メタアナリシス（meta-analysis）とは、複数の研究の結果を統合し、より高い見地から分析すること、またはそのための手法や統計解析のことである。メタ分析、メタ解析とも言う。ランダム化比較試験（RCT）のメタアナリシスは、根拠に基づく医療 (EBM) において、最も質の高い根拠とされる^[2]。メタ分析は科学的総合の重要な部分だが^[3]、メタ分析を理解せずに結論を受け入れるのは危険である^[4]。

メタアナリシスという言葉は、情報の収集から吟味解析までのシステマティック・レビューと同様に用いられることがある^[5]。厳密に区別する場合、メタアナリシスはデータ解析の部分を指す^[6][5]。また、メタアナリシスとシステマティックレビューをまとめてリサーチ・シンセシスとも言う。

20世紀初頭の1904年の報告書にて、イギリスの統計学者のカール・ピアソンが、臨床試験の結果をメタアナリシスによって最初に分析したとされている^[7]。その後1920年代には、イギリスの統計学者のロナルド・フィッシャーが農業の分野で複数の研究の分析の方法を挙げて、1935年には著書で発表した^[7]。

1971年には、ノーベル化学賞とノーベル平和賞の受賞者である化学者ライナス・ポーリングが、ビタミンCの摂取は風邪の予防や治療に効果があることは、4件のランダム化比較試験を統合した結果によって裏付けられているとしている^[8]。これは医学における初期のメタアナリシスのひとつに数えられるものである^[9]。なおこの予防効果については賛否両論のある形で研究が続いてきた^[10]。

1976年には統計学者のジーン・V・グラス（英語版）がメタアナリシスという用語を「複数の研究を統合して分析する」という意味で説明し、その数年後には医学分野で盛んに採用されるようになった^[7]。また、1990年代初頭までには「文献を偏りなく探索する」システマティックレビューという言葉との混用が見られるようになった^[7]。

2020年、人工知能を使ったメタアナリシスの迅速な作成方法が発明された^[11]。

メタアナリシスは、研究の抽出とプール解析の手順を踏む。この際に、主観的あるいは恣意的なバイアスを避けるのは、ランダム化比較試験（RCT）からの連続である^{[要説明][12]}。

• 研究の抽出:見つかった研究全てを対象とする。恣意的に研究を抽出することを避ける^[13]。
• プール（pool）:データを結合し、治療群と対照群それぞれのエンドポイントの平均値を算出する。
• 効果量（英語: effect size）の算出:治療群と対照群の平均値の差異を標準偏差で割る。効果量の値が、治療がプラスになるのかマイナスになるのかの客観的な尺度として算出される。

ランダム化比較試験において、治療群と対照群の改善度の差異が小さい場合、統計による検出力が低く、統計的有意性のある差異が発見されないことがある。しかし、メタアナリシスによって、母集団の数を大きくすることで、この統計的有意性のある差異が発見される可能性が上がる。

製薬会社が自社の医薬品の有効性を良く見せるために、良い結果の研究のみを選択してプール解析を行う場合があるが、厳密にはメタアナリシスではない^[13]。

メタアナリシスにおける選択的包含バイアスを理解するために、メタアナリシスがどのように試験の効果推定値を測定しているかを公表することが推奨されることがある^[14][15]。

否定的な結果が論文となって公表されにくいという出版バイアスにより^[12]、結合する元のデータに肯定的な結果が多くなってしまう。抗うつ薬のパキシルの否定的な結果のデータの隠蔽から、薬剤の有効性と危険性が再評価された結果、評価が下がったことから出版バイアスの影響が懸念された^[16]。パキシルの不祥事からの議論は、世界医師会や医学雑誌編集者国際委員会による研究の事前登録に関する声明や、2005年の世界保健機関（WHO）や2007年のアメリカ医薬品局（FDA）による研究登録制度の構築につながった^[17]。出版バイアスを軽減する方法の一つに、情報公開法に基づいて、各国の規制機関から薬の認可のために提出された全データを入手し分析する手法がある^[18]。

メタアナリシスに灰色文献を含めると、メタアナリシスの信頼性が向上すると言われることがある。その理由は、灰色文献の厳密さは公表文献と変わらないからであり^[19]、お蔵入り問題の解決策として灰色文献をメタアナリシスに含めるべきである。しかし、未発表や灰色文献の研究結果を含まないメタアナリシスの質に大きな影響を与えるメタアナリシスはごく少数であるとされることもある^[20]。

