publication bias，發表偏倚，由於陽性結果更易於發表，而有些陰性結果的文章可能沒有公開發表，如此meta分析就可能更多的是基於陽性結果，使得合並效應發生高估或者低估效，或者把無統計學差異的合並效應變成了有統計學差異的合並效應，亦或者相反。發表偏倚用egger 和begg檢驗。P<o.o5這表明存在發表偏倚。
❷ 如何進行敏感性分析和發表偏倚分析
敏感性分析一般以Meta分析結果所繪制的森林圖為依據，把肉眼可見的與總體樣本95%CI分布差異相對較大的研究（由最明顯的開始）予以排除直至可用固定效應模型分析為止（即I方值小於等於50%，同時P大於等於0.1），如敏感性分析後依然無法用固定效應模型分析，則需通過繼續逐一排除剩餘數據樣本以動態觀測Meta分析結果變化，如結果變化不大（具體標准暫未在2014版考克蘭系統評價員手冊中有體現，我個人則是以I方和RR/SMD等統計量變化率作為判斷標准），則說明數據合並後穩健性可，可採用隨機效應模型作Meta分析，所得結論有效，但不宜過於絕對。
而敏感性分析不宜排除過多數量的數據樣本，我個人以50%作臨界值，如一個結局指標需要排除至少50%的納入研究數據樣本，方能使數據合並結果穩健，則說明原始納入研究異質性大，無法明確所有納入研究在該結局指標的測量標准、方法基本一致。同時敏感性分析後剩餘數據樣本數我個人認為最好大於等於3，以便能獲取較有說服力的Meta分析結果。
當然我也比較同意上一個答案的觀點，敏感性分析的納入研究排除標准可參照Jadad質量評分或RoB風險偏倚評估結果，但我認為應補充一個前提：納入研究中需有相當部分高質量研究，即Jadad評分大於等於4分（滿分7分）或符合Standard RCT標准（兼有隨機化、盲法、安慰劑三要素），如納入研究方法學質量普遍不高，則通過參照方法學質量評價結果進行敏感性分析的做法意義不大。
發表性偏倚目前主要通過倒漏斗圖法判斷，當然也有Egger&Begger』s Test，可將偏倚程度量化（適用於納入數據數小於10的結局指標，然而RevMan無法做此檢驗），發表性偏倚一般用於對納入數據樣本數（敏感性分析後）大於等於10結局指標的討論。
個人的小小體會：系統評價/Meta分析並沒有太多固定的模版，每個研究者所關注的點可以不一樣，但最好做到有理有據，能自圓其說。
以上謹為個人粗淺看法，如有紕漏之處，歡迎指正！