敏感性分析其实就是一个思路，而不是什么神乎其乎的方程式或者什么高明的软件来进行；它是meta分析的最后一道关卡（PS：meta的关卡太多了，就像打超级玛丽一样，闯好每一个关才能进到下一关，呵呵！）；用来验证你的结论是不是真正的符合现实！
大家有没有这个感触，有时写文章到最后，你感觉自己的meta分析越看越顺眼，挑不出毛病，就像自己生的小宝宝一样，但是究竟是不是meta到真实的结论？那怎么办，就敏感性分析呗。
就像我们高考时，到最后几分钟，我们就开始从头到尾把答卷再过目一遍或两遍或无数遍，用不同的方法和角度来验证高考时的方程式结论是不是正确的；如法炮制，敏感性分析就是如此，它规定你到最后再重新审阅你的meta结果。
那么怎么检查卷子（即怎么进行敏感性分析）？
是不是有什么专门的软件或者指令，告诉大家，没有！敏感性分析是个思路，就是告诉你怎么去做，执行还是你自己，就像高考你检查卷子，没有谁能帮你，也不可能有电脑在旁边帮你算题，所以一切靠自己！
进行敏感性分析，可通过好几种方法：把文献减少一个，看看最后结论有没有改变；换一个统计方法，比如你之前用的固定模型，你换成随机模型看看，最终结果有没有改变。。。方法还有很多就不一一列举了。
总而言之，就是你最后要把整张卷子重新折腾一下，看看你的结果经不经得起折腾，最后结果是不是跟你原先的一模一样，如果你换个方法答题，结果不一样，你这时就要紧张啦，要找原因啦，是哪里出了问题，呵呵！
敏感性分析的主要方式有：改变纳入标准（特别是尚有争议的研究）、排除低质量的研究、采用不同统计方法/模型分析同一资料等。例如在排除某个低质量研究后，重新估计合并效应量，并与未排除前的Meta分析结果进行比较，探讨该研究对合并效应量影响程度及结果稳健性。
若排除后结果未发生大的变化，说明敏感性低，结果较为稳健可信；相反，若排除后得到差别较大甚至截然相反结论，说明敏感性较高，结果的稳健性较低，在解释结果和下结论的时候应非常慎重，提示存在与干预措施效果相关的、重要的、潜在的偏倚因素，需进一步明确争议的来源。
其实常用的就是选择不同的统计模型或进行亚组分析，并探讨可能的偏倚来源，慎重下结论。
如果一组研究之间存在明显的异质性，则应该从多个方面如研究对象特征、干预措施的变异程度等探讨异质性存在的原因，必要时需进行敏感性分析或亚组分析以解释异质性。
亚组分析通常是指针对研究对象的某一特征如性别、年龄段，或疾病的亚型等进行的分析，以探讨这些因素对总效应的影响及影响程度。
而敏感性分析主要针对研究特征或类型如方法学质量，通过排除某些低质量的研究、或非盲法的研究以探讨对总效应的影响。