用途：跨研究合并效应量，重点不在合并点估计本身，而在模型选择、异质性刻画与发表偏倚诊断。适用于“合并这些效应量/对 N 项研究做元分析”“计算 I²/τ²”“画漏斗图或跑 Egger 检验”“把均值与标准差或 2×2 表转成效应量并合并”等请求。不适用于文献检索与筛选（应交给 alterlab-deep-research）、单数据集统计（alterlab-statistical-analysis）、单个回归/GLM（alterlab-statsmodels）或研究设计评估（alterlab-ssci-design-gate）。
主要能力：固定效应假设单一真效应，仅抽样误差导致差异；随机效应假设真效应分布并含研究间方差 τ²，是研究人群、测量或设计不同时的默认选择。可计算 Hedges' g 与方差、二分类结局的对数 OR 与方差，输出固定与随机效应行、置信区间与权重，并给出 τ²、I²、Q。异质性用 Cochran's Q、I²、τ² 刻画；高异质性时应报告预测区间并探索调节变量（元回归/亚组）。发表偏倚用漏斗图、Egger 回归检验、trim-and-fill 敏感性分析，均非决定性证据。
使用方式：Python 用 statsmodels 的 effectsize_smd、combine_effects（method_re="dl"）、summary_frame、tau2/i2/q、plot_forest，二分类用 effectsize_2proportions(statistic="odds-ratio")；R 用 metafor 的 escalc、rma(method="REML")、summary、forest、funnel、regtest、trimfill。报告遵循 PRISMA 2020，涵盖检索筛选流程、纳入标准、各研究效应量与权重、合并模型、I²/τ²/Q、偏倚诊断与偏倚风险评估。
限制：资料未提供具体安装命令、收费与平台信息；漏斗图与单项检验只能作为敏感性分析，不能当作证明。