详情点击链接：R-Meta模型教程

一：Meta分析的选题与文献计量分析CiteSpace应用

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

二：Meta分析与R语言数据清洗

2、Meta分析的常用方法与R语言应用

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讲解与实践

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。

三：R语言Meta分析与精美作图

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

3）Meta亚组分析

4）R语言图形可视化方法

5）如何用ggplot2绘制漂亮的森林图

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

五：R语言Meta诊断分析与进阶

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

六：R语言Meta分析的不确定性及贝叶斯

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

七：深度拓展机器学习在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