R语言Meta分析核心技术
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。
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
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。
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
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
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
1) 敏感性分析、增一法、留一法、增一法、Gosh图
2) 风险分析、失安全系数计算
3) Meta模型比较和模型的可靠性评价
4) Bootstrap重采样方法评估模型的不确定性
5) 如何使用多种方法对文献中的SD、样本量等缺失值的处理
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
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机器学习和传统机器学习对文献中的大数据训练与测试
4) 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
5) 使用Meta机器学习进行驱动因子分析、偏独立分析PDP
原文阅读：全流程R语言Meta分析核心技术