近年来,医学研究中对单组率研究的Meta分析呈增长趋势[1-3] ,然而当遇到稀疏数据时,不顾方法应用条件盲目选择的情况时有发生,导致合并结果的偏倚,甚至产生误导的结论[4].有学者指出,单组率研究的Meta分析若出现稀疏数据,尤其是零事件的研究较多时,常用的Meta分析方法统计性能不佳,应谨慎选择[5].本文针对单组率研究遇到稀疏数据时进行Meta分析的方法,择优选出目前认为具有较好性能的基于 Freeman-Tukey转换、反正弦转换的倒方差法和广义线性混合模型( GLMM )方法,通过 Monte-Carlo模拟比较其统计性能,为Meta分析的方法选择提供依据、提出建议.