meta-analysis

# Meta-Analysis 定量元分析专用 Skill。在 systematic-review 完成 L1-L8 之后，从 **L9 起大幅扩展**为完整定量合并工作流。R 统计由 **Claude Code 在本地 R 环境直接执行 `Rscript`**（metafor 等），原始输出（`summary` / `warnings` / `sessionInfo`）入审计包、红灯由 R 算（不靠 LLM 读数字），图由内置 ma-plots 固定渲染器产出 forest / funnel / PRISMA / RoB（§13.2；样式底座 ssci-plots）。 > **快速入口**：第一可执行步骤见 §3 主 Agent 启动流程 + §4.2 L9.1 效应量提取。详细方法见 references/ + scripts/ + 底座 SSOT。 --- ## 1. 触发与适用场景 ### 1.1 触发短语 **英文**：meta-analysis、effect size pooling、random-effects model、forest plot、funnel plot、heterogeneity I-squared、meta-regression、subgroup analysis、Hunter-Schmidt、RVE meta-analysis、three-level meta-analysis、MASEM、meta-analytic SEM、reliability generalization、p-curve、PET-PEESE、RoBMA、metafor、psychmeta。 **中文**：元分析、Meta 分析、定量综合、效应量合并、森林图、漏斗图、异质性、随机效应模型、Meta 回归、亚组分析、心理学元分析、量表元分析、信度概化、心理测量元分析、依赖效应量、RVE 元分析、三层元分析、出版偏倚、p 曲线。 ### 1.2 反向触发（不适用 / 切到其他 Skill） | 用户场景 | 切到 | |---|---| | 只做检索/筛选/RoB（L1-L8），不做合并 | `systematic-review` | | 只做定性证据综合（无效应量） | `systematic-review`（质性路径）或 `literature-set-review` | | 已收集文献集，要写综述但不做合并 | `literature-set-review` | | 叙述综述 / 范围综述 / 整合综述 | `field-overview-review` | | 50 年/30 年的领域发展史综述 | `field-evolution-review` | | 理论建构 / 构念分析 / 对立理论比较 | `theoretical-review` | | MA 四件套图（forest / funnel / PRISMA / RoB）渲染 | 本 Skill 内置 ma-plots 渲染器（§13.2，**非切出**）| | 非 MA 通用统计图渲染 | `ssci-plots` | ### 1.3 启用条件提示 - **心理学场景**（默认必读）：触发关键词含心理学构念、量表（BDI、SCL-90、Big Five 等）、APA 期刊、JARS、复制危机。同时加载 `SSOT-PSYCHOLOGY-SUPPLEMENTS.md`（含 8 议题）。 - **中文场景**：用户中文交流、提及《心理学报》《心理科学进展》、CNKI、GB/T 7714。同时加载 `SSOT-CHINESE-CONTEXT.md`。 - **网络元分析**：用户比较 ≥3 种治疗或提及 NMA / network meta-analysis。同时加载 `SSOT-SYNTHESIS-METHODS.md` §4。 --- ## 2. 假设前提（L1-L8 已就绪） 本 Skill **假设 L1-L8 已就绪**：用户已通过 systematic-review 或自行完成研究问题构造、检索、筛选、提取、RoB（详见 §13.1 联合工作流）。如未完成 L1-L8，主 Agent 应建议先切到 systematic-review。 --- ## 3. 主 Agent 角色与责任 **你是协调者、判断者、规划者，不是执行者。** 每个 SubAgent 必须使用当前可用的最强模型（与主 Agent 同级，不为省成本降级）；默认阻断；同消息内多 Agent 调用 = 并行。 ### 3.1 主 Agent 必读（启动即必读 —— G5：启动足迹从 ≈72k 三件套砍到 ≤10k digest） 主 Agent 在 Skill 触发后**立即加载 `review-methodology-foundations/references/LAUNCH-DIGEST.md`（启动即必读，正文 ≤10k）**——它蒸馏了原"启动即必读三件套"（SSOT-LIFECYCLE-12-PHASES + SSOT-METHODOLOGY-TERMINOLOGY + SSOT-AI-FAILURE-DEFENSES，≈72k）的**全部载荷条款** + §1.2-18 前沿条款（Egger-MLMA 路由 / trim-and-fill 降级 / k<5 禁 RVE / I²>90% 禁池化）+ Cohen / k→限定语 / I² / GRADE / 学科×数据库 / 构念方向六张查表。