临床pico相关内容介绍如下：
在传统的临床实践中，医生往往根据经验、直觉、基础理论知识或个案研究结果来指导临床实践。
前哈佛大学医学院院长Sydney Burwell曾对学生说过：“在10年内，你们现在所学习的知识有一半会证明是错误的，更糟糕的是没有老师能告诉你们哪一半是错的。
”。
这让初涉临床，经验不足的年轻医生十分困惑，遇到实际的临床问题应该何去何从。
近十多年来，随着循证医学（EBM）的发展，这个问题得到了很好地解决，EBM已被越来越多的医生接受，成为当前医学实践的主流方法学。
循证医学工具的基础之一便是众所周知的PICO，它表示基于4个领域的知识和行动的诊断问题:患者或问题（P）；干预、原因或预后（I）；比较或控制（C）；和结果（O）。
这种以证据为导向的方法旨在基于临床医生的技能和知识做出有效的、成功的决定。
PICO原则作为研究临床问题的一个框架，用于向单个患者或一组患者提出有说服力的研究问题或重要的临床问题。
临床医生在获得准确临床依据的前提下，可以根据此原则，结合自己的临床经验和知识技能，分析并找出患者的主要临床问题，应用最佳的科学证据作出对患者的诊疗决策，同时在患者的合作下接受和执行这种诊治决策，从而尽可能地取得最好的临床效果。
循证医学的基本三要素
敏感性分析一般以Meta分析结果所绘制的森林图为依据，把肉眼可见的与总体样本95%CI分布差异相对较大的研究（由最明显的开始）予以排除直至可用固定效应模型分析为止（即I方值小于等于50%，同时P大于等于0.1），如敏感性分析后依然无法用固定效应模型分析，则需通过继续逐一排除剩余数据样本以动态观测Meta分析结果变化，如结果变化不大（具体标准暂未在2014版考克兰系统评价员手册中有体现，我个人则是以I方和RR/SMD等统计量变化率作为判断标准），则说明数据合并后稳健性可，可采用随机效应模型作Meta分析，所得结论有效，但不宜过于绝对。
而敏感性分析不宜排除过多数量的数据样本，我个人以50%作临界值，如一个结局指标需要排除至少50%的纳入研究数据样本，方能使数据合并结果稳健，则说明原始纳入研究异质性大，无法明确所有纳入研究在该结局指标的测量标准、方法基本一致。
同时敏感性分析后剩余数据样本数我个人认为最好大于等于3，以便能获取较有说服力的Meta分析结果。
当然我也比较同意上一个答案的观点，敏感性分析的纳入研究排除标准可参照Jadad质量评分或RoB风险偏倚评估结果，但我认为应补充一个前提：纳入研究中需有相当部分高质量研究，即Jadad评分大于等于4分（满分7分）或符合StandardRCT标准（兼有随机化、盲法、安慰剂三要素），如纳入研究方法学质量普遍不高，则通过参照方法学质量评价结果进行敏感性分析的做法意义不大。
发表性偏倚目前主要通过倒漏斗图法判断，当然也有Egger&Begger’sTest，可将偏倚程度量化（适用于纳入数据数小于10的结局指标，然而RevMan无法做此检验），发表性偏倚一般用于对纳入数据样本数（敏感性分析后）大于等于10结局指标的讨论。
个人的小小体会：系统评价/Meta分析并没有太多固定的模版，每个研究者所关注的点可以不一样，但最好做到有理有据，能自圆其说。
以上谨为个人粗浅看法，如有纰漏之处，欢迎指正！
还没有评论，来说两句吧...