R-Meta分析核心技术教程

详情点击链接:全流程R-Meta分析核心技术教程

一, Meta分析的选题与检索

1、Meta分析的选题与文献检索

1)什么是Meta分析

2)Meta分析的选题策略

3)精确检索策略,如何检索全、检索准

4)文献的管理与清洗,如何制定文献纳入排除标准

5)文献数据获取技巧,研究课题探索及科学问题的提出

6)文献计量分析CiteSpace、VOSViewer、R bibliometrix及研究热点分析

二, Meta分析与R语言数据清洗与统计方法

2 Meta分析的常用软件/R语言基础及统计学基础

1)R语言做Meta分析的优势及其《Nature》、《Science》经典案例应用

2)R语言基本操作与数据清洗方法

3)统计学基础和常用统计量计算(sd\se\CI)、三大检验(T检验、卡方检验和F检验)

4)传统统计学与Meta分析的异同

5)R语言Meta分析常用包及相关插件讲解从自编程计算到调用Meta包meta、metafor、dmetar、esc、metasens、metamisc、meta4diaggemtcrobvisnetmetabrms 等),全程分析如何进行meta计算、meta诊断、贝叶斯meta、网状meta、亚组分析、meta回归及作图

三, R语言Meta分析与作图

3 R语言Meta效应值计算

1)R语言Meta分析的流程

2)各类meta效应值计算、自编程序和调用函数的对比

连续资料的lnRR、MD与SMD

分类资料的RR和OR

3)R语言meta包和metafor包的使用

4)如何用R基础包和ggplot2绘制漂亮的森林图

四,R语言Meta回归分析

4 R语言Meta分析与混合效应模型(分层模型)构建

1)Meta分析的权重计算

2)Meta分析中的固定效应、随机效应

3)如何对Meta模型进行统计检验和构建嵌套模型、分层模型、(混合效应)

4)Meta回归和普通回归、混合效应模型的对比及结果分析

5)使用Rbase和ggplot2绘制Meta回归图

五, R语言Meta诊断分析

5 R语言Meta诊断进阶

1)Meta诊断分析(t2、I2、H2、R2、Q、QE、QM等统计量)

2)异质性检验及发表偏移、漏斗图、雷达图、发表偏移统计检验

3)敏感性分析、留一法、增一法、Gosh图

4)风险分析、失安全系数计算
5)Meta模型比较和模型的可靠性评价
6)Bootstrap重采样方法评估模型的不确定性
7)如何使用
多种方法** 对**文献中的SD、样本量等缺失值的处理****

六, R语言Meta分析的不确定性

6 R语言Meta分析的不确定性

1)网状Meta分析

2)贝叶斯理论和蒙特拉罗马尔可夫链MCMC

3)如何使用MCMC优化普通回归模型和Meta模型参数

4)R语言贝叶斯工具Stan、JAGS和brms

5)贝叶斯Meta分析及不确定性分析

七, 机器学习在Meta分析中的应用

7 机器学习在Meta分析中的应用

1)机器学习基础以及Meta机器学习的优势

2)Meta加权随机森林(MetaForest)的使用

3)使用Meta机器学习和传统机器学习对文献中的大数据训练与测试

4)如何判断Meta机器学习使用随机效应还是固定效应以及超参数的优化

5)使用Meta机器学习进行驱动因子分析、偏独立分析PDP

相关推荐
Java Fans3 小时前
深入了解逻辑回归:机器学习中的经典算法
机器学习
慕卿扬4 小时前
基于python的机器学习(二)—— 使用Scikit-learn库
笔记·python·学习·机器学习·scikit-learn
夏天里的肥宅水5 小时前
机器学习3_支持向量机_线性不可分——MOOC
人工智能·机器学习·支持向量机
Troc_wangpeng6 小时前
机器学习的转型
人工智能·机器学习
小言从不摸鱼6 小时前
【NLP自然语言处理】深入解析Encoder与Decoder模块:结构、作用与深度学习应用
人工智能·深度学习·神经网络·机器学习·自然语言处理·transformer·1024程序员节
小码贾7 小时前
评估 机器学习 回归模型 的性能和准确度
人工智能·机器学习·回归·scikit-learn·性能评估
HyperAI超神经9 小时前
突破1200°C高温性能极限!北京科技大学用机器学习合成24种耐火高熵合金,室温延展性极佳
人工智能·深度学习·机器学习·数据集·ai4s·材料学·合金
阿里-于怀10 小时前
5分钟科普:AI网关是什么?应用场景是什么?有没有开源的选择?
机器学习
11 小时前
开源竞争-大数据项目期末考核
大数据·人工智能·算法·机器学习
喵~来学编程啦11 小时前
【数据处理】数据预处理·数据变换(熵与决策树)
人工智能·机器学习