读完这一份即掌握全流程载荷红线。 > **为什么改（G5）**：实战审计实测原三件套 66-72k"启动即必读"被跳过 2/3——从未打开；48k 最对口的 PSYCHOLOGY-SUPPLEMENTS 零人读。**被读率是主 Agent 派发 prompt 是否点名的函数，不是"必读"规定的函数**。故三层修复：①启动只读 ≤10k digest（真读）；②三件套 + 深层 SSOT 全文降级"按需下钻"（路径经 `SSOT-INDEX.md` 全库 resolver，见 §8）；③**关键载荷投放到 SubAgent 靠 `PROMPT-COPY-BLOCKS.md` 复制块（§6/§14 · 内容进 prompt 的构造性保证），不靠自觉去读深文件**。 **深层全文按需下钻（不在启动加载，resolver 定位）**：`SSOT-EFFECT-SIZE-DECISION`（L9.1 效应量 + §4.10 设计9 单组前后测）/ `SSOT-SYNTHESIS-METHODS`（L9.4/L9.5/L9.9 方法本体）/ `SSOT-PSYCHOLOGY-SUPPLEMENTS`（心理学 8 议题 + §2.1.1 CHE）/ `SSOT-AI-FAILURE-DEFENSES §8`（构念方向协议全文）——digest 给决策阈值，需公式推导 / 操作模板时按 resolver 路径下钻。 **MA 在 AI-FAILURE 的强防御项**（digest §2 已含核心，此处保留 MA 专属加强）： - §2 效应夸大加强：除 Cohen 表外，加 Funder & Ozer 2019 严格标准（须显式声明用哪套）；CI 强制延伸到所有 subgroup / meta-regression 结果 - §3 置信幻觉加强：异质性 I² > 75% 强制不呈现合并效应；publication bias 必做清单 = funnel（contour-enhanced）+ 回归检验（Egger / Peters / Harbord，按效应量类型路由）+ 心理学补充 ≥ 1（p-curve / p-uniform* / PET-PEESE / selection models / RoBMA）；trim-and-fill 仅作敏感性分析（与 §4.2 L9.9 一致） ### 3.2 启动流程（第一可执行步骤指引） 派发顺序按 §4 工作流： 0. **MA 入口 preflight（关 BK-1）**：派 L9.1 前确认 `decisions/01/02/07/08` 已就绪——**联合路径**由 SR L1-L8 产出；**独立 MA 入口**（用户已自行完成 L1-L8、直接进 MA）须先据 §3.3"独立 MA 入口脚手架"从 `decisions_templates/` 拷模板填好这 4 档。**缺任一即阻断 L9.1**（不读决策档案直接执行违反 §3.3 强制必读）。 1. **L9.1 派发 Effect-Size-Extractor**（第一可执行步骤，见 §4.2）→ 每研究效应量 + SE 2. L9.2-L9.4 串行（校正 → 依赖 → 模型选择） 3. **L9.5 异质性先行**（其阻断信号决定 L9.6/L9.7 是否强制）→ L9.6/L9.7 可并行；**L9.8 敏感性须串行于 L9.5 之后**（leave-one-out / FE vs RE / τ² 估计器对照都依赖 L9.5 已定的模型基线，**不与 L9.5 并行**） 4. L9.9 单独跑（依赖前面结果）；L9.10 按需 5. L10 GRADE → L11 写作（含 Chart-Bridge ma-plots 渲染器，§13.2）→ L12 自评 ### 3.3 跨阶段决策档案规则（强制） 主 Agent 在每阶段产出后将决策结论写入 `decisions/` 子目录（与本任务工作目录平级）。每个决策档案为独立 md 文件（YAML frontmatter + 正文，≤ 100 行/档），不复制 SSOT 内容。 **MA 决策档案目录结构**（与 SR 联合时复用 SR 的 01-08）： ```text decisions/ 01_type_decision.md # L1：含心理学场景判定（关键 — 决定 L11 加载 JARS-Quant） 02_research_question.md # L2：PICO + 效应量预设 03_mode_decision.md # L3：严格 vs 学习 07_data_types.md # L7：双人提取字段 08_rob_tool_decision.md # L8：RoB 工具 09_synthesis_decision.md # L9：FE/RE/RVE/三层/MASEM 选择 + k 阈值 09.1_effect_size.md # L9.1：效应量类型 + SE 反算 09.4_model_selection.md # L9.4：FE vs RE 09.5_heterogeneity.md # L9.5：I² / Q / τ² / 95% PI 09.6_subgroup.md # L9.6：k≥10 启用 09.9_publication_bias.md # L9.9：4+ 工具 10_grade_decision.md # L10 11_reporting_standard.md # L11：APA MARS Table 9 + PRISMA 2020 + 12 处差异 ``` **独立 MA 入口决策档案脚手架（关 BK-1，必读）**：MA 第一可执行步骤 L9.1 **必读** `decisions/01/02/07/08`（§3.3 跨阶段强制必读 + decision-provenance §3），但这 4 档的生产者在 SR L1-L8。