楼上几位估计都误会了题主的本意。题主指的是meta-analysis，meta分析，又称荟萃分析。
在知乎问这个问题，不如去丁香园寻找相应的帖子。不过既然题主问到，我还是在这里回答一下。
meta分析，指利用统计学方法，将所有同一研究目的的不同研究的结果进行合并，从而扩大样本量，得出更可信的结果。
但是，在这个过程中，由于不同研究的设计之间存在一定的差异，就需要严格纳入标准，对研究进行质量评价，以及讨论各研究异质性对结果的影响。
一般来讲，meta分析包括RCT的meta分析，病例对照研究的meta分析，队列研究的meta分析，单组率的meta分析，剂量反应关系的meta分析，网状meta分析，等等。不同分析类型有不同的分析方法和质量评价方法。
meta分析包括以下内容：
1.文献检索（如何尽可能保证检索出所有相关文献的同时缩小检索文献的数目，一般需要检索pubmed,embase,如果是RCT需要检索cochrane library）
2.文献筛选（根据文献纳入排除标准筛选出合适文献筛选出）
3.数据提取（提取出需要合并的数据）
4.质量评价（利用量表对文献质量进行讨论）
5.异质性检验（检验各项研究是不是同质）
6.数据合并（利用软件对数据进行合并）
7.对结果的解释（关键）。
meta分析一般用revman或者stata软件，但是一篇好的meta分析的关键，不在于数据合并，而在于能够有效的文献检索，纳入高质量的文献，能够对异质性进行合理评价，对结果进行正确的解释。实验的成功与否在于设计，meta分析的成功与否也在于设计。初学者往往沉醉于学习各种meta分析数据合并的方法，而meta分析关键在于你对专业知识的理解。
详细的没有办法展开，建议去丁香园循证医学板块去学习。
希望共同进步。
————————————
刚刚看到题主是做小鼠体内实验的。meta分析一般是用于人的临床试验的，但是最近也有用于动物实验的meta分析发表。题主需要关注的是能否提取出正态数据。丁香园里有过对一篇动物实验meta分析的例子讨论，题主也可以去检索动物实验的meta分析进行参考。
————————————
又看了一遍，发现题主是做生物学实验。我是临床的，看的动物实验也是医学动物实验，生物学实验的meta分析没有关注过，可以检索一下学习。不过估计也是大同小异。
最后强调一点，去丁香园！去丁香园！去丁香园！
————————————
20200529更新。
已经到了2020年，相关资料一搜一大把，各种公用号层出不穷。建议不要去参加大几千的培训班，自己找个视频看着学学就可以了。
此外，meta分析不算article，发了意义不大。
影响因子 5 分： meta 分析发表全经验总结
一、初识
最初是在大四开始（本人七年制，属于被改革的一代，大家懂的），我们开了内科学和询证医学。内科学前言部分介绍了询证医学的历史和展望。我被吸引了。再专门看询证医学这门课，我带着思考开始听课。一直到课程结束，基本上方法学一点也没学会。不过，我却收获了思维方式。我感知到，每一个临床医师，都需要有询证医学思维来指导临床，至少要会“查证用证”，直到后来，我想要进一步做到“举证制证”，这里还要感谢我本校的一个师兄（大神一枚），叫我去丁香园自学，这才开始了我的meta之路。
二、准备
我想这就不需要我多说了，至少要学会几个数据库的搜素，比如PubMed和embase，在这里说一点我自己的观点，我觉得基本上上述二者基本可以等于library了，很多杂志也认可只搜索这两个数据库。其次就是学会检索策略制定，这个园子里帖子以及询证医学课本都有详细解释，不多说啦。
三、选题
