publication bias，发表偏倚，由于阳性结果更易于发表，而有些阴性结果的文章可能没有公开发表，如此meta分析就可能更多的是基于阳性结果，使得合并效应发生高估或者低估效，或者把无统计学差异的合并效应变成了有统计学差异的合并效应，亦或者相反。发表偏倚用egger 和begg检验。P<o.o5这表明存在发表偏倚。
❷ 如何进行敏感性分析和发表偏倚分析
敏感性分析一般以Meta分析结果所绘制的森林图为依据，把肉眼可见的与总体样本95%CI分布差异相对较大的研究（由最明显的开始）予以排除直至可用固定效应模型分析为止（即I方值小于等于50%，同时P大于等于0.1），如敏感性分析后依然无法用固定效应模型分析，则需通过继续逐一排除剩余数据样本以动态观测Meta分析结果变化，如结果变化不大（具体标准暂未在2014版考克兰系统评价员手册中有体现，我个人则是以I方和RR/SMD等统计量变化率作为判断标准），则说明数据合并后稳健性可，可采用随机效应模型作Meta分析，所得结论有效，但不宜过于绝对。
而敏感性分析不宜排除过多数量的数据样本，我个人以50%作临界值，如一个结局指标需要排除至少50%的纳入研究数据样本，方能使数据合并结果稳健，则说明原始纳入研究异质性大，无法明确所有纳入研究在该结局指标的测量标准、方法基本一致。同时敏感性分析后剩余数据样本数我个人认为最好大于等于3，以便能获取较有说服力的Meta分析结果。
当然我也比较同意上一个答案的观点，敏感性分析的纳入研究排除标准可参照Jadad质量评分或RoB风险偏倚评估结果，但我认为应补充一个前提：纳入研究中需有相当部分高质量研究，即Jadad评分大于等于4分（满分7分）或符合Standard RCT标准（兼有随机化、盲法、安慰剂三要素），如纳入研究方法学质量普遍不高，则通过参照方法学质量评价结果进行敏感性分析的做法意义不大。
发表性偏倚目前主要通过倒漏斗图法判断，当然也有Egger&Begger’s Test，可将偏倚程度量化（适用于纳入数据数小于10的结局指标，然而RevMan无法做此检验），发表性偏倚一般用于对纳入数据样本数（敏感性分析后）大于等于10结局指标的讨论。
个人的小小体会：系统评价/Meta分析并没有太多固定的模版，每个研究者所关注的点可以不一样，但最好做到有理有据，能自圆其说。
以上谨为个人粗浅看法，如有纰漏之处，欢迎指正！