以数据复杂程度分类，将Meta分析分为几个大的专题，称为篇；将每个大的专题再细分为章。每章先举一个具体数据，接着介绍适用于数据Mate分析的模型，给出R软件实现过程和结果解读。以问题为导向，以数据为纲，以模型和方法为目，理论与实践结合，重在实践。以数据复杂程度分类，将Mate分析分成几个大的专题，称为篇，然后每个大的专题再细分为章。每章，先举一个具体数据，接着介绍适用于数据的mate分析模型，给出R软件实现过程和结果解读。
本书主要面向自然和社会科学领域，特别是生物医药、心理学、教育学、经济学、环境学等不同专业领域的研究人员，以R语言为基础，解决Meta分析实践过程中相关问题
张天嵩（1970.04－），男，博士，主任医师，教授，硕导。中共上海市第九次代表大会代表。复旦大学上海临床医学院中西医结合系（临床）副主任。首届上海市区域名医。上海市中医药学会治未病分会第一届委员会副主委，zhongguo中西医结合学会循证医学分员常委、中华医学临床流行病学和循证医学分会第七届委员会中医学组委员、zhongguo医师协会循证医学专业第五届委员会委员等。《zhongguo循证医学杂志》、《上海针灸杂志》、《zhongguo医院统计
基 础 篇
第一章 贝叶斯 Meta 分析基础知识 / 2
第一节 贝叶斯方法概述/ 2
第二节 贝叶斯统计学基础/ 3
第三节 贝叶斯统计的常见算法 / 10
第四节 贝叶斯 Meta 分析模型 / 19
第五节 R 语言函数小结 / 25
第二章 R 软件应用入门/ 27
第一节 概述 / 27
第二节 数据管理 / 30
第三节 R 应用于贝叶斯 Meta 分析软件包 / 33
第四节 R 语言函数小结 / 34
单变量Meta 分析篇
第三章 二分类数据的贝叶斯 Meta 分析 / 38
第一节 实例数据 / 38
第二节 二分类数据贝叶斯 Meta 分析策略 / 39
第三节 效应指标为比值比的二分类数据贝叶斯 Meta 分析 / 40
第四节 效应指标为危险比的二分类数据贝叶斯 Meta 分析 / 41
第五节 效应指标为率差的二分类数据贝叶斯 Meta 分析 / 44
第六节 R 语言函数小结 / 45
第四章 连续型数据的贝叶斯 Meta 分析 / 47
第一节 实例数据 / 47
第二节 连续型数据贝叶斯 Meta 分析策略 / 49
第三节 效应指标为均数差的连续型数据贝叶斯 Meta 分析 / 49
第四节 效应指标为标化均数差的贝叶斯 Meta 分析 / 51
第五节 R 语言函数小结 / 53
第五章 有序数据的贝叶斯 Meta 分析 / 55
第一节 实例数据 / 55
第二节 有序数据的 Meta 分析策略 / 56
第三节 基于两步法的有序数据贝叶斯 Meta 分析 / 56
第四节 基于一步法的有序数据贝叶斯 Meta 分析 / 59
第五节 R 语言函数小结 / 60
第六章 计数数据的贝叶斯 Meta 分析 / 62
第一节 实例数据 / 62
第二节 计数数据的 Meta 分析策略 / 63
第三节 基于正态-正态分布层次模型的计数数据贝叶斯 Meta 分析 / 63
第四节 基于泊松-正态分布层次模型的计数数据贝叶斯 Meta 分析 / 65
第五节 R 语言函数小结 / 66
第七章 生存数据的贝叶斯 Meta 分析 / 68
第一节 实例数据 / 68
第二节 生存数据的 Meta 分析策略 / 68
第三节 效应指标为时点生存率的贝叶斯 Meta 分析 / 69
第四节 效应指标为中位生存期的贝叶斯 Meta 分析 / 70
第五节 效应指标为风险比的贝叶斯 Meta 分析 / 71