• アービング・カーシュ『抗うつ薬は本当に効くのか』石黒千秋訳、2010年。ISBN 978-4767809540。 
• 津谷喜一郎「EBMにおけるエビデンスの吟味」『Therapeutic Research』第24巻第8号、2003年、1415-22頁、NAID 50000285052。 
• 津谷喜一郎、正木朋也「エビデンスに基づく医療（EBM）の系譜と方向性 保健医療評価に果たすコクラン共同計画の役割と未来」（pdf）『日本評価研究』第6巻第1号、2006年3月、3-20頁、NAID 40007259318。 

ウィキメディア・コモンズには、メタアナリシスに関連するメディアがあります。

表 話 編 歴 統計学
標本調査	標本 母集団 無作為抽出 層化抽出法
記述統計学	連続データ 位置 平均 算術 幾何 調和 中央値 分位数 順序統計量 最頻値 階級値 分散 範囲 偏差 偏差値 標準偏差 標準誤差 変動係数 決定係数 相関係数 自己相関 共分散 自己共分散 分散共分散行列 百分率 統計的ばらつき モーメント 分散 歪度 尖度 カテゴリデータ 頻度 分割表
推計統計学	仮説検定 パラメトリック t検定 ウェルチのt検定 F検定 Z検定 二項検定 ジャック–ベラ検定 シャピロ–ウィルク検定 分散分析 共分散分析 ノンパラメトリック ウィルコクソンの符号順位検定 マン・ホイットニーのU検定 カイ二乗検定 イェイツのカイ二乗検定 累積カイ二乗検定 フィッシャーの正確確率検定 尤度比検定 G検定 アンダーソン–ダーリング検定 コルモゴロフ–スミルノフ検定 カイパー検定 マンテル検定 コクラン・マンテル・ヘンツェルの統計量 その他 帰無仮説 対立仮説 有意 棄却 区間推定 信頼区間 予測区間 モデル選択基準 AIC BIC WAIC MDL その他 偏り 偏りと分散 過剰適合 推定量 点推定 最尤推定 尤度関数 尤度方程式 最小距離推定 メタアナリシス ブートストラップ法
ベイズ統計学	確率 主観確率 ベイズ確率 事前確率 事後確率 最大事後確率 その他 ベイズ推定 ベイズ因子
相関	交絡変数 ピアソンの積率相関係数 順位相関（スピアマンの順位相関係数・ケンドールの順位相関係数）
モデル	一般線形モデル 一般化線形モデル 混合モデル 一般化線形混合モデル
回帰	線形 リッジ回帰 ラッソ回帰 エラスティックネット 非線形 k近傍法 回帰木 ランダムフォレスト ニューラルネットワーク サポートベクター回帰 射影追跡回帰 時系列 自己回帰モデル 自己回帰移動平均モデル ARCHモデル 対移動平均比率法 トレンド定常 傾向推定 共和分 構造変化
分類	線形 線形判別分析 ロジスティック回帰 単純ベイズ分類器 単純パーセプトロン 線形サポートベクターマシン 二次 二次判別分析 非線形 k近傍法 決定木 ランダムフォレスト ニューラルネットワーク サポートベクターマシン ベイジアンネットワーク 隠れマルコフモデル その他 二項分類 多クラス分類 第一種過誤と第二種過誤
教師なし学習	クラスタリング k平均法（k-means++法） DBSCAN 密度推定（英語版） カーネル密度推定（カーネル） その他 主成分分析 独立成分分析 自己組織化写像
統計図表	棒グラフ バイプロット（英語版） 箱ひげ図 管理図 フォレストプロット ヒストグラム 円グラフ Q-Qプロット ランチャート 散布図 幹葉図 バイオリン図 ドットプロット ヒートマップ 階級区分図
生存時間分析	生存時間関数 カプラン＝マイヤー推定量 ログランク検定 故障率 比例ハザードモデル
歴史	統計学の創始者 確率論と統計学の歩み
応用	社会統計学 疫学 生物統計学 系統学 統計力学 計量経済学 機械学習 実験計画法
出版物	統計学に関する学術誌一覧 重要な出版物
全般	統計 頻度主義統計学 統計学および機械学習の評価指標
その他	方向統計学 S言語 R言語 統計検定 社会調査士 JDLA Deep Learning For GENERAL JDLA Deep Learning for ENGINEER 実用数学技能検定 品質管理検定
カテゴリ