Peng 及其團隊進行了一項貝氏網絡統合分析（BNMA），以評估各種閱讀理解策略對3 至12年級、面臨閱讀困難（RD）的學生的效用。他們納入了52項實驗/準實驗研究，這些研究檢查了包括中心思想（或摘要總結）、推理、文本結構、複述、預測、自我監測和圖像組織等閱讀理解策略以及這些策略的組合。研究人員探討了潛在的調節因素，如背景知識教學、年齡、文本類型、閱讀困難的狀態、評估類型、干預劑量和實驗研究的質量。
有別於傳統的統合分析，網絡統合分析可以同時比較多種干預並對其有效性進行排序，即使某些干預沒有在同一個研究中直接比較，也能基於直接和間接證據予以評估。研究發現，最有效的策略組合是「中心思想-文本結構-複述」（MTR）組合（效應值 =+1.72，SUCRA = 0.89）。其他有效的策略組合有「中心思想-文本結構-自我監測-圖像組織」（MTSG）組合（效應值 =+1.13，SUCRA = 0.76），單獨使用中心思想策略也被證實有效（效應值 =+1.07，SUCRA=0.77）。背景知識教學（詞彙／內容知識）是唯一顯著的調節因素，其增強了上述這些策略的有效性。若缺乏背景知識教學，任何策略或組合均未顯示出顯著效果。組合中的策略數量不會影響閱讀理解結果，這表明教授過多的策略可能增加閱讀困難学生的認知負荷，使其難以有效運用這些策略。
這些見解可以幫助教育工作者設計出更有效的閱讀理解干預方案，通過關注最佳策略組合並增加背景知識教學，來提升閱讀困難學生的理解能力。
註：SUCRA（累積排序曲線下面積分數）表示干預策略被評估為最有效的可能性（最差的0%到最好的100%）。
文獻來源（開放取用）：Peng, P., Wang, W., Filderman, M. J., Zhang, W., & Lin, L. (2024). The Active Ingredient in Reading Comprehension Strategy Intervention for Struggling Readers: A Bayesian Network Meta-analysis. Review of Educational Research, 94(2), 228–267. https://doi.org/10.3102/00346543231171345