統合分析的進階方法涉及 network meta-analysis、IPD-MA 和貝氏方法。
Network Meta-Analysis（NMA）
同時比較多種治療——即使某些治療對沒有直接頭對頭試驗。利用間接比較（A vs B 和 B vs C → 推論 A vs C）。假設一致性（consistency）：直接 vs 間接估計一致。node-splitting 或 design-by-treatment interaction 檢定一致性。Lu & Ades（2004）的 Bayesian 框架和 Rücker（2012）的 frequentist 框架（netmeta R package）是兩大實作路線。SUCRA（Surface Under Cumulative Ranking）提供治療排名。
Individual Participant Data Meta-Analysis（IPD-MA）
獲取原始個體數據而非 summary statistics。優勢：(1) 統一分析標準，(2) 探索子群效應修飾（interaction），(3) 更靈活的統計模型。Two-stage（每個研究先分析再合併）vs one-stage（所有數據放入一個 mixed model）方法。Debray et al.（2015）框架。
貝氏統合分析
- 自然處理小研究和 τ² 的不確定性（半柯西或 half-normal 先驗 on τ）。
- Informative prior 可納入 expert opinion 或 historical data。
- R: brms, bayesmeta；WinBUGS/OpenBUGS 是經典工具。
Dynamic Meta-Analysis 與 Living Systematic Reviews
COVID-19 驅動了 living systematic review 的發展——隨新研究發布即時更新。累積統合分析（cumulative meta-analysis）按研究發表時間逐步加入，觀察結論的穩定性。但需控制反覆查看的 type I error（類似中期分析）。
Meta-Research（研究的研究）
Ioannidis 等人推動的 meta-research 領域：分析 research practices、reproducibility、waste in research。p-curve analysis（Simonsohn et al., 2014）從 p 值的分布偵測 p-hacking。
文獻參考：Higgins, J.P.T. et al. (2019). Cochrane Handbook for Systematic Reviews. / Lu, G. & Ades, A.E. (2004). JASA, 99, 240-251. / Simonsohn, U. et al. (2014). J Exp Psychol Gen, 143, 534-547.