目的探討單組率研究含零事件進行 Meta 分析的不同處理方法的統計性能，為正確選擇 Meta 分析方法提供依據。方法梳理分析單組率研究出現零事件時進行 Meta 分析的各種不同轉換方法和校正方法，通過 Monte-Carlo 模擬，設定多種事件發生率下的分析場景，獲得不同 Meta 分析方法點估計值的相對偏倚、置信區間估計的覆蓋率和平均寬度，進而評價其統計性能。結果當總體事件發生率在 30% 以上時，各種方法均表現出較優的統計性能。隨著事件發生率的降低，在不低于 5% 時，對數轉換、Logit 轉換和反正弦轉換方法尚能保持性能良好；但當事件發生率在 5% 以下時，只有 Freeman-Tukey 雙重反正弦轉換在各種情況下依然表現出優越的統計性能。結論單組率研究采用基于 Freeman-Tukey 雙重反正弦轉換的 Meta 分析方法穩健性較高，應作為單組率研究含零事件的 Meta 分析的首選轉換方法。
目的評價罕見事件不同 Meta 分析方法的統計性能。方法整理罕見事件 Meta 分析的常用方法，通過設定多種場景，采用 Monte-Carlo 模擬獲得不同 Meta 分析方法估計結果的絕對百分比誤差、均方根誤差和區間覆蓋率，評價不同方法的統計性能。結果不同場景下，貝葉斯 logistic 回歸模型、廣義線性混合效應模型和連續性校正的絕對百分比誤差和均方根誤差結果接近，但貝葉斯 logistic 回歸模型的區間覆蓋率更高。Mantel-Haenszel 法和 Peto 法在不同場景下的統計性能較差。結論推薦采用貝葉斯 logistic 回歸模型作為罕見事件效應值合并的 Meta 分析首選方法。
