$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
本研究遵循系统综述和荟萃分析优先报告条目（Preferred Reporting Items for Systematic Reviews and Meta-Analyses, PRISMA）指南10进行。研究方案已在PROSPERO注册（编号：CRD42024584767）。本系统综述与荟萃分析所使用的数据库、软件、偏倚风险评估工具、GRADE方法及方法学资源均列于材料表中。
1. 纳入研究的标准
纳入标准为包含年龄≥18岁且被诊断为有症状膝骨关节炎的成年患者的研究。符合条件的干预措施包括口服甲氨蝶呤，无论其剂型、剂量或治疗持续时间如何。仅当所有研究组中同时使用的药物或其他干预措施完全相同时，该研究才被纳入。对照干预措施为安慰剂，且只有当干预组与对照组之间的唯一差异为是否添加甲氨蝶呤时，研究才符合纳入条件。如果使用了其他治疗措施（如非甾体抗炎药），则这些治疗在两组中必须完全相同，以避免混杂效应。
主要关注的结局指标是西安大略和麦克马斯特大学骨关节炎指数（WOMAC）总评分的变化。次要疗效结局包括 WOMAC 疼痛评分、WOMAC 僵硬评分和 WOMAC 身体功能评分的变化。所有纳入的研究均采用相同的标准化 WOMAC 0–100 评分量表报告结局，因此无需进行评分转换。对于报告了多个随访时间点的研究，选择最接近 24 周的时间点，因为这代表了纳入试验中最常见的治疗持续时间。可用的随访时长为 16 周和 24 周，当两者均有报告时，优先将 24 周的数据纳入分析。仅随机对照试验被视为符合纳入资格，而交叉试验则被排除。
2. 检索策略
一名审稿人（YT）从建库至2026年5月1日，在PubMed、Embase、Cochrane对照试验中心注册库（CENTRAL）和中国知网（CNKI）中系统检索了相关文献，不限制语言。核心检索词组合如下 “膝骨关节炎” （MeSH 和自由词汇）‑膝骨关节炎，膝OA，膝关节退行性关节炎）和 “甲氨蝶呤” （MeSH 和自由‑甲氨蝶呤、MTX、Rheumatrex）并使用布尔运算符 AND。应用了随机对照试验筛选器和人类研究筛选器。所有检索均在标题、摘要和关键词字段中进行。数据库‑进行了特定调整：PubMed 使用 MeSH 和标题/摘要语法；Embase 使用 EMTREE 术语；CENTRAL 使用标准的 Cochrane 随机对照试验（RCT）筛选器；CNKI 使用中文关键词。此外，通过以下术语检索了世界卫生组织国际临床试验注册平台（ICTRP） “膝关节骨关节炎” 与 “甲氨蝶呤” 以识别正在进行或尚未发表的试验（灰色文献）。所有数据库的精确检索日期为2026年5月1日。为确保全面性，对已确定的试验和系统综述的参考文献列表进行了人工审阅。完整的检索策略见于 补充表1.
3. 研究筛选
在剔除重复研究后，由两名评审员（YT 和 NW）独立评估所有文献的标题和摘要的相关性。此外，获取所选文章的全文，以评估其是否符合纳入标准。评审员之间的分歧通过协商一致或咨询第三名评审员（SH）来解决。
4. 数据收集过程
两名评审员（YT 和 NW）独立采用标准化表格从纳入的研究中提取数据。当未报告变化量的标准差（change SDs）时，使用公式 SD_change = √(SD_baseline² + SD_final² – 2r·SD_baseline·SD_final) 进行估算，其中相关系数取保守值 r = 0.5。此外，还联系了相应作者以获取信息 通过 通过电子邮件获取任何必要的缺失数据。分歧通过共识解决，或邀请第三位审稿人（SH）协助解决。
5. 安全性结果
还从每项纳入的研究中提取了安全性结局，包括不良事件、严重不良事件、治疗中断或退出、肝功能异常、血细胞计数异常以及其他报告的实验室异常。由于纳入研究在安全性结局定义、报告格式以及实验室异常数据的完整性方面存在差异，这些结局以结构化的描述性表格进行汇总。
6. 质量评估
两名独立评审员（YT 和 NW）根据 Cochrane 偏倚风险评估工具对随机临床试验11进行评价，该工具包含五个领域。每个试验在每个领域均被赋予一个研究层面的偏倚风险等级，表示偏倚风险为低、高或存在一定担忧。采用推荐意见分级、评估、制定与评价（GRADE）方法对荟萃分析中的证据确定性进行评估，评估依据既定指南12。评估过程中如有分歧，将通过共识解决；若无法达成共识，则邀请第三位评审员（SH）做出最终决定。
7. 数据整合
数据合成使用 RevMan（Cochrane 协作组）进行。为保持一致性并考虑潜在偏倚，所有分析均依据意向性治疗原则（intention-to-treat principle）进行，即纳入所有随机化受试者，无论其是否依从干预措施。对于连续性变量，采用逆方差随机效应模型（inverse variance random-effects model）合并数据。研究间方差（τ²）使用 DerSimonian-Laird 估计法13进行估算，该方法为 RevMan 5.4 的默认方法。所纳入的四项试验均以标准化的 0–100 评分量表报告 WOMAC 评分；因此，采用均数差（mean differences, MD）而非标准化均数差（standardized mean differences, SMD），因为在使用相同测量指标时，MD 的临床解释性更强。结果以均数差及其相应的 95% 置信区间（CI）表示。P 值小于 0.05 被认为具有统计学显著性。异质性通过 I² 检验进行量化。由于仅纳入了四项研究（k < 10），未正式评估发表偏倚（例如漏斗图或 Egger 检验），因为在此情况下，这些检验的统计效能不足，且 Cochrane 指南不推荐使用。采用这些严格的统计方法和原则，旨在对现有数据进行全面且稳健的分析。此外，由于仅纳入四项研究，未进行正式的发表偏倚检验（例如漏斗图不对称性或 Egger 检验），因为在研究数量少于 10 项时，这些检验不可靠，可能导致误导性结论。
8. 亚组分析
根据随访时间（<6 个月和 ≥6 个月）进行了亚组分析。
9. 敏感性分析
本荟萃分析通过以下方式进行了敏感性分析：（1）采用固定效应模型，（2）排除偏倚风险较高或不明确的试验，（3）排除随访时间小于或等于6个月的试验，以及（4）仅纳入英文文献。这些分析旨在评估研究结果的稳健性，并提高结果的可靠性。