体育科技》《北京体育大学学报》《上海体育学院学报》《天津体育学院学报》《体育学刊》《武汉体育学院学报》《西安体育学院学报》《体育与科学》《体育文化导刊》《成都体育学院学报》《广州体育学院学报》《山东体育学院学报》《首都体育学院学报》《沈阳体育学院学报》《体育学研究》(原《南京体育学院学报(社会科学版)》)《中国运动医学杂志》17本核心期刊的数据，涵盖了不同领域的体育学研究成果。

文献检索

检索关键词为“元分析”“meta分析”“meta⁃analysis”“系统评价”“荟萃分析”，这些关键词以“OR”连接。文献检索过程由广州体育学院的1名图书管理员对CNKI上的17本核心期刊进行全面检索。在体育科学领域，张力为等[6]最早介绍元分析在体育科学研究中的应用，故文献覆盖时间为1993—2019年，第1次检索时间为2019年11月25日，第2次检索时间为

2020年1月5日。以《体育科学》为例说明期刊的检索策略：检索式为“元分析ORmeta分析ORmeta⁃analysisOR系统评价”;时间跨度为“1993—2019”;文献来源为“体育科学(精确)”。

文献筛查

文献筛查由本文第二、三作者依据文献纳入标准和排除标准，按照PRISMA步骤分别对题目、摘要和全文进行逐步筛查[13]。若存有分歧，则共同讨论或与第一作者探讨达成一致。

文献数据提取和报告质量评价

通过Excel2010软件建立纳入元分析文献的质量评价信息表。内容包括标题、作者、单位、年份、发表期刊、资金资助、研究领域、元分析类型(试验干预型和相关分析型)、元分析软件等文献基本情况以及AMSTAR2、PRISMA量表各条目内容。其中，在研究领域方面，依据元分析研究内容将其归为运动人体科学(探讨体育运动与机体之间的相互关系)、运动心理学(探讨体育运动中的心理现象和规律)、运动康复学(探讨体育运动在疾病预防、治疗和康复中的作用)、运动训练学(探讨提升运动员竞技表现的训练方法)和体育社会学(探讨体育运动的社会功能、发展规律及其与社会的相互关系)等5个领域。

方法学质量评价。采用AMSTAR2量表[10]评价元分析文献的方法学质量。该量表由加拿大渥太华大学的流行病学专家于2017年对AMSTAR进行重新修订而成，具有较好的评价者间一致性和实用性，包含16个条目，根据评价标准的满足程度对每个条目评价为“是”“部分是”“否”，以判断其方法学质量。

报告质量评价。采用PRISMA量表[13]评价元分析文献的报告质量。该量表是系统评价/元分析报告条目小组(由国际著名专家组成)于2009年制定的相关报告规范，包含27个条目，涵盖标题、摘要、引言、方法、结果、讨论和资金7个维度，各条目被评为“充分报告”记1分，“部分报告”记0.5分，“未报告”记0分，量表最高分为27分。

在数据提取和质量评价之前，先对AMSTAR2量表、PRISMA量表的使用进行培训和预评价，讨论数据提取和评价过程中遇到的问题及分歧。若纳入文献属于相关分析类，不属于试验(干预)类，则评价过程中不考虑AMSTAR2和PRISMA有关试验(干预)的条目。例如涉及PICO(P为研究对象;I为干预措施;C为对照条件;O为结果指标)要素条目，在相关分析类元分析中只评价PO要素。正式文献数据提取和质量评价过程由本文第二、三作者独立完成并交叉核对，共同讨论或与第一作者探讨达成一致。

统计分析方法

通过Excel2010软件逐条记录文献相关信息，并统计AMSTAR2量表评为“是”“否”“部分是”的条目百分比和PRISMA量表评为“完全报告”“部分报告”“完全未报告”的条目百分比，整个文献的报告质量评分用均数表示。同时，采用SPSS23.0软件的线性回归考察文献特征(如文献发表年份、作者数量、合作单位数量和资金资助等)对报告质量的影响。

结果

文献筛查结果

初检共获得相关文献214篇，经逐层筛选，最终纳入70篇。文献筛选流程及结果见图1。

纳入文献基本现状

70篇元分析文献发表时间分布于2005—2019年，发表文献每年呈增长趋势，特别是2016年之后，元分析文献数量显著增加;同时每年文献报告质量分数亦呈显著增加趋势，特别是2009年发布PRISMA报告清单之后，报告质量显著提高(图2)。其中，元分析(或meta分析)文献63篇、系统评价(或系统综述)文献3篇、系统综述/meta分析文献1篇、未标明类型文献3篇。在研究领域方面，运动人体科学文献33篇、运动心理学文献19篇、运动康复学文献6篇、运动训练学文献8篇和体育社会学文献4篇。在70篇元分析文献中，64篇文献属于试验(干预)研究的元分析文献，6篇属于相关性研究文献。在使用的元分析软件方面，使用RevMan软件的37篇，使用Stata软件的14篇，使用CMA软件的9篇，使用GingerALE软件的1篇，未使用软件的9篇。

为了进一步考察元分析报告质量的影响因素，本文以纳入文献的年份、作者数量、合作单位数量以及是否受资金资助为自变量，以报告质量为因变量进行线性回归。结果(表1)显示，只有文献发表的年份这纳入元分析文献的方法学质量评价

