异质性(Heterogeneity)是指一些事物在某些特征上存在差异。在Meta分析中，异质性指纳入的不同研究之间存在的差异。当研究间存在异质性时，合并的结果可能是不可靠的，或合并本身就是不恰当的。因此在做Meta分析时，需要识别和测量异质性，并制定相应的策略探索异质性。

在系统评价中，研究间任何种类的变异被称为异质性。异质性主要包含三类：①临床异质性：所研究的受试者、干预措施和结局的变异；②方法学异质性：研究设计中的多样性和偏倚风险；③统计学异质性：在不同研究中所评估的干预效应中的多样性，其为临床异质性和方法学异质性的结果。

如果个体研究结果的可信区间重叠较少，这通常表明存在统计学异质性。异质性检验是定量地评估异质性大小的方法，即通过统计学方法检验异质性。常用的检验异质性的方法有卡方检验Q统计量和I2统计量。卡方检验评价了观测结果间的差异是否仅由机遇所致。但异质性检验方法存在一定的局限性，如当研究样本量小时，其检验效能较低，意味着有统计学意义的结果可能表明存在异质性问题；当Meta分析纳入很多研究时，有较高的检验效能可能检出无临床意义的少量异质性。

识别异质性后，许多方法可以用来解决异质性问题。常见的方法有：①在产生严重的异质性时，再次检查数据是否正确，如分析单位是否存在误差；②不做Meta分析，尝试使用定性分析方法进行系统评价；③探索异质性的来源，进行亚组分析或meta回归；④根据实际情况采取固定效应Meta分析忽略异质性；⑤进行随机效应Meta分析综合研究间的异质性；⑥改变效应指标，效应指标的不恰当选择可能造成异质性，改变效应指标可以影响研究结果异质性的程度；⑦排除一些研究，异质性可能来源于其中一小部分研究，排除这些研究能有效减少异质性。

Meta分析是对同质的研究结果进行合并，如果研究间存在很大的异质性，就会造成“合并苹果、橙子和柠檬”的错误。因此在开始做Meta分析前，首先要制定严格、统一的纳入和排除标准，只有具有相同研究目的、高质量的研究才能纳入分析，还要考虑研究对象、处理因素等的一致性，这在一定程度上可以确保纳入研究临床上的同质性，这也是合并各不同研究的前提条件。