假设，一个巨头公司现在有了一种很有希望的重磅药物。按照“最基本经济理论”，该药的药效越好，可治疗的疾病越多，该药卖得越好。于是巨头开始开展一系列的临床试验。按照道理来说所有的前期数据已经齐备，那么为什么这些药物有时候并不像认为的那么好，甚至根本无效果呢？

    这就是荟萃分析需要关心的话题：在分析特定问题的时候，荟萃分析还需要了解每个临床试验的设计。

    回到文章开始的假设，解释这个问题有两点，首先该药物的筛选范围较广，其次前期的试验可能完成得过早，一些问题并没有完全暴露出来。这就是数据的广度、强度和时效性的问题。虽然很多的实验都是随机的并有阳性或安慰剂作为对照，病人的例数往往也比较大，但多数的实验设计的对照或比较较差，往往试验是间接对照的。

    举个例子，TNF抗体药物（anti-tumor necrosis factor agents）目前（至2009年4月）在全球约有1100万使用者，而且很贵，但对应的临床试验则少得可怜。在 clinicaltrails.gov上注册的并发表的试验仅有54个（约20942人），41个实验（9984例病人）完成试验但未发表；所有搜索到的实验仅有5个属于“头对头”比较，并且根本没发表。还有32个实验有对照药物，剩余的药物都是安慰剂作对照或根本没有治疗。这些药物仅有34%的试验是发表过数据的。6种TNF抑制剂和7种对照品形成的42个“药对”仅有22个是比较过的。仅有的临床数据却产生了34个系统比较或荟萃分析。12个分析是一对一比较的，22个是多（个TNF抑制剂）对一（个阳性对照药）的，没有任何一个比较是一对多的。

    所以，证据的强度、广度及时限性是每个系统评价必须注意的问题。尽管荟萃分析要提出一个精确的问题，但分析者必须清楚地了解该问题与其他相关问题之间的关系。复杂的研究产生复杂的数据，狭窄的视野将会导致片面的看法，并可能错过许多有意思的解释。（编译：李秋实）

参考文献：《British Medical Journal》2010;340:c4875