用途:整合多项独立研究结果,量化总体证据。支持效应量(SMD/OR/RR/MD)合并、异质性评估与发表偏倚检测的完整流程。
主要能力:计算 Hedges' g、Cohen's d、SMD、MD、OR、RR 等效应量及方差;固定效应(逆方差加权)与随机效应(DerSimonian-Laird τ²)模型;异质性评估(I²、Q 检验、τ²);绘制森林图与漏斗图;发表偏倚检测(Egger 回归、Begg 检验);亚组分析与组间 Q 检验;累积元分析。
使用方式:以 Python 脚本调用,输入含 study、effect_size、variance 等列的 DataFrame。核心函数包括 compute_effect_sizes()、meta_analysis(model="fixed"|"random")、forest_plot()、funnel_plot()、egger_test()、subgroup_analysis()、cumulative_meta_analysis()。输出 CSV 与 PNG 至 results/ 与 figures/ 目录。依赖 scipy>=1.10、statsmodels>=0.14。可通过 ToolUniverse SMCP 调用 PubMed、EuropePMC、Crossref 检索工具。
适用场景:系统综述与元分析、临床与实验研究证据整合、亚组差异探索、证据累积过程可视化。
限制:资料未提供具体安装命令、许可与收费信息;Begg 检验仅提及名称,未给出实现细节;元回归仅列为能力,未提供代码示例。