为了帮助临床医师及科研人员了解网络meta分析的统计学方法和解读结果，作者以统计学家的角度，以此文章为例，指出了一些可能会使结论被误判的问题。总的来说，MTM的统计学方法若要运用于临床科研中需慎重。
多种治疗措施meta分析（MTM），也称网络meta分析，是将多种治疗措施相互比较并排序的meta分析。然而，MTM的统计学方法复杂，难以理解，若应用于临床科研中可能会导致研究结论的欠准确。
统计学家在审查临床研究文章时无法做到以下两点：一，由于缺乏临床专业知识，因此他们无法完全体会当下研究问题的临床或科研意义。然而，这些研究结论的准确性与患者健康相关，统计学家完全可以从患者角度来进行评估。二，统计学家无法辨别结论的错与对。相反，他们的任务是评估现有数据是否能支撑所报道的结论。然后，根据“无伤害原则”：数据是否足以支撑结论从而避免该结论误导临床决策？虽然很多情况下，向文章作者索取更多或不同的信息可帮助判断，但Ribassin-Majet等人1的文章表明过早将复杂的统计方法运用于临床科研中会导致潜在的问题。
单独一个对比治疗措施T1和T2的随机对照研究（RCT），尽管有效且具有足够的检验效能，却不能给出一个有决定性的结论，因为这需要独立的验证。 当存在关于该研究问题多个有效的RCT时，meta分析是确立共识的一种宝贵工具。每一个对比T1和T2的研究均应纳入分析，同时排除无效研究。从每个有效的研究中分别估算出一个效应量。这些效应量间的比较确保了他们之间存在合理的同质性（同质性，如在数据组内的其他数学假设，通常被证伪不被证真）。消除所有异质性后，合并后的效应量以及其可信区间来指导结论。对比这两种治疗措施的有效研究数目越多，每项研究每个治疗方案的样本量越大（不是所有研究的总样本量），那么越可能得出一个有决定性的、准确的比较这两种治疗措施的共识结论。多种治疗措施meta分析（MTM），也称为网络meta分析，将传统的两措施对比meta分析拓展至多种治疗措施互相比较并排序的meta分析。在MTM里，之前提及的标准适用于每个配对组间的互相比较。
让我们认为Ribassin-Majet等人1（7种治疗措施，21种配对比较组合可能）研究中的每个治疗措施配组均符合meta分析标准。在配对比较中，有7个RCT比较了化放疗（CRT）序贯辅助化疗（AC；CRT-AC）和单独放疗（RT）（每个试验每个治疗措施平均90例患者）。更上一层的分析是，评估4个RCT中CRT和单独RT对比（平均101名患者）。剩下的配对比较中，一对包含3个RCT，4对包含两个RCT，4对只有1个RCT，另外10对完全缺失。两个排序最靠前的治疗措施是CRT-AC和CRT，这是一种巧合还是因为这两种治疗措施涉及的RCT数目和标本量足够使它们排序靠前占有优势呢？
同时，诱导化疗（IC）序贯CRT（IC-CRT），一个永远不会与RT或CRT-AC直接比较的治疗措施，在最佳治疗措施中排列第三。这是通过数学假设实现的。在假设一个非观察配对组间比较发生的情况下，通过被观察配对组间的直接比较估算该非观察配对组间的比较结果（间接比较）。
用风险比值（HR）表示效应量。在某个随访时间的风险函数是指那个时间的生存曲线对数的负斜率，而某个随访时间的两个生存曲线（T1 v T2）对比的HR是那个时间的这个风险函数的比值。总体来说，HR函数因随访时间而异。当文献中出现一个HR时，如本文中的例子，没有提及时间的话，HR代表比例风险（HR常数）的一个假设。
根据前面介绍的定义，临床医师或其他研究员、统计学家是否真正理解HR对病人意义呢？当然我们可以精准定义HR，描述其计算过程以及在统计检验和预测中的作用，但HR是基于一个不确定的假设（比例风险）得到的，怎样将HR和病人关联起来？
