meta分析服从的十个原则：
1. 明确Meta分析的主题和类型
可以使用PICO原则来制定研究问题。要确认这一主题是否已有发表的Meta分析，以避免重复工作。
2. 遵循指南开展不同类型的Meta分析
有几个常用的指南，例如，QUORUM声明，MOOSE声明。，目前广泛使用的是PRISMA声明（系统评价和Meta分析优先报告条目）。
3. 确定纳排标准、定义关键变量
应该事先确定好纳入（如研究类型、出版语言等）和排除标准（如最小样本量等）。应该清楚定义出需要从每篇文章中提取的变量。
广泛的纳入标准会增加研究间的异质性，狭窄的纳入标准可能会难以找到研究，要取得均衡。
4. 在不同的数据库中系统检索、提取关键数据
可以在几个数据库中进行系统检索，通常情况下，在多个数据库中检索有助于尽可能找全已发表研究。
从原始文章中充分提取和记录关键数据是进行Meta分析的基础。对纳入研究的质量评估也是一个关键问题，这可以用于确定纳入标准、敏感性分析或研究的差异性加权。
5. 联系原始研究的作者询问缺失数据
原始研究的正文或者附录文件缺乏关键数据也是很常见的，因此需要联系作者获取缺失的数据。
6. 为你的研究问题选择最佳统计模型
通常情况下，Meta分析采用的是固定效应模型或随机效应模型。对于更复杂的数据，也有人提出了多元Meta分析的方法。其他统计操作涉及敏感性分析、Meta回归、亚组分析、异质性检验（如Q或I2）。
7. 使用规范软件进行统计
有几个常用的软件可以用于Meta分析，有的软件是有统计包。可以处理绝大部分Meta分析的任务，甚至是复杂的Meta分析。
8. 记录和研究报告须完整且透明
除了所使用的Meta分析策略的细节之外，检索、纳入标准、筛选出的摘要和纳入研究的数量等数据都很有用，对纳入研究进行的质量评估也很有用。
可以构建一个电子表格，记录筛选标准中的每个步骤，这将有助于构建流程图。描述不同步骤间进展的流程图非常有用，会提高Meta分析的质量。
如果将来需要对该Meta分析进行更新，这些记录也大有用处。此外，说明Meta分析存在的局限性也很重要。
9. 投稿时提供足够的数据
Meta分析的文章中，有一张关于原始研究完整信息的表格，非常有用，可以放在论文的正文中，也可以作为附录文件
10. 针对你的发现建议未来研究方向
讨论部分是Meta分析的重要组成部分，作者应该在目前已有文献和知识体系下对当前发现进行讨论。
Meta分析通常综合了多个原始研究的证据，这些研究需要数年和大量资金，作者可以推荐未来进行原始研究的重要建议。
