R语言Meta分析【全流程、不确定性分析】方法与Meta机器学习

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。

基于R语言的Meta分析【全流程、不确定性分析】方法与Meta机器学习高级应用

Meta分析的选题与检索

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

 

Meta分析与R语言基础

2 Meta分析的常用软件与R语言基础

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

R语言数据清洗方法

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。

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

 

 

 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

 

 

 

 R语言Meta诊断分析

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

 

 

 

 

 

 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

 

 

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