选题确实很重要。我觉得，题目来自于临床。很多战友头疼选题，其实是带有一部分“为了文章而文章”的想法，如果专注于某个领域，长久之后，一定能把握这个领域的动态，有争议的东西就能很快被你识别，这样一定能发高质量的meta。国外很多外科或者内科医师的团队，长期研究某个领域，当研究遇到阻力的时候，往往会退回去大家做一个系统回顾，再抬头看方向。这样写出来的往往都是顶级杂志接受。所以大家在临床上关注哪些才是临床医师关注的，哪些才是患者想要了解的，这些都是指引我们选题的点。因此，当你从临床下手发现题目，选题就成功了一半。那么另一半如何成功呢？我个人认为就是PICO原则了。按照这个原则，你就不会遗漏想法。
以我这篇文章为例子，我研究的是维生素D和危重症病人死亡率的关系。缘来如此：当时师兄给我说，他观察过一个现象，ICU的重病人，往往都会有vitD水平比较低。顺着这个思路，本来想研究是否真的是二者有正相关，发现原始文献一边倒，认为确实有相关性，而且走到这里也没有太大临床意义，就再思考：是不是意味着vitD缺乏往往和疾病严重程度相关？（预测性）如果有，那么就有意义去研究给予vitD可以提高病人生存率，经济方便。这样才确定了题目。而恰好，这个领域最近比较热。因此发了5分，运气因素也很重要。
四、制定基本信息表格
当你搜索完文献之后，找出需要纳入的文献，我建议直接制定基本信息表，这样在动手写作之前先把文章总体详细了解，还能额外获得更多的灵感。
五、统计分析
方法学园子里帖子已经很多了，我就不多说啦。只是要说，一定脑子里要清楚，你需要分析的数据是二分类还是连续性数据。不同数据制定的数据提取表不一样。对于连续性数据，如果是偏态分布，不能合并分析。以我的文章为例，其中对于院内生存时间（length of stay）就是中位数±四分位间距，暗示就是偏态分布，所以我只做了统计描述。
六、写作
我觉得这一步可以开始动手写作了。对于想写英文的战友，建议一定不能先写中文再翻译成英语。因为语言不通，本质是思维方式不通，语言是思维的载体，翻译过来之后就会有生硬的感觉。另外对于meta的写作，我觉得法宝就是多看文献，多学习别人是如何表达的，而且meta的论文其实就是八股写作，有固定的模板，多看一定以后就能写好。我一直追求的语言风格就是simple & clean。只是这个太难了，要做到人家多加一个单词都是多余，而多删一个单词就是缺成分，要多看多写。
七、下结论
下结论也确实让我头疼了很久，我摘要部分和全文最后的结论稍有不同，但绝对不是前后不一致。原则如何把握只能靠大家自己体会了，我觉得就是摘要部分要体现最重要的结论，全文最后部分，可以写的详细一些，但一定要客观。
八、制作图表
我只用了两个软件，stata和photoshop。杂志社基本都要tiff格式的图，我的方法很简单，下载一个PDFgenerator作为虚拟打印机，然后用stata打印出森林图的pdf格式，用ps打开pdf文件，选择像素300ppi，根据杂志要求的图片尺寸，裁剪之后，选择lzw压缩，即可。
九、投稿
关于选杂志，我也不专业。不过我觉的这方面你的通讯作者老师会给出建议，但我绝对大家自己也要有想法，可以根据你纳入的文献做粗略的估计，看看热门程度再做选择。可以看******查看或者去丁香通选刊助手。
十、总结
我觉得对于博大精深的meta分析来说，本身就是一个在不断发展的学科。它的方法学一直在完善。听过一句名言，“数据从来不说谎，说谎的只是展示数据的人”，所以大家写meta，一定要下客观结论，减少偏倚。另外，其实我也有很多缺憾，很多战友会觉得我好像已经很熟练meta了，其实不是，我只学会了观察性研究的meta分析，对于RCT的我还没有遇到，只能到时候“现用现学”了。因为我觉得meta就是一个工具，用来解决临床问题的工具，千万不能为了文章而meta。我们关注临床，有了问题，就有meta的方式来解决临床争议，很有意义。另外，我自己觉得学meta确实很有收获，除了提高写作水平，还补充了统计学，而且建立了科研思维，带着科研思维，看临床问题，会仿佛站在巨人的肩膀上。
