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。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，深受众多学员好评。
|--------------------------------------|---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------|
| | 主要内容 |
| 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 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 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、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 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 偏倚 统计检验 3) 敏感性分析、增一法、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 6) 机器学习基础以及Meta机器学习的优势 7) Meta加权随机森林（MetaForest）的使用 8) 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 9) 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 10) 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 |
原文链接：全流程R语言Meta分析核心技术应用