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。
本内容从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，深受好评。
【内容简介】：
专题一、Meta分析的选题与检索
1 、 Meta分析的选题与文献检索
-
什么是Meta分析
-
Meta分析的选题策略
-
精确检索策略，如何检索全、检索准
-
文献的管理与清洗，如何制定文献纳入排除标准
-
文献数据获取技巧，研究课题探索及科学问题的提出
-
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语言数据清洗及统计方法
2 、 Meta分析的常用软件/R语言基础及统计学基础
-
R语言做Meta分析的优势及其《Nature》、《Science》经典案例应用
-
R语言基本操作与数据清洗方法
-
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）
-
传统统计学与Meta分析的异同
-
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、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
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（分层模型）构建
-
Meta分析的权重计算
-
Meta分析中的固定效应、随机效应
-
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）
-
Meta回归和普通回归、混合效应模型的对比及结果分析
-
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
-
Meta诊断分析（t2、I2、H2、R2、Q、QE、QM等统计量）
-
异质性检验及发表偏移、漏斗图、雷达图、发表偏倚统计检验
-
敏感性分析、增一法、留一法、增一法、Gosh图
-
风险分析、失安全系数计算
-
Meta模型比较和模型的可靠性评价
-
Bootstrap重采样方法评估模型的不确定性
-
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
-
网状Meta分析
-
贝叶斯理论和蒙特拉罗马尔可夫链MCMC
-
如何使用MCMC优化普通回归模型和Meta模型参数
-
R语言贝叶斯工具Stan、JAGS和brms
-
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
-
机器学习基础以及Meta机器学习的优势
-
Meta加权随机森林（MetaForest）的使用
-
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
-
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
-
使用Meta机器学习进行驱动因子分析、偏独立分析PDP