1. メタ・アナリシスの歴史と関連分野
　　1.1 歴史
　　1.2 心筋梗塞後の2次予防へのβブロッカー
　　1.3 早期乳がんの術後のAdjuvant tamoxifenの治療
　　1.4 Joseph Lauの累積メタ・アナリシス
　　1.5 RCT―無作為化比較試験
　　1.6 NNT―治療に必要な患者数
　　1.7 無作為割付けができないリスク評価の疫学研究
　　1.8 コクラン共同計画
　　1.9 一人一人の患者データを利用するメタ・アナリシス
　　1.10 システマティック・レビュー
　　1.11 Evidence-based medicine
　　1.12 日本の事情

2. メタ・アナリシスの基礎
　　2.1 データを統合するとは？
　　2.2 代表的な統計モデル
　　2.3 比較指標の選び方
　　2.4 論文の検索と選択バイアス
　　2.4.1 公表バイアス
　　2.4.2 サブ・グループ解析バイアス
　　2.4.3 英語バイアス
　　2.4.4 データベース・バイアス
　　2.4.5 引用バイアス
　　2.4.6 多重公表バイアス
　　2.4.7 Funnel plot―公表バイアスの検討

3. メタ・アナリシスの代表的な方法
　　3.1 2×2分割表
　　3.1.1 Petoの方法―オッズ比
　　3.1.2 漸近分散法―オッズ比
　　3.1.3 Mantel-Haenszelの方法―オッズ比
　　3.1.4 DerSimonian-Lairdの方法―オッズ比
　　3.1.5 漸近分散法―リスク比
　　3.1.6 DerSimonian-Lairdの方法―リスク比
　　3.1.7 漸近分散法―リスク差
　　3.1.8 DerSimonian-Lairdの方法―リスク差
　　3.2 平均値と標準偏差
　　3.2.1 平均値の差―母数モデル
　　3.2.2 DerSimonian-Lairdの方法―平均値の差
　　3.2.3 標準化された平均値の差―母数モデル
　　3.2.4 DerSimonian-Lairdの方法―標準化された平均値の差

4. メタ・アナリシスのその他の方法
　　4.1 生存時間
　　4.2 相関係数
　　4.3 信頼区間を利用する方法
　　4.3.1 オッズ比、リスク比、ハザード比
　　4.3.2 リスク差、平均値の差
　　4.4 p値を統合する方法
　　4.4.1 逆正規法
　　4.4.2 Fisherの方法
　　4.5 p値から推定値を再現する方法

5. Heterogenietyの検討
　　5.1 より柔軟な変量モデルー制限付き最尤推定量
　　5.2 超パラメータも変量と考えるBayesianモデル
　　5.3 変量モデルの解析例
　　5.3.1 βブロッカーの臨床試験―オッズ比
　　5.3.2 入院患者へのケアの効果―入院日数の平均値の差
　　5.4 感度分析・メタ回帰分析
　　5.4.1 βブロッカーの臨床試験
　　5.4.2 コレステロール低下試験

6. Publication biasへの挑戦
　　6.1 公表バイアスの検出
　　6.2 File-drawer problem
　　6.3 公表バイアスの調整―選択モデル
　　6.4 公表バイアスの調整―対称なfunnel plotの再生
　　6.4.1 未公表論文数の推定
　　6.4.2 Trim-fillアルゴリズム

7. トピックス：診断検査とROC曲線
　　7.1 カットオフ値の検査特性
　　7.2 カットオフ値の推定
　　7.3 ROC曲線
　　7.4 統合ROC曲線の推定

8. トピックス：外国臨床試験成績の日本への外挿―ブリッジング試験
　　8.1 内因性・外因性民族的要因
　　8.2 用量反応パターンの類似性
　　8.3 プロトコール
　　8.3.1 エンドポイントが平均値の場合
　　8.3.2 エンドポイントが割合の場合
　　8.4 実例
　　8.4.1 勃起不全治療薬：sildenafil citrate
　　8.4.2 抗アレルギー薬：fexofenadine

9. メタ・アナリシスの統計理論
　　9.1 漸近的正規近似に基づく方法
　　9.1.1 母数モデル
　　9.1.2 変量モデル
　　9.1.3 Bayesianモデル
　　9.1.4 研究デザインと効果・リスク指標
　　9.2 エフィシェント・スコアを利用した方法
　　9.2.1 オッズ比
　　9.3 最尤推定法
　　9.4 Mantel-Haenszelの方法
　　9.4.1 オッズ比
　　9.4.2 割合の比
　　9.4.3 割合の差
　　9.4.4 率の差と比

付録A.　診療ガイドラインの作成の手順
付録B　S-Plusプログラム他
文献
索引