全流程R语言Meta分析核心技术应用

Meta分析 是针对某一科研问题,根据明确的搜索策略、选择筛选文献标准、采用严格的评价方法,对来源不同的研究成果进行收集、合并及定量统计分析的方法,最早出现于"循证医学",现已广泛应用于农林生态,资源环境等方面 。R语言拥有完整有效的数据处理、统计分析与保存机制,可以对数据直接进行分析和显示,命令格式简单、结果可读性强,包含众多针对Meta分析软件包,是进行Meta整合分析及评价的有效平台。 文献计量分析研究热点变化 寻找科学问题 R-Meta多手段全流程分析与Meta高级绘图 多层次分层嵌套模型构建与Meta回归诊断 贝叶斯网络、MCMC参数优化及不确定性分析 Meta数据缺失值处理的六种方法与结果可靠性分析 Meta加权机器学习与非线性Meta分析 等方面讲解,每个专题,每一部分结合多个典型案例实践,深受众多学员好评。

点击查看原文https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247542347&idx=2&sn=53542950c873477ce13c00cf101a9180&chksm=ce64cca0f91345b69320df320e015a03e1f86ff3f3482b553f329cb1e76bb00181ad87ff5e7e&token=1639767299&lang=zh_CN#rd

专题一

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

专题二

Meta分析与R语言基础

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. R语言Meta分析常用包及相关插件介绍与安装

从自编程计算到调用Meta包(meta、metafor、dmetar、esc、metasens、metamisc、meta4diag、gemtc、robvis、netmeta、brms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。

专题三

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RR、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

专题四

R语言Meta回归分析

4 R语言Meta分析与混合效应模型构建

  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

专题五

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

专题六

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

专题七

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

专题八

讨论与答疑

1、练习

2、讨论与答疑

相关推荐
tangliang_cn14 分钟前
java入门 自定义springboot starter
java·开发语言·spring boot
程序猿阿伟15 分钟前
《智能指针频繁创建销毁:程序性能的“隐形杀手”》
java·开发语言·前端
新知图书26 分钟前
Rust编程与项目实战-模块std::thread(之一)
开发语言·后端·rust
威威猫的栗子28 分钟前
Python Turtle召唤童年:喜羊羊与灰太狼之懒羊羊绘画
开发语言·python
力透键背28 分钟前
display: none和visibility: hidden的区别
开发语言·前端·javascript
bluefox197929 分钟前
使用 Oracle.DataAccess.Client 驱动 和 OleDB 调用Oracle 函数的区别
开发语言·c#
ö Constancy1 小时前
c++ 笔记
开发语言·c++
墨染风华不染尘1 小时前
python之开发笔记
开发语言·笔记·python
徐霞客3201 小时前
Qt入门1——认识Qt的几个常用头文件和常用函数
开发语言·c++·笔记·qt
LKID体1 小时前
Python操作neo4j库py2neo使用之py2neo 删除及事务相关操作(三)
开发语言·python·neo4j