標準化平均差是通常用於比較干預組和對照組之間量化成果差異的效應值。然而，原始研究中提供的用於計算效應值的數據各不相同。有時，有多種選擇可用，並且總是不清楚哪種方法最佳。
在2021年的一篇文章中，Taylor及其團隊提供了在原始研究中報告數據以計算效應值的指南，並就應優先考慮哪些數據進行統合分析提出了建議。
作者對統合分析的主要建議是：
- 使用調整了基綫協變量的效應值，至少是成果測量的前測分數，也可能使用人口統計變量。這將產生更具解釋性和準確性的效應估計值。
- 當協變量調整的平均值可用時，避免使用未調整的平均值，因為未調整均值的效應值會減低準確性，並在統合分析中人為地增加效應值的異質性。
- 在學校或班級的群集研究中，計算效應值和變異數時調整基線協變量和群集效應。
遵循這些建議需要在原始研究中更好地報告必要的數據。對於以個體為單位的研究，這包括協變量調整的平均值、未經調整的標準差和經調整平均差的標準誤差。對於群集研究，它還需要報告組內相關係數（ICC）和來自解釋群集模型經調整平均差的標準誤差。作者提供了一個在線工具來執行所有計算。
文獻來源：Taylor, J. A., Pigott, T., & Williams, R. (2022). Promoting knowledge accumulation about intervention effects: Exploring strategies for standardizing statistical approaches and effect size reporting. Educational Researcher, 51(1), 72–80. https://doi.org/10.3102/0013189X211051319