Meta-analysis of KAP toward COVID-19 in Chinese residents

统计分析方法总结（基于中国居民COVID-19知识、态度和行为Meta分析）

一、研究设计
该研究为系统评价与Meta分析，遵循PRISMA报告规范。旨在汇总中国普通人群在新冠疫情期间对COVID-19的知识、态度与行为（KAP） 水平。

二、文献检索与纳入标准
检索数据库：Scopus、ProQuest、PubMed、EMbase、Web of Science、Cochrane Library、中国生物医学文献数据库、中国知网、维普、万方及谷歌学术。
纳入文献时间：2020年8月至2022年11月。
研究对象：中国普通人群（不限年龄、性别、地区）。
最终纳入57篇原始研究。

三、效应量合并
1.采用随机效应模型进行Meta分析，因各研究间存在预期异质性（人群、地区、调查时间不同）。
2.每个结局（知识、态度、行为）均计算合并比例及其95%置信区间（CI）。
知识良好比例：75%（95% CI: 72%~79%）
积极态度比例：80%（95% CI: 73%~87%）
正确行为比例：84%（95% CI: 82%~87%）

四、异质性评估
使用I²统计量量化研究间异质性。行为结局的I² = 99.7%，提示存在高度异质性，这也是采用随机效应模型的重要原因。
摘要未提及但通常还会报告Q检验的P值。

五、亚组分析
为探索异质性来源及不同人群的KAP差异，进行了以下亚组分析：
1.性别亚组：男性和女性对比。结果显示女性知识水平和态度略优于男性，但差异不显著。
2.城乡亚组：城镇与农村居民对比。城镇居民知识水平更高，但农村居民的正确行为和积极态度比例更高。
3.地区亚组：中国东部、中部、西南部等地区对比。东部、中部、西南部知识知晓率高于其他地区；所有地区的行为和态度均良好。
4.亚组分析采用合并比例及置信区间进行组间比较，未明确给出统计检验方法（如交互作用的Q检验或Z检验）。

六、软件与效应指标
摘要未明确列出软件名称，常见选择为Stata、R（meta包）或RevMan。效应指标均为比例（proportion），采用Freeman-Tukey双反正弦变换或logit变换进行稳定性处理。

七、结论依据
通过随机效应Meta合并比例、高I²提示异质性、亚组分析解释差异，最终得出中国居民KAP总体处于良好水平，但知识向行为转化不足，且男性、农村居民需重点关注。该案例展示了横断面研究比例Meta分析的完整流程。