系统评价与Meta分析整合了多项独立研究的数据，旨在提高统计效力并得出更精确的效应估计。然而，纳入的研究往往存在显著的异质性，即研究结果之间的变异程度超出随机误差预期。异质性可能源于研究设计、人群特征、干预剂量、随访时间或结局测量工具的不同。在药膳研究中，食材来源、炮制方法及烹饪方式的差异是异质性的主要来源。
面对高异质性，研究者需首先通过I平方统计量（I²）量化变异程度。若I²值较高，直接合并效应量可能导致误导性结论。此时，随机效应模型比固定效应模型更为适用，因为它假设真实效应量在不同研究中服从正态分布。此外，敏感性分析用于识别影响整体结果的异常研究，通过逐一剔除某项研究观察合并结果的稳定性。
亚组分析是探索异质性来源的重要手段。通过按基线特征（如年龄、性别、基线营养状况）或干预特征（如食材种类、剂量）分层，可发现特定亚组中食材的显著效应。例如，某药膳成分可能在营养不良人群中表现出更明显的改善作用，而在营养充足人群中效应不显著。但需注意，亚组分析属于探索性分析，易产生假阳性结果，需谨慎解释。
对于读者而言，阅读系统评价时应关注异质性评估报告及亚组分析的预设性。预先注册的亚组分析比事后探索更具说服力。同时，应警惕将亚组结果过度泛化至全人群。理解异质性的存在，有助于认识到药膳效果并非千篇一律，个体差异与实施细节对最终健康结局具有决定性影响。
系统评价, Meta分析, 异质性, I平方统计量, 随机效应模型, 亚组分析, 敏感性分析, 探索性研究