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
