专题一：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
专题二：Meta分析与R语言数据清洗及相关应用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5) 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。
专题三：R语言Meta分析与精美作图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OR3）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
专题四：R语言Meta回归分析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
专题五：R语言Meta诊断分析与进阶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
专题六：R语言Meta分析的不确定性及贝叶斯应用
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brms4) 贝叶斯Meta分析及不确定性分析
专题七：深度拓展机器学习在Meta分析中的应用机器学习在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
专题八：讨论与答疑
1、练习
2、讨论与答疑