两条入口分别这样落地，**避免独立入口"必读却无人创建"而卡死**： - **联合路径**（`path: combined_with_sr`）：SR L1-L8 已产 `01/02/03/07/08`（共用同一 `decisions/` 目录）→ MA 直读不重写（衔接门见 §13.1 N-4）。 - **独立 MA 入口**（`path: standalone`，用户已自行完成 L1-L8、直接进 MA）：主 Agent 在派 L9.1 **之前**，把用户已完成的 L1-L8 结论**落成 `01_type_decision.md`（含心理学判定）/ `02_research_question.md`（PICO + 效应量预设）/ `07_data_types.md`（数据类型 + 信度 + n）/ `08_rob_tool_decision.md`**——直接拷 `review-methodology-foundations/decisions_templates/` 对应空白模板骨架填写（模板含 frontmatter + 决策结论/依据/上下游/校验结构）。 - **结构性阻断门（非"prompt 提醒"）**：`01/02/07/08` 缺任一 → **preflight 阻断 L9.1**（视作"未读决策档案直接执行"）；不允许主 Agent 即兴补写无模板的决策档案，也不允许跳过这 4 档直接派 Extractor。 > `decisions_templates/` 是**空白模板骨架**（S4 建，路径 `review-methodology-foundations/decisions_templates/`），覆盖 SR 11 类 + MA 5 个 09.x 子阶段 + 监督产物 `04a/07a/09.x_audit`。它是"给 01/02/07/08 一个可拷的起点"，本身不是决策实例。 **跨阶段强制必读**：L9/L10/L11/L12 阶段的所有 SubAgent prompt 必含： ```markdown **必读（决策档案）**： - decisions/01_type_decision.md（含心理学判定 → L11 加载 JARS-Quant 的依据） - decisions/02_research_question.md - decisions/03_mode_decision.md - decisions/07_data_types.md - decisions/08_rob_tool_decision.md - decisions/09*.md（按本阶段需要选 09.1/09.4/09.5 等） - decisions/10_grade_decision.md（仅 L11/L12） - decisions/11_reporting_standard.md（仅 L12） ``` > **追认①（G5 · 公理 8 好偏离追认）——规划文档=上下文容器**：实战中 SubAgent prompt 未逐档点名上列 decisions，而由主 Agent 用"每轮专属规划文档"承载上下文（内嵌决策档指针），效果更优。**此模式予以规范承认**：上列决策档必读可由"读本轮规划文档（规划文档内嵌所需 `decisions/*.md` 指针）"等价满足；构造性底线 = §6 派发复制块把关键决策载荷直接写进 SubAgent prompt（填空题），不依赖 SubAgent 自觉去开 decisions 档。**决策档案禁止自证式"`[ ] 已读 <文件>`"勾选**（G5 · R3 实测 decisions/01 虚假"[x] 已读"已发生、transcript 零访问）；"规定应读"改用模板 frontmatter `required_readings` 声明性机读字段（供未来审计），preflight `--gate readings` 一行 WARN 计数，差异表渲染延期 v2。 **主 Agent 在 L11 写作前必须二次验证**：当前 L11 SubAgent 计划的报告标准与 decisions/01_type_decision.md（含心理学判定）+ decisions/11_reporting_standard.md 一致。心理学场景必须叠加 JARS-Quant Table 9 在 PRISMA 2020 上。不一致即**阻断**。详见 `references/decision-provenance.md`。 ### 3.4 必须亲自做 vs 必须外包 | 必须亲自做 | 必须外包给 SubAgent | |---|---| | 阅读用户需求 + 关键文件 | 任何 R 代码生成（按 §5 R 包路径选择 + 模板）| | 决定是否走"SR L1-L8 + MA L9-L12"联合工作流 | 任何效应量提取/转换的具体执行 | | 撰写规划文档（L9 子顺序、R 包、模型选择理由）| 任何模型拟合输出的解读 | | 评估每轮 SubAgent 产出（计算正确性 / 模型合理性 / PB 稳健性）| 任何出版偏倚检验的具体执行与解读 | | 与用户的关键沟通（数据格式确认、模型仲裁、最终交付）| 任何 APA MARS 报告章节的撰写 | | 决策档案的写入与维护 | — | ### 3.5 不允许的妥协 - 不允许主 Agent 直接写 R 代码 / 直接调 MCP（PRES-003） - 不允许 SubAgent 替主 Agent 做"是否信任合并效应"的最终判断 - 不允许跳过出版偏倚检验或异质性披露阶段 - 不允许 I² > 75% 时仅呈现合并效应作为主要结论（违反 SSOT-AI-FAILURE-DEFENSES §3） - 不允许 k < 5 时强行 RVE / 三层（详见 §4.2 L9.3） - 不允许 k < 10 时强行 publication bias 检验（详见 §11.5） --- ## 4. 完整工作流（12 阶段对齐） 按 12 阶段对齐（参见 `SSOT-LIFECYCLE-12-PHASES.md`）。MA 在 SR 基础上 L9 大幅扩展为 10 子阶段。 ### 4.1 12 阶段总览（L1-L8 默认由 SR 完成） | 阶段 | 关键产出 | 决策档案 | SSOT | |---|---|---|---| | L1 | 类型识别（含心理学判定）| 01_type_decision.md | SSOT-REVIEW-TYPES | | L2 | PICO + 效应量预设 | 02_research_question.md | SSOT-PICO-FRAMEWORKS | | L3 | 严格 vs 学习模式 | 03_mode_decision.md | SSOT-MODE-PROFILES | | L4 | 检索（PsycINFO + ClinicalTrials.gov + 灰色文献）| — | SSOT-SEARCH-STRATEGY | | L5-L6 | PRISMA 流程 + 双盲筛选 | — | SSOT-PRISMA-FLOW-DIAGRAM | | L7 | 双人提取（含 ES + SE + 信度 + n） | 07_data_types.md | SSOT-EXTRACTION-FIELDS | | L8 | RoB（含 Metapsy 心理治疗扩展）| 08_rob_tool_decision.md | SSOT-ROB-TOOL-MAPPING | | **L9** | **定量合并（10 子阶段，本 Skill 核心）**| 09*.md | SSOT-SYNTHESIS-METHODS + SSOT-EFFECT-SIZE-DECISION | | L10 | GRADE | 10_grade_decision.md | SSOT-GRADE-FRAMEWORK | | L11 | APA MARS + PRISMA 2020 + ma-plots 渲染器产图（§13.2） | 11_reporting_standard.md | SSOT-REPORTING-STANDARDS | | L12 | AMSTAR 2 自评 | — | SSOT-AMSTAR-2-CHECKLIST | 如果用户未完成 L1-L8，主 Agent 先建议切到 systematic-review。 ### 4.2 L9：定量合并（10 子阶段，第一可执行步骤） **L9.1 效应量提取**（**第一可执行步骤**）：**派发前 preflight（关 BK-1/BK-7）**——① 确认 `decisions/01/02/07/08` 已就绪（独立入口按 §3.3 脚手架先建、联合入口由 SR 产；缺则阻断）；② 联合路径必读 `decisions/09_synthesis_decision.md` 的切换结论（≠"推荐切 MA"则阻断，见 §13.1 N-4）。preflight 通过后派 Effect-Size-Extractor → 5 决策树（D1 二分 / D2 连续 / D3 有序 / D4 计数 / D5 生存）+ 7 SE 反算公式 + 8 unit-of-analysis + 零事件处理。详见 `references/L9.1-effect-size-extraction.md`。SSOT：`SSOT-EFFECT-SIZE-DECISION` §1-§5。 > **全文语料消费面（G6 · 外包交接包模式，治 A-Q6 头号 token 浪费）**：全文获取+转换若走 `fulltext_request_pack/` 外包（见 SR SKILL §4.2.6），Effect-Size-Extractor 与数值核对 SubAgent **默认消费 `02_全文MD/<id>/<id>.md`（MD）+ 按锚点回 `01_原始PDF/<id>.pdf` 关键页**（`p.N Table M` 粒度，`anchors.json` 派生）；**整本重读 PDF 降为例外**（这是实战最大 token 浪费=提取/核对 agent 整本读 PDF 4-6 遍的根治）。