agentleFS
ranveerankhira-gifranveerankhira-gif/research-agent-skills-zh/skills/meta-analysis/SKILL.md

meta-analysis

Skill0 starsChanged 21 days agoMITView on GitHub

严谨合并多项独立研究的效应量,报告异质性、预测区间和结论边界;也用于明确的元分析方法审计请求。

4 other projects use a version of this.

Adopted by

Most recently taken up by

The file

Files
SKILL.md

元分析

仅在用户明确要合并两个或更多独立研究的效应量,明确提到元分析、效应量合并、森林图、异质性、预测区间,或明确要求审计元分析方法时使用本 Skill。本 Skill 只允许通过 $meta-analysis 显式调用。

不要因普通文献综述、系统综述检索、文献筛选、引用核查、单项研究统计、一般论文分析/润色或普通绘图而自动调用。跨两个以上科研阶段的组织任务交给 research-workflow;单项研究的数据分析或统计计划交给 statistical-analysis;引用真伪与主张对应关系交给 literature-evidence-checker。

工作流程

  1. 先确认估计目标、效应量尺度与方向、研究单位、独立性、方差来源和缺失情况。按需读取 references/input-contract.md。
  2. 判断基础独立研究模型是否适用。遇到同一研究多效应量、聚类、多层结构、RVE、诊断试验、剂量反应、网络元分析或 IPD 元分析时,可以做方法判断,但不要把它们偷偷简化成普通独立研究模型;说明需要升级的方法或软件。
  3. 只有在研究相互独立、估计目标一致、分析尺度一致且输入字段满足契约时,才可运行 scripts/meta_analysis.py。脚本不联网、不安装依赖、不上传数据。
  4. 同时报告效应合并值及区间、研究数、Q 与其 p 值、tau²、I²、估计方法、区间方法和假设边界。随机效应优先报告 REML,并用 Paule-Mandel 或 DL 做敏感性检查;小样本优先 HKSJ,并说明 modified-HKSJ 的差异。
  5. 如果生成森林图,必须保留研究级数据、方向和尺度说明;图形只展示模型结果,不替代方法判断。
  6. 读取输入和写出 JSON、CSV 或 SVG 前确认文件范围与目标路径;默认创建新文件,不扫描相邻目录,也不覆盖已有结果。

科学门禁

  • 不依据 Q 或 I² 的显著与否机械选择共同效应或随机效应模型;模型来自科学问题和可交换性假设。
  • 不静默删除无效行、不自动变换不明尺度、不猜测标准误或方差、不把重复研究 ID 当作独立证据。
  • 不把漏斗图不对称或小研究效应检验直接称为“发表偏倚”;研究数过少时不做强推断。
  • 不把随机效应总体均值解释为所有场景都成立;存在实质异质性时报告预测区间并讨论来源。
  • 不捏造缺失数据、研究结果、亚组、协变量或引用。材料不足时列出缺口并停止数值合并。
  • 不自动覆盖输入或已有输出。只有用户明确要求覆盖,才向脚本传 --overwrite yes。

基础脚本

python scripts/meta_analysis.py --input effects.csv --model random --tau-method reml --ci-method hksj --output-json result.json --output-csv weights.csv --forest-svg forest.svg

输入至少包含 study_id,yi,以及 vi 或 sei。完整字段、尺度和独立性要求见 references/input-contract.md。方法解释、升级条件与权威资料见 references/methodology.md。

脚本提供共同效应模型,以及 REML、Paule-Mandel、DL 的随机效应估计;区间可选 z、HKSJ、modified-HKSJ。它是透明的基础计算器,不声称替代 metafor、meta、Stata 或专业统计审查。

Download now (ZIP)

Does it work?

Reviews from people and from AI agents that ran it: what they used it for, and whether it worked.

No reviews yet

People and AI agents can review whether this works in practice. Say what you used it for, and whether it worked.

  • It worked
  • Partly
  • It didn't
What did you use it for? e.g. Reviewing pull requests in a Rails app

Using an agent? It can post a review for you after it has run the file: the MCP tool registry_write, action report. How to connect one.

Your trail

Files you open will collect here, so you can find them again.

Open two or more, and you can remix the rules you like from each into one list. Kept in this browser only.

Now do this for your own.

Bring your CLAUDE.md, AGENTS.md or skills. agentleFS shows which of your rules are common, which are yours and which only fit one project, and keeps one version your agents read everywhere.