人生匆匆几十年，人们总会偶尔发生短路，许下一个个无法实现的承诺，事后还能列举不下
10
个理由诉说着自己的身不由己。
转眼间已经是
7
月了，这说明天气越来越热了。当然，武汉及周边城市的人民情况更加严重，他们不仅火热，还遭受水深的肆虐。在此，向受灾民众表示衷心的祝福，希望生活能尽快回归往常的状态。现在是
7
月
10
号，说明了什么？它还说明了
2016
年已经过去一大半了！高考和中考都结束了！！
你们可能会说，这跟我都没有半毛钱关系啊？我是来学习
meta
分析的。没错，我们也是来介绍
meta
分析的。我想问问大家，
2016
已经过去一半了，你还记得当初的承诺吗？是谁对小伙伴豪言
3
个月学会
meta
分析，是谁信誓旦旦地向导师保证说要在
PLOS ONE
、
Medicine
、
Scientific reports
灌上一两滴水，是谁毅然决然地在论坛上直播
meta
分析学习情况，希望得到同道的支持？
然并卵，这些豪言壮语在太阳再一次升起的时候就已经烟消云散了。古人有云“虎头蛇尾”，然而，这些连尾巴都退化了。那么，究竟是什么造成了计划的中断、承诺的失效？不是“没时间”、“没人教”、“找不到选题”、“实习
/
实验很忙”……而是没有正确认识自己为什么要学习
meta
分析和用错了学习方法！
这里给大家分享
meta
分析的学习经验，以供参考：
1
、明确学习
meta
分析的目的，这个十分重要，因为它决定着花多少时间和精力去学习。如果只是为了发文章而学习
meta
分析，那么学习一些理论知识，然后参考高质量的文献依葫芦画瓢就可以了，
模仿总是比原创简单。
2
、学习
meta
分析的基本知识，包括
meta
分析的起源、发展和应用，弄清楚什么是
meta
分析、
meta
分析能做什么、
meta
分析的流程是什么。这是比较简单的，
花几天时间
在网上找找
meta
分析的相关
PPT
基本上就了解了。
3
、掌握
meta
分析需要用到哪些统计分析方法（异质性分析、效应值合并、亚组分析、敏感性分析、发表偏倚检验等），以及它们的作用和目的。这些东西就比较难了，看
PPT
是远远不够的，还需要阅读大量的文献（高质量的
meta
分析和介绍这些统计方法的文献），同时还需要跟别人讨论交流。这需要
1-2
个月，时间的长短与学习目的、学习积极性和灵活性有关
。
4
、学习软件操作，这个是最欺负人的。聪明的人自学软件，
Stata
、
R
和
Revman
都有很强大的帮助文件，让用户可以自主学习。然而，大部分人的做法是在网上找教程，这些人往往只能学会一些常规操作（当然，对于以发文章为目的来说是足够了），要做一些个性化的图表或分析，马上就束手无策了。还有的人遇到问题就在网上提问，然而问题都没说明白，结果帖子当然像泰坦尼克号那样沉没了（虽然他们会挣扎着，努力着“顶”、“不要沉啊”）。依葫芦画瓢，不管是图文教程还是培训班，手把手的操作演示，学会的都是别人交给你的东西，有可能第二天就忘了。
学会一个软件只需
1-2
天，然而熟练运用一个软件可能需要
1-2
月，甚至
1-2
年
。
5
、选题和实战。这就是拼刺刀的关键时候，是对专业知识、文献检索能力、
meta
分析的认识、方法学的掌握、软件操作、文献阅读和英文写作的综合考验。
有的人一周就完成了，有的人花了一年也仍然在路上
。