Agent Skills
返回列表
元分析方案生成器

元分析方案生成器

行业专业 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_af163eaa/z-meta-analysis。

技能介绍

解决了什么问题

做元分析或系统综述的前期规划时,最容易踩的坑是流程散乱:检索策略临时拼凑导致文献覆盖不全,纳入排除标准做到一半就修改,效应量选得太随意掩盖研究间异质性,等到分析阶段才发现漏了发表偏倚检验,整得返工。这个技能就是帮你把前期规划串成一份可执行的协议。

技能如何工作

核心是产出符合预注册要求的元分析协议,按固定流程推进:

  1. 先明确研究问题的PICOS框架(人群、干预、对照、结局、研究设计)
  2. 规划检索策略与数据库清单,数据库/关键词用占位符,不提前写未执行的具体检索式
  3. 细化纳入与排除标准,保证可复现
  4. 选择合适的效应量(比如OR、MD、SMD),并根据研究场景选定固定效应或随机效应模型
  5. 提前规划异质性检验方法(如Q统计量、I²)与发表偏倚评估手段(如漏斗图、Egger's test)
  6. 最终输出结构化的Markdown格式协议文档

说白了,就是把元分析前半段的准备工作固化成协议,避免边做边改乱了章法。

适用边界与注意事项

仅适用于系统综述/元分析的前期规划阶段,不直接执行检索或计算合并效应量。需遵循预注册原则,协议建议提交至PROSPERO等平台,不能事后偷偷修改纳入标准;数据库与关键词必须用占位符,不能编造未真实执行的检索式;效应量选择要贴合研究问题与数据类型,不能为了好看的结果刻意忽略高异质性。

使用场景

  • 准备做干预效果的Meta分析,需要先确定检索数据库、纳入排除标准和随机效应模型
  • 写系统综述研究方案时,要把PICOS、检索式框架、异质性检验和发表偏倚评估串成协议
  • 期刊要求提交PROSPERO预注册,需要生成不可事后改动的元分析流程文档
  • 面对不同结局指标,需要规划该用OR、MD还是SMD,并说明固定/随机模型选择理由

适合人员

  • 循证医学研究生,需要按规范完成系统综述前的元分析协议
  • 临床研究助理,要把多个研究的结局合并成证据前先固定流程
  • 公共卫生数据分析师,常处理干预效果证据合成并需要可复现方案
  • 药企医学事务人员,要在证据评估前明确效应量、异质性和偏倚检验