step1. 确定做这篇Meta的理由
什么时候有必要做系统综述/Meta分析呢？当你发现了一个具体的临床问题，已有不少学者展开了相关的观察或实验研究，但结果又有点争议，这时做Meta价值比较大，比较容易发表。正所谓天时地利人不和，Meta这位终南隐士才要出山来搅和一下。
step2. 前期调研
首先充分检索该课题有没有别人做过，包括已发表的Review和正在进行中的Protocol，尤其是后者不要漏掉。
运用PICO框架整理你的研究思路：
- Patient/Person：研究对象是哪些人群？
- Intervention（或者Cause、Prognosis）：实验的干预方法（或观察的影响因素、预后）是什么？
- Comparison：有没有对比？跟什么对比？（空白对照、安慰剂对照，还是另一种干预方法？）
- Outcome：结局指标是什么？
- 或者再加一个Study Design：实验设计类型是什么？
最好以此框架准备好相关材料，去Cochrane或PROSPERO注册，越来越多的杂志要求Meta分析实施前有注册和预先发表的Protocol，以避免分析时出现偏倚。Cochrane周期漫长，要求严格，PROSPERO稍微灵活一些。
step3. 圈几个合适小伙伴一起合作
好了我知道实质性工作几乎都是你一个人做，但在审稿人眼里，一个人是做不出合格的Meta分析的，所以你一定要@几个人来扮演合适的角色，假装他们是你的分身（这当然是寂寞的下策，真正有团队合作是极好的，也能发更好的杂志）。
一个Meta研究组至少应包括以下几个方面的负责人：研究课题总指导（老板不会漏的），系统综述的方法学指导，文献检索与信息提取（至少安排2人背对背检索），统计学专员，课题相关专业支持。
step4. 检索文献
做Meta分析时检索文献跟平时阅读可不一样，一定要全面搜索各大数据库，如MEDLINE、EMBASE等；不仅要有正式发表的文献，还要检索灰色文献（如会议论文、已完成而未发表的实验结果、学位论文、专著内的章节、制药工业的报告等等），这里可能含有阴性结果。
原则就是多途径、多渠道、最大限度，最后写文章时要有所体现，还要报告检索策略。
你要问这得看多少文献啊。那没办法，你都选择不做实验了，这是应有的替代劳动。而且，拟定研究问题时就划下了收纳文献的范围，问题越具体，此时越有利。当你决定排除一篇文献时，记得记录下为什么排除它，以后写文章还要报告原因的。
step5. 数据提取
跟据具体课题制定表格，使各篇文献中提取到的信息形成结构化数据集，整理出写报告所需的研究特征、受试者特征、干预措施、场所（医院、社区）、结局指标等。
step6. 评价研究质量
对纳入的研究进行质量评价，也是报告中必不可少的部分。要评价每篇研究的严谨性，并引用评价标准的出处。不同的研究有不同的评价工具，RCT一般采用Cochrane的ROB（Risk of Bias）：
观察性研究则有这篇2007年的综述，集中分析了一批评价工具，或可参考。
step7. 数据合并
这里的问题不仅是合并技术，还要注意数据到底能不能合并。如果数据异质性实在太大，那不如老老实实转为以叙述方式呈现。
对异质性也有一些处理方法。首先当然是检查数据，然后可做Meta回归分析和亚组分析检查异质性来源，或选择随机效应模型、剔除异常值等，但这样做一定要给出谨慎合理的解释。
但若实在不合适还要强行合并，有可能会招致不必要的麻烦。记住，强拧的瓜不甜。
step8. 撰写文章
系统综述和Meta分析的撰写结构与一般文献有相似的地方，但总的来说以PRISMA声明为指导。
step9. 归档与更新
一篇Meta分析发表之后，相关领域的研究可能还会继续，会有新的进展，过几年你要是有工夫还可以刷一篇Update。可能到时候你读文献已经读吐了。
