Análisis R-Meta y práctica y expansión de integración multitécnica [análisis bibliométrico, bayesiano, aprendizaje automático, etc.]

El metanálisis es un método para recopilar, fusionar y analizar cuantitativamente resultados de investigación de diferentes fuentes basándose en estrategias de búsqueda claras, criterios de selección y selección de literatura y métodos de evaluación estrictos para un determinado tema de investigación científica. Apareció por primera vez en "Medicina basada en la evidencia". " ” ha sido ampliamente utilizado en agricultura, ecología forestal, recursos y medio ambiente, etc. El lenguaje R tiene un mecanismo completo y efectivo de procesamiento de datos, análisis estadístico y almacenamiento, que puede analizar y mostrar datos directamente. El formato del comando es simple y los resultados son altamente legibles. Contiene muchos paquetes de software de metaanálisis y es ideal para el análisis metaintegrado. y evaluación Plataforma efectiva. Este tutorial proporciona un análisis detallado de los principios, fórmulas, pasos operativos, análisis de resultados y aplicaciones avanzadas del metaanálisis, combina múltiples ejemplos para dominar todo el proceso del metaanálisis y el análisis de incertidumbre, y combina el aprendizaje automático y otros métodos para explicar. La aplicación del metaanálisis en la literatura.Aplicaciones extendidas del big data.

Haga clic para ver el texto original https://mp.weixin.qq.com/s?__biz=Mzg2NDYxNjMyNA==&mid=2247537224&idx=4&sn=4595e4af895cf256885e4211b02c806b&chksm=ce64b8a3f91331b5f76eab83cd9c664 9c4dcc57ee54bd28f0eed9d8bd39b3577919d2ae09289&token=686700854&lang=zh_CN#rd

Tema 1. Selección de temas para metanálisis y aplicación de CiteSpace para análisis bibliométrico

1. Selección de temas y búsqueda de literatura para metanálisis .

1. ¿Qué es el metaanálisis?
2. Estrategias de selección de temas para el metanálisis
3. Base de datos de búsqueda de literatura.
4. Estrategia de búsqueda precisa, cómo buscar de forma completa y precisa.
5. Gestión y limpieza de literatura, cómo formular criterios de inclusión y exclusión de literatura.
6. Habilidades de adquisición de datos de documentos.
7. Análisis bibliométrico de CiteSpace y análisis de puntos críticos de investigación.

Tema 2. Metaanálisis , limpieza de datos en lenguaje R y aplicaciones relacionadas .

2. Métodos comunes de metanálisis y aplicaciones del lenguaje R.

1. Las ventajas del lenguaje R para el metaanálisis y sus aplicaciones de casos clásicos en " Naturaleza " y " Ciencia "
2. Operaciones básicas del lenguaje R.
3. Método de limpieza de datos en lenguaje R
4. Explicación y práctica de paquetes de uso común y complementos relacionados para metanálisis en lenguaje R.

Desde los cálculos de autoprogramación hasta la llamada de paquetes Meta ( meta, metafor, dmetar, esc, metasens, metamisc, meta4diag, gemtc , robvis , netmeta , brms , etc.), todo el proceso analiza cómo realizar metacálculos, metadiagnósticos, bayesianos. meta y malla, meta, análisis de subgrupos, metaregresión y mapeo .

Tema 3 : Metaanálisis del lenguaje R y gráficos exquisitos

3. Metanálisis del lenguaje R

1. Proceso de metaanálisis del lenguaje R
2. Cálculo de varios valores de metaefectos y valores de efectos acumulativos.

RR, MD y SMD de datos continuos

RR y OR de datos categóricos

1. Análisis de metasubgrupos
2. Método de visualización de gráficos en lenguaje R.
3. Cómo dibujar hermosas parcelas forestales con ggplot2 

Tema 4. Análisis de metaregresión en lenguaje R

4. Análisis de metarregresión en lenguaje R

1. Teoría y aplicación del análisis estadístico de metaregresión.
2. Similitudes y diferencias entre la metarregresión y el análisis de regresión ordinario
3. Análisis de efectos fijos y efectos aleatorios.
4. Dibujo de gráfico de burbujas ( burbuja )

Tema 5. Análisis metadiagnóstico y avance del lenguaje R.

5. Metadiagnóstico avanzado en lenguaje R

1. Análisis de metadiagnóstico (estadísticas como t2, I2, H2, Q, etc.)
2. prueba de heterogeneidad
3. análisis de sensibilidad
4. análisis de sesgo
5. Análisis de riesgo

 

Tema 6: Incertidumbre en el metanálisis del lenguaje R y la aplicación bayesiana

6. Incertidumbre del metanálisis del lenguaje R

1. Metanálisis de red
2. teoría bayesiana
3. Herramientas bayesianas en lenguaje R Stan , JAGS y brms
4. Metaanálisis bayesiano y análisis de incertidumbre 

Tema 7 : Ampliar profundamente la aplicación del aprendizaje automático en el metanálisis

7 Aplicación del aprendizaje automático en metaanálisis

1. Conceptos básicos del aprendizaje automático y ventajas del metaaprendizaje automático
2. Uso de bosque aleatorio metaponderado (MetaForest)
3. Uso de Meta Machine Learning para integrar Big Data de la literatura
4. Uso del aprendizaje automático para el análisis de conductores

Tema 8. Discusión y preguntas y respuestas

1 ejercicio

2 Discusión y preguntas y respuestas