文献综述的统计重活：医学Meta分析技能一条命令出森林图

做系统评价和 Meta 分析的研究者都懂：选题、检索、筛选都不算最磨人，最磨人的是统计环节——异质性、发表偏倚、敏感性分析、亚组，每一样都要在统计软件里手搓，RevMan、Stata 换着用，代码零散难复现。SkillHub 上的医学 Meta 分析（meta-analysis）技能把这套统计流程装进了 AI 助手：基于 R 的全方位 Meta 分析，输出可复现代码与全套图形。

是什么

医学 Meta 分析是社区开发者（@user_ff7413f5）发布的数据分析类技能，当前版本 2.20.1，1.1 万+ 下载。它的能力清单相当完整：覆盖 RevMan 与 Stata 的等价操作，外加 esc 效应量计算、RVE 稳健方差估计、贝叶斯网络 Meta（NMA）、生存数据 Meta、TSA 试验序列分析、单组率 Meta、诊断准确性 Meta 与系统评价全流程。出图面给到 23 种分析图形——森林图、漏斗图、异质性（I²）标注、发表偏倚检验、亚组分析、元回归、网络 Meta 图谱都在列。关键是所有分析都附带可复现的 R 代码：结果不是黑箱给的，研究者可以在自己的 R 环境里逐行重跑核对。

能力面与典型用法

工作流四段：选题方向判断（这个题目值不值得做 Meta）、文献检索整理与筛选、数据提取、统计合成与出图。典型用法是把提取好的效应量数据交给它，说明研究类型（二分类/连续型/生存数据），它给出合并模型选择（固定/随机）、异质性检验、偏倚评估和成套图形，每一步带 R 代码。对需要方法学合规的投稿场景，可复现代码就是最好的方法学说明附件。

适合谁用与边界

研究生做学位论文的系统评价部分、医院的循证医学小组、药企的药物安全性汇总分析，是三类典型用户。边界必须写清：Meta 分析的底线在数据提取与纳入排除的规范性——技能能算得又快又对，但喂进去的数据错了，结果只会是"精确的错误"；统计结论要结合临床意义解读，I² 高低怎么处理、亚组怎么解释，方法学判断仍在研究者。此外技能面向医学统计场景设计，非医学领域的 Meta 分析可参考其流程但需自行核方法适配。

循证研究的效率瓶颈正在从"会不会统计"转向"统计流程能不能标准化复用"。贵州诚鑫致达科技为企业搭建 AI 工作环境时遵循同一个原则：把有标准流程的重活交给技能，人守住数据与判断两道门——专业工具的落点从来是提效，不是代责。

企业存储选型参考｜贵州诚鑫致达

做高可用与业务不间断保障，群晖机型参考：PAS7700 · RS2423RP+ · SA3410。需要选型建议或上门评估，搜「诚鑫致达」即可找到我们。