用途：把多项研究或队列的定量结果合并为单一估计值及置信区间，并判断研究间是否一致，属于系统综述的统计环节；检索文献由 tooluniverse-literature-deep-research 负责，本技能只处理已提取的数值。
主要能力：支持固定效应与随机效应（DerSimonian–Laird）模型；报告 pooled_effect、pooled_se、置信区间、z 值与 p 值，以及 Q、Q_df、Q_p_value、I²、τ² 异质性和各研究权重；输出文本森林图。输入可为比值比（OR）、风险比（RR）、风险率（HR）、均数差（Hedges' g）、相关系数（Fisher z）和 GWAS/回归 β。
必要用法：先把每项研究转成（effect_size, se）；比值类指标需先取对数，并由置信区间推算 SE。可用辅助脚本处理转换：python skills/tooluniverse-meta-analysis/scripts/meta_analysis.py --input studies.csv，CSV 列可为 name,or,ci_low,ci_high；name,beta,se；name,mean1,sd1,n1,mean2,sd2,n2；name,r,n。再用命令如 tu run MetaAnalysis_run '{"method":"random","studies":[{"name":"Smith 2019","effect_size":0.41,"se":0.12}]}' 合并。
关键限制：MetaAnalysis_run 不识别输入尺度，若传原始 OR/RR/HR 会静默得到错误结果，必须传对数尺度，且返回值和解释文本也处于对数尺度，需自行 exp() 换回；辅助脚本可自动跟踪尺度并反变换。同一池内不可混用不同效应指标，方向须一致；2×1.96 对应 95% CI。异质性 >75% 时合并可能不当。元分析无法修正原始研究偏倚，发表偏倚、研究质量需另行评估；研究数 <10 时无法评估小样本偏倚。上述均为资料明确说明的范围，收费与价格暂未提供。