薈萃分析是結合多種結果的統計分析，科學的研究。當存在多個針對同一問題的科學研究時，可以進行薈萃分析，每個單獨的研究報告的測量值都可能存在一定程度的誤差。然后，目標是使用統計方法，根據如何感知此錯誤，得出最接近未知公共真理的匯總估計。

現有的薈萃分析方法從各個研究的結果中得出加權平均值，不同之處在于分配這些權重的方式以及圍繞這樣生成的點估計值計算不確定性的方式。薈萃分析除了可以估算未知的共同事實外，還可以對比不同研究的結果，并確定研究結果之間的模式，這些結果之間的分歧來源或在上下文中可能會發現的其他有趣的關系。

這種方法的主要好處是信息的匯總，比任何單獨研究得出的指標所能提供的統計能力和點估計值都更高。但是，在進行薈萃分析時，研究人員必須做出可能影響結果的選擇，包括確定如何搜索研究，基于一組客觀標準選擇研究，處理不完整的數據，分析數據以及對結果進行核算。或選擇不考慮出版偏見。完成薈萃分析的判斷電話可能會影響結果。

例如，Wanous和同事對以下四個主題進行了四對薈萃分析：

（a）工作績效和滿意度關系；

（b）現實的工作預覽；

（c）角色沖突和歧義的相關性；

（d）工作滿意度和曠工之間的關系，并說明研究人員做出的各種判斷呼吁如何產生不同的結果。

薈萃分析通常是（但并非總是）系統評價程序的重要組成部分。例如，可以對幾種藥物的臨床試驗進行薈萃分析，以期更好地了解治療的效果。在這里可以很方便地遵循由所使用的術語Cochrane協作和使用“薈萃分析”指結合證據的統計方法，留下了“其他方面的綜合研究”或“證據合成”，如結合來自定性研究的信息，用于更系統的系統評價。薈萃分析是次要來源。

薈萃分析通常需要進行系統的審查，因為這樣可以對所有相關證據進行識別和嚴格評估（從而限制了匯總估計中存在偏差的風險）。常規步驟如下：

1. 制定研究問題，例如使用PICO模型（人口、干預、比較、結果）。
2. 文獻檢索
3. 研究選擇（“納入標準”）
   1. 基于質量標準，例如臨床試驗中對隨機化和盲法的要求
   2. 選擇針對特定學科的特定研究，例如乳腺癌的治療。
   3. 確定是否包括未發表的研究，以避免發表偏見（文件抽屜問題）
4. 確定允許哪些因變量或匯總度量。例如，當考慮對已發布（匯總）數據進行薈萃分析時：
   • 差異（離散數據）
   • 平均值（連續數據）
5. 選擇薈萃分析模型，例如固定效應或隨機效應薈萃分析。
6. 檢查研究之間異質性的來源，例如使用亞組分析或元回歸。

Cochrane手冊提供了進行薈萃分析和報告的正式指南。

現代統計薈萃分析不僅僅使用加權平均值來合并一組研究的效應量。它可以測試由于對不同數量的研究參與者進行了抽樣，研究結果是否顯示出比預期的變化更大的變化。此外，可以對研究特征（例如使用的測量工具、抽樣樣本或研究設計的各個方面）進行編碼，并用于減少估算器的方差。因此，研究中的一些方法上的弱點可以通過統計學加以糾正。元分析方法的其他用途包括臨床預測模型的開發和驗證，其中元分析可用于合并來自不同研究中心的單個參與者數據并評估模型的通用性，甚至匯總現有的預測模型。

可以使用單主題設計和小組研究設計進行薈萃分析。這很重要，因為許多研究都是通過單項研究設計完成的。對于單學科研究最合適的薈萃分析技術存在很大爭議。

薈萃分析導致重點從單項研究轉移到了多項研究。它強調效應大小的實際重要性，而不是單個研究的統計學意義。這種思維上的轉變被稱為“元分析思維”。薈萃分析的結果通常顯示在森林圖中。

研究結果使用不同的方法進行合并。在衛生保健研究中常用于薈萃分析的一種方法稱為“逆方差法”。所有研究的平均效應大小以加權平均值計算，其中權重等于每個研究的效應估計量的反方差。與較小的研究相比，較大的研究和具有較小隨機變化的研究具有更大的權重。其他常見的方法包括Mantel–Haenszel方法和Peto方法。

基于種子的d映射（以前稱為差分映射，SDM）是一種統計技術，用于對使用神經磁共振成像技術（例如fMRI、VBM或PET）的大腦活動或結構差異進行薈萃分析。

不同的高通量技術（例如微陣列）已用于理解基因表達。MicroRNA表達譜已用于鑒定特定細胞或組織類型或疾病狀況中差異表達的microRNA或檢查治療效果。進行了這種表達譜的薈萃分析，以得出新的結論并驗證已知的發現。