目的研究Meta分析中如何對各個研究的偏倚進行量化并進行估計。 方法在隨機效應模型中，假設納入Meta分析中各個研究的效應量服從不同形狀參數的偏正態分布，通過引入形狀參數對偏倚進行量化，再利用馬爾科夫估計和極大似然估計對總體效應量、表征偏倚的參數以及異質性方差進行估計。 結果在模擬計算中，當效應量yi服從不同形狀參數的偏正態分布時，總體效應量較效應量yi服從正態分布時更接近真實值；形狀參數不同的偏態分布下研究間異質性對總體效應量的影響比形狀參數相同的偏態分布和正態分布下研究間異質性對總體效應量的影響小；在實例分析中，總體效應量估計值的95%置信區間的長度比效應量yi服從正態分布時的短。 結論由于將各個研究的偏倚納入Meta分析隨機效應模型中，通過將各個研究的偏倚進行量化，進而去除因偏倚引起的異質性對總體效應量造成的影響，使得總體效應量的估計值更接近真實值。
介紹一種基于隨機效應模型的累積Meta分析合并效應量的簡便計算方法。首先計算出基于前k個研究的異質性方差和基于前k個研究的合并效應量后，當獲得第k+1個研究的觀測效應量時，采用遞推方法直接計算基于前k+1個研究的異質性方差和相應的合并效應量。在每納入一個新的研究后，重新進行一次遞推運算，使用遞推公式快速計算出新的異質性方差和相應的合并效應量。這種遞推計算的優點是計算簡便且計算效率高，且無需編程實現。