基于R语言的Meta分析【全流程、不确定性分析】方法与Meta机器学习技术应用
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。本文针对Meta分析原理、公式、操作步骤及结果分析,进阶应用进行详细解析,结合多个例子,熟练掌握Meta分析全流程和不确定性分析,并结合机器学习等方法讲解Meta分析在文献大数据的延伸应用。
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分析的选题策略文献检索数据库精确检索策略,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
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。
专题三、R语言Meta分析与作图
3 R语言Meta分析
R语言Meta分析的流程各类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
Meta亚组分析R语言图形可视化基础如何用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
Meta回归统计分析理论及应用Meta回归和普通回归分析的异同固定效应与随机效应分析泡泡图(bubble)的绘制
专题五、R语言Meta诊断分析
5 R语言Meta诊断进阶
Meta诊断分析(t2、I2、H2、Q等统计量)异质性检验敏感性分析偏倚分析风险分析
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
网状Meta分析贝叶斯理论R语言贝叶斯工具Stan、JAGS和brms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
机器学习基础以及Meta机器学习的优势Meta加权随机森林(MetaForest)的使用使用Meta机器学习对文献中的大数据进行整合使用机器学习进行驱动因子分析
原文链接:
https://mp.weixin.qq.com/s?__biz=MzUyNzczMTI4Mg==&mid=2247596398&idx=4&sn=f6edd5290bf8452af76be823174269b5&chksm=fa782653cd0faf45cc8628506969d9d89cceceb1a1ce760a93a83fbf606d5ac1d02c277b9b97&token=1220593956&lang=zh_CN&scene=21#wechat_redirect