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。

点击查看原文

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. 文献检索数据库
4. 精确检索策略，如何检索全、检索准
5. 文献的管理与清洗，如何制定文献纳入排除标准
6. 文献数据获取技巧
7. 文献计量分析CiteSpace及研究热点分析

专题二、Meta分析与R语言基础

2 Meta分析的常用软件与R语言基础

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
3. R语言数据清洗方法
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分析

1. R语言Meta分析的流程
2. 各类meta效应值和累计效应值计算

连续资料的RR、MD与SMD

分类资料的RR和OR

1. Meta亚组分析
2. R语言图形可视化基础
3. 如何用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回归分析

1. Meta回归统计分析理论及应用
2. Meta回归和普通回归分析的异同
3. 固定效应与随机效应分析
4. 泡泡图（bubble）的绘制

 

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、Q等统计量）
2. 异质性检验
3. 敏感性分析
4. 偏倚分析
5. 风险分析

 

 

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
3. R语言贝叶斯工具Stan、JAGS和brms
4. 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机器学习对文献中的大数据进行整合
4. 使用机器学习进行驱动因子分析

 

点击查看原文