**关键数值/方向/M-SD-N 一律回 PDF 核对**（MD 为 OCR，可能有掉行/误差——如 proquest-0028 的 NED/PED 描述统计行 OCR 掉空，须回 PDF Table 2），提取结论附页/表锚点。全文语料回执须先过 `systematic-review/scripts/validate_fulltext.py` 质量门（MD 质量抽检抓 OCR 结构性掉行/元噪声）。 **L9.2 效应量校正**：派 Correction-Agent → Hedges' g 校正（默认 N < 60 关键，校正失败回退见 §11.6）+ Hunter-Schmidt artifact correction（仅心理学量表）。Bare-bones vs Psychometric 模式选择。详见 `references/L9.1-effect-size-extraction.md` §3 + `references/L9-psychology-special.md`。 **L9.3 依赖性处理**（k 阈值决策）：判断依赖性 → 选择方法。 | 场景 | 推荐方法 | k 阈值 | R 包 | |---|---|---|---| | 多 outcome / 多时点 / 多对照，依赖结构未知 | RVE | **k ≥ 5**（< 5 不允许）| robumeta + clubSandwich | | 层级明确 + k ≥ 20 | 三层 | k ≥ 20（< 20 给 CR2 校正；< 5 不允许）| metafor `rma.mv()` | | 多变量关系建模（中介/调节）| MASEM | k ≥ 10 | metaSEM | | **k < 5** | **不允许 RVE / 三层** | — | **走单研究叙述 + sensitivity 单独报告**（A 级替代路径）| 派 Dependency-Agent。详见 `references/L9-psychology-special.md`。 **L9.4 固定/随机效应模型选择**：派 Model-Selection-Agent → 决策树 + **默认 RE**（FE 仅在干预真无效假设下）+ τ² 估计器（REML 默认）+ HKSJ CI（k > 2 + τ² > 0 时优于 Wald）+ k=2-4 决策表（详见 §11.4）。详见 `references/L9.4-fixed-random-models.md`。 > **默认 RE 模型的诚实披露**（L9.4 末尾必嵌入 — C4 三段体例）： > **段 1（教材原假设）**：FE vs RE 选择依赖研究者对异质性的判断（Borenstein 2009; Cochrane §10）。 > **段 2（LLM 实现差异）**：本元分析默认采用 RE，FE 仅在干预真无效假设下使用。差异 3 处：(1) 无显式用户提供异质性假设；(2) k < 10 时使用 HKSJ；(3) k = 2-4 时跑 FE+RE 双 sensitivity（Cochrane v6.5 §10.10.4）。 > **段 3（缓解 + Limitations）**：报告 FE+RE 双结果；k ≥ 5 报 PI；心理学场景 + k < 5 报 PI 但显式标注"normal 假设不稳健"。在 Discussion 披露默认 RE 的方法学选择。 **L9.5 异质性检验**：派 Heterogeneity-Agent → Q + I² + τ² + 95% PI（k ≥ 5 必报；心理学必报）。**I² > 75% 不允许仅呈现合并效应**；**I² > 90% 完全禁止合并** + 强制 subgroup / meta-regression（详见 §11.5）。详见 `references/L9.5-heterogeneity.md`。 **L9.6 子组分析（k ≥ 10）**：派 Subgroup-Agent → 预设 vs 事后必须区分（JARS Table 9 §METHOD §6）+ 正式统计检验子组间（不允许仅比较子组内 P 值）+ ICEMAN 6 维度。详见 `references/L9.6-subgroup-metaregression.md`。 **L9.7 Meta-regression（k ≥ 10）**：派 Metaregression-Agent（与 L9.6 可并行）→ 每分类特征 ≥ 10 项观察 + 比率类用 log-transformed。详见 `references/L9.6-subgroup-metaregression.md`。 **L9.8 敏感性分析**：派 Sensitivity-Agent（**串行于 L9.5 之后**——leave-one-out / FE vs RE / τ² 估计器对照 / 排除高 RoB 复算都需要 L9.5 已定的模型基线，**不与 L9.5 并行**；与 L9.9 可并行）→ Leave-one-out + FE vs RE vs HKSJ + 不同 τ² 估计器 + 不同 effect measure + 排除高 RoB 复算。 **L9.9 出版偏倚**：派 PublicationBias-Agent → 核心必做（funnel + Egger/Harbord/Peters；**k ≥ 10 才有效**，详见 §11.5）；心理学补充 ≥ 1（p-curve / PET-PEESE / RoBMA / Selection models）。**依赖效应量（L9.3 判定三层/RVE）→ 发表偏差用 Egger-MLMA（`scripts/egger_mlma.R`），非单水平 Egger**；RoBMA 需 JAGS 默认不选（缺则降级 puni_star+PET-PEESE）。**Trim-and-fill 已被 Cochrane v6.5 降级**（仅作敏感性分析）。详见 `references/L9.9-publication-bias.md`。 **L9.10 MASEM（按需）**：仅中介/调节 SEM 综合启用。TSSEM / One-Stage MASEM。详见 `references/L9-psychology-special.md` §3。 ### 4.3 L10：GRADE 证据等级 派 GRADE-Agent → 元分析专属考虑：不精确（CI 跨决策阈值）、不一致（I² > 50% 通常降级）、出版偏倚（funnel 不对称 + Egger p < 0.10 降级）+ 结合 RoB 2 / ROBINS-I。SSOT：`SSOT-GRADE-FRAMEWORK`。 ### 4.4 L11：报告（APA MARS Table 9 + PRISMA 2020 + 产图（§13.2 渲染器）） 派 Write-Agent（短稿 2-2-1 备份法 / 长稿分章变体见下追认②）+ 报告标准核对 SubAgent。 > **追认②（G5 · 公理 8 好偏离追认）——L11 分章 writer 变体 + 章间交叉互评**：实战 L11（15k 词长稿）弃用 2-2-1 双稿备份法，改用 4 分章 writer（Intro / Methods / Results / Discussion 各一 SubAgent 并行起草）+ 集成 + 终稿修正，产出质量高、并行更快。**规范承认"分章制"为长稿（≥12k 词）的合法变体**，前提是补回被 2-2-1 丢掉的对撞检查点：分章起草后**必须做 (a) 章间交叉互评**（每章 writer 交叉审邻章的接口一致性 / 术语统一 / 前后呼应）**+ (b) 集成一致性核对**（Results↔Methods↔Abstract 的数字与载荷性主张逐一勾稽）——以此替代 2-2-1 的双稿对撞，**不得省略对撞环节**。短稿（<12k 词）仍用 2-2-1。两法均须过 SP6 claims-vs-data + SP7 引用终审（§9.1 / `references/L11-mars-reporting.md §8`）。 - **APA MARS Table 9**：13 章节完整对接 - **PRISMA 2020**：27 条清单 - **JARS-Quant 12 处差异**（心理学场景 — 由决策档案 01_type_decision.md 心理学判定触发）：预先/事后假设分组、心理测量学特征、构念效度、测量误差伪迹、moderator vs subgroup、效应量+CI 强制、Hedges 校正、Bayesian 先验、统计代码位置、不利效应章节 - **产图 = 内置 ma-plots 固定渲染器四命令**（§13.2 三步硬契约 + labels 机械同源纪律；卫星四元组见 §13.4）：forest plot、funnel plot（contour-enhanced）、PRISMA 流程图、RoB 图；SoF 表 = md 表格（L10 产出，非渲染器职责） 详见 `references/L11-mars-reporting.md`。SSOT：`SSOT-REPORTING-STANDARDS` §1.3.1 + §3。 ### 4.5 L12：自评（AMSTAR 2 元分析维度） 派 Self-Assessment Agent → AMSTAR 2 16 项 + 7 关键域。SSOT：`SSOT-AMSTAR-2-CHECKLIST`。 --- ## 5. R 包路径（按议题映射） | 议题 | 主 R 包 | 代码模板 | |---|---|---| | 标准元分析（FE/RE）| metafor | `scripts/metafor_basic.R` | | 依赖效应量（RVE）| robumeta + clubSandwich + wildmeta | `scripts/rve_clubSandwich.R` | | 依赖效应量发表偏差（Egger-MLMA）| metafor rma.mv / robumeta+clubSandwich | `scripts/egger_mlma.R` | | 三层元分析 | metafor `rma.mv()` | `scripts/metafor_basic.R`（含 rma.mv 块）|