1、确定Meta分析题目
选题应从其实用性、必要性、科学性、创新性等方面进行考量，选题时应遵循“三有一无”的原则，做到有意义，有争议，有研究，无重复。
构建一个系统评价/Meta分析问题，应包含PICOS要素。
2、制定方案和注册
Meta分析的注册平台一般有Cochrane协作网和PROSPERO。
3、文献检索
文献检索应遵循的原则： 客观、全面、可重复
文献检索的流程：
常见的文献来源：
常用的医学文献数据库：
中文：中国知网，万方，维普，CBM
英文：PubMed,Embase,Cochrane Library,Web of science,scopus
4、文献筛选
5、质量评价
质量评价应包含以下几方面内容：
常用的质量评价工具：
6、数据提取
按照制定好的资料提取表提取相应的信息，具体内容见下图：
7、资料分析
分析收集到的资料，具体包括以下内容：
8、解释结果，撰写报告
解释和报告系统评价结果时必须基于研究结果，具体应包括以下几方面内容：
下图为撰写系统评价的主要框架，详细内容参见文献《系统综述和荟萃分析优先报告的条目:PRISMA声明》。
很多人问meta分析要怎么学，结合近10年的经验，我总结了6句口诀，希望对要学习meta分析的你，有所帮助。
直到今天，我依然清晰记得，导师问我“什么是meta分析”的情景。当时，我的脑海全是问号，meta分析？什么分析？我学过这玩意吗……
由于是面对面的提问，我根本没有机会在网上找资料，只能经过短时间的思考后回答说：我还没学过，感觉像回归分析、生存分析那样的统计方法吧。
导师笑一笑，也没告诉我什么是meta分析，只是给了我一篇打印版的文献说：这就是meta分析，你好好看一看，学会了就能发表SCI。
从此，我和meta分析杠上了。于是，在开始阅读文献之前，我在网上搜索了一些资料。
网上的信息非常繁杂，但像“百科”、“字条”一类的概述资料，能够帮助我们对事物有一个大致的了解。从meta分析的定义，我可以知道它是二次研究，是要纳入一些研究，对这些研究的结果数据进行统计分析，得到新的结果。但具体是怎么做的，还不知道。
此外，下面的信息也说明了，meta分析确实是一种统计方法，但也是一系列科研过程。现在，我不仅需要知道这个统计方法是怎么实现对数据的二次分析，更要掌握整个科研过程。
于是，我写下了几个疑问：什么时候需要做meta分析、符合什么标准的研究才能被纳入做meta分析、怎么提取数据。带着这些疑问，我开始了阅读文献。
一篇文献，大概三千单词，四五页纸，似乎花不了多长时间。真正开始阅读的时候才发现困难重重，特别是里面有很多从未接触过的专有名词：quality assessment(质量评价)、 heterogeneity(异质性)、Effect size(效应值)、random/fixed effects model(随机或固定效应模型)、Subgroup-analysis(亚组分析)、Publication bias(发表偏倚)、sensitivity analysis(敏感性分析)等。
在不影响理解的前提下，看不懂的地方先标记，随后再去找资料。将文献通读几遍后，我终于理清楚了meta分析的整体流程。
通过这篇范文，我也找到了一些答案，尽管严格来说不是十分准确、全面。
什么样的选题适合做meta分析：有多篇研究目的相同的原始研究、研究的结果有争议、此前没有meta分析发表
什么时候需要做meta分析：不同研究的结果存在争议，需要一个更有说服力的结果。
符合什么标准的研究才能被纳入做meta分析：每篇meta分析都有纳入排除标准，根据选题的不同，制定对应的标准。对于观察性研究meta分析，纳入标准基本上是基于五个因素——PECOS（研究对象、暴露、对照、研究结局、研究类型），而干预试验meta分析则是PICOS（I是干预）。
