全流程R语言Meta分析核心技术高阶应用

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。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分析等方面进行，每个专题，每一部分结合多个典型案例实践，深受众多好评。

【内容简述】：

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）
4) 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。