采用AMSTAR2量表对纳入文献进行方法学质量评价，结果(表2)显示，较为完整报告的有87.1%的文献采用“适当的统计分析方法进行结果合并分析”(条目11)，61.4%的文献详细描述了“纳入研究的基本特征”(条目8)，74.3%的文献“对异质性结果给予满意的解释或讨论”(条目14)。存在问题最多的是没有1篇文献提供“前期研究方案”(条目2)、解释“纳入研究设计类型的原因”(条目3)、提供“全面的文献检索策略”(条目4)、列取“排除文献清单及排除理由”(条目7)、报告“系统评价纳入研究的资金来源”(条目10)，仅有1篇文献声明了“无潜在利益冲突”。虽然有52.9%的文献使用“合理工具评估纳入研究文献的偏倚风险”(条目9)，然而，仅有8.6%的文献在结果分析(条目12)、17.1%的文献在讨论(条目13)中考虑“纳入研究的偏倚风险对结果的潜在影响”。在文献筛查和数据提取过程中，仅有38.6%的文献由“2人独立完成文献筛选”(条目5)，44.3%的文献由“2人独立完成数据提取”(条目6)，47.1%的文献“充分调查了发表偏倚”(条目15)，52.9%的文献按照“PICO要素设置研究问题和纳入标准”(条目1)。

2.4纳入元分析文献的报告质量评价

采用PRISMA声明对纳入文献进行报告质量评价(表3)。结果显示：95.7%的文献在标题中说明报告了“元分析”“、meta分析”或“系统评价”;虽然大部分文献采用“目的”“方法”“结果”“结论”的结构式报告，但仅有1篇文献摘要进行充分报告。在引言方面，97.1%的文献均能阐述“理论基础”，72.9%的文献均阐明了“研究目的”。在方法上，77.1%的文献能提出“概括效应指标”，88.6%的文献采用合适方法“合成结果”，存在的主要问题是在“纳入标准”(47.1%)“、资料提取”(41.4%)、“信息来源”(14.3%)、“检索”(31.4%)、“研究偏倚”(24.3%)和“其他分析”(25.7%)等条目上充分报告的比例不高，最严重的问题是无1篇文献进行“方案和注册”。在结果方面，85.7%的文献采用合适方法“合成结果”，但在“研究内偏倚风险”(31.4%)、“研究间偏倚”(44.3%)和“其他分析”(40%)等条目上充分报告比例不高。在讨论部分，对“证据总结”充分报告比例仅为22.9%，对研究“局限性”充分报告比例仅为35.7%，特别是无1篇元分析文献评估了自身证据质量和等级，而整个研究的结论及对未来的启示方面报道较全面(77.1%)。在资金方面，67.4%的文献报道了基金来源，但均未报道资助者在完成该研究中所起的作用。

讨论

元分析文献发表情况

本文纳入的70篇文献在发表时间分布上呈递增趋势，特别是2016年之后，体育学元分析文章数量显著增加，表明体育学元分析方法在核心期刊上越来越受到重视。此外，纳入文献的报告质量在时间分布上也呈递增趋势，说明随着元分析技术和软件(如RevMan、Stata、CMA等)的普及，特别是2009年PRISMA标准的制定，研究者逐渐遵循相关报告标准开展元分析和撰写元分析报告。

从纳入文献的标题看，发表元分析(或meta分析)文献数量远远多于系统评价。其中也有些作者误将元分析等同于系统评价。事实上，元分析只是一种统计方法，即将多个相似性的独立研究结果进行合并的统计方法;而系统评价则是运用减少偏倚的策略，严格评价和综合某一具体问题的所有相关研究，元分析可能但不一定是这个过程的一部分[2]。一般认为，包含元分析的系统评价为定量系统评价，不包含元分析的系统评价为定性系统评价[14]。因此，笔者建议体育科学的研究者若在文中采用元分析技术合并了多项研究，并针对该研究问题展开充分讨论和系统述评，则可以“系统评价/元分析”为题目，这样既可以包含定量分析(元分析)，也可以包含定性分析。

本次纳入的元分析文献更多地来自运动人体科学、运动心理学、运动康复学等偏自然科学的领域，而体育社会学等偏向人文社会科学的元分析文献较少，其原因是自然科学的主流研究方法为试验法，可使用定量的数据合并效果量，而体育人文社会科学领域量化研究偏少，难以运用元分析合并研究结果。因此，体育人文领域研究需更多采用定性综合或其他数据综合的方法。例如，施艺涛等[15]采用定性系统评价方法探讨了身体素养的哲学基础、概念界定和测评体系。然而，在体育科学领域，定性的系统评价研究仍较少，未来应加强这方面的系统评价研究。

元分析文献的方法学质量评价

偏倚风险是影响元分析质量的主要因素，方法学质量评价主要是评估在元分析实施过程中如何控制偏倚。本文采用AMSTAR2对体育学元分析文献[10-11]进行方法学质量评价，发现大部分文献能采用适当的统计分析方法合并结果，但也存在以下几方面不足。

(1)未提供元分析计划书和注册号。研究者在开展元分析前应确定详细周密的研究计划，同时，为保证研究透明化，还应在系统评价的注册平台注册研究计划，并在撰写元分析招募时解释元分析实施过程中与事前确定的研究计划不一致情况。研究方案预注册的目的在于避免研究者根据自己的需要选择性报告研究结果，避免摘取与使用数据过程中的随意决策给结果带来偏倚风险，以促进研究诚信和研究细节的透明，这种公开透明的开放性研究是未来的趋势[16-17]。目前，国际上有不少研究者将自己元分析的数据与代码公开，如在OSF开放平台以及斯坦福大学的Metalab(http：//metalab.stanford.edu)可查询到元分析的方案和原始数据。在国内，研究者也逐渐意识到研究方案预注册的重要性，如《心理学报》鼓励预注册(https：//osf.io/)。遗憾的是，本文纳入文献无1篇进行方案注册，其主要原因是体育学相关期刊尚未鼓励和提供注册平台，研究者也尚未形成对方案注册重要性的意识。鉴于此，目前国内研究者若要进行研究注册，可在国外平台如OSF(https：//osf.io/)和PROSPERO