怎么提取数据：从文献中提取数据，提取的数据包括文献发表的信息、原始研究的基本设计（研究对象的样本量、性别比例、年龄等）、研究结局、校正因素等。
通过学习范文，我对meta分析有了整体的认识，但还有很多疑点，网络又给了我很大的帮助，只要肯花时间去甄别，论坛、课件、文献、教材等资料应有尽有。如今，推荐大家参考以下经典教材（原版大多是英文的，但也有中文版本）
1 Cochrane handbook
这是Cochrane协作网编撰的干预措施系统评价手册，可以说是指南，部分内容也适用于meta分析。例如：制定纳入标准、异质性的定义。
2 meta分析导论
如果说《Cochrane手册》使我们知其然，那《meta分析导论》的作用就是知其所以然，值得花时间细细咀嚼。
同样介绍异质性检验方法，后者用更具体的例子介绍I square的本质，需要有一定的统计学基础去深挖I square背后的意义。
很多meta分析文献或教程，都告诉我们，有统计学异质性用随机效应模型做森林图，反之，用固定效应模型。但这本书也从统计学原理的角度提出了另一个观点，要关注研究间的本质差异，不应该依赖异质性检验结果，否则结果不能反应准确反映客观事实。
3 实用循证医学方法学·第二版
这本书可以理解为是某香园论坛的优质帖子的汇编，当年给了我很多指导和启发，当然，我看的是帖子，那是学习meta分析最苦、也是最有收获的时光，每天都花大量时间吸收、转化知识。
那几年也掀起了meta分析学习交流的热潮，如今，很多人只有提问，没有交流，更不愿意解答。
实践是检验真理的唯一标准，这话同样适合meta分析，你说学会了？那好，把这篇范文还原出来吧。从文献检索、文献筛选、提取数据、质量评价、森林图、亚组分析、发表偏倚检验等全部内容都做一遍。这就是导师考核我是否学会了meta分析的考题。
于是，又是一轮痛苦的时光。
1) 文献检索为什么要用主题词+自由词，怎么找全关键词。
2) 研究质量评价，你的评价依据是什么，跟文献的为什么不一样，是你弄错了还是标准比较模糊，两者都行。
3) 文献报道的是中位数 (四分位数)，怎么转换为均数±标准差。
4) 单、多因素logistics回归分析，提取哪个分析结果；同样是多因素回归，校正因素不同，使用哪个做meta分析。
5) 有多个试验组，数据怎么选择。
……
无数个操作问题扑面而来，需要你逐一解决。正所谓纸上得来终觉浅，绝知此事要躬行。只有付诸行动，你才会知道自己究竟掌握了多少，有几分真功夫。
经过范文的洗礼，导师也相信我基本掌握了meta分析。于是，开始查找选题，正式开展meta分析，经历一些波折后，文章也终于发表了。
方法学会了，总该写文章了吧，那就要参照meta分析的撰写规范。
例如PRISMA statement，逐条告诉我们，meta分析文章要怎么写，有哪些注意事项。
写完文章，也不要忘记填写PRISMA checklist，那是可以让审稿人知道稿件是否符合撰写规范的必备工具。
前面介绍的都是单兵作战的学习方法，也是我的亲身经历。当时的我，身边没有任何人可以请教，也不知道有培训班（或许真的没有），只能自己钻研。这事有利有弊，好处是印象深刻、学的扎实，不好的地方就是学习周期长、效率低。但那时候的我，最不缺的就是时间。从成果来看，反而是效率最高的。
如果你没有太多的时间，不管你有没有基础，选择培训班是一个快速提高的捷径。
2天的培训班，系统的meta分析学习，你不仅掌握meta分析的核心流程，体验还原范文的过程，学会软件的操作，了解撰写规范的细则，还有经验丰富的meta分析讲师为了答疑解惑。
学习meta分析的6句口诀，你记住了吗？
网上搜索查定义、范文学习知全貌、经典教材懂细节、还原范文见功夫、撰写规范补缺漏、付费培训高效率。
