循证方法专题总结之分层数据合并问题解决方法

自学meta分析已经快一年了，本人做的是观察性研究的meta分析，目前接受了一篇文章，一篇大修中，被拒5,6次。现总结一个做观察性研究常常碰见的问题，并提供几种解决方式。仅供初学者碰见此类问题，处理数据时的参考，同时期待论坛高手来探讨这个问题方法学怎么解决才是最合理的。
在做观察性研究中我们常常碰见一个问题就是分层数据合并问题，合并此类数据我也比较纠结，不知道才用那种方式较好。在此以smoking为例子，提供几种方法。最常见的比较是ever vs. never，但是我们常常发现我们检索的文献只提供current vs. never和past/former vs. never, 此时我们就会想如何将这两层合并成一层数据当做ever vs.never或者说这样的数据我们该怎么处理。方法较多，一一列举如下（注：他们都是使用相同的对照组）：
方法1.把他们当中每一层数据都当做独立研究，直接参与合并。下面是jama发表的一篇文章，就是这样的处理。附上链接：. http://jama.jamanetwork.com/article.aspx?articleid=183086。此种方法，个人觉得有些不妥，在对照中对照组重复利用问题值得商榷。至于是不是错误，不甘妄下定论，期待高手来拍砖。
方法2：先将同一篇文献中分层数据用固定效应模型合并成一个数据，然后再与别的文献合并。附两篇文献采用此种方法处理数据： http://www.ncbi.nlm.nih.gov/pubmed/21920268 ， http://www.ncbi.nlm.nih.gov/pubmed/17011690 。此种方法运用似乎被较多作者采用，但是这种方法学上面到底有没有问题，期待论坛的统计牛人来探讨。
方法3：先将同一篇文献中分层数据用随机效应模型合并成一个数据，然后再与别的文献合并。附参考文献2篇： http://www.ncbi.nlm.nih.gov/pubmed/22020036 ， http://www.ncbi.nlm.nih.gov/pubmed/23224270 。此种方法也被较多的作者采用，同样问题如上，期待大家进一步讨论。
方法4: 此种方法稍微复杂一些，要经过转换。附2片文章使用此方法： http://www.ncbi.nlm.nih.gov/pubmed/21536659 ， http://www.ncbi.nlm.nih.gov/pubmed/21307158 。这种方法学的使用见统计部分的参考文献，并不难（作者提供了一个excel表格填入数据即可计算）。此种方法使用的作者也较多，由于本人不是学统计学，具体方法不怎么懂，但似乎觉得跟合理一些，期待统计大家来解析。
方法5：此种方法最简单，就是根据原始文献提供的暴露分布，计算一个粗的or或者rr及95%的区间。采用这种方法的文献随处可见，不在列举参考文献。
总结：每次碰见此类数据的时候我都很犹豫，到底应该采用哪一种呢，每一种方法都有很多人采用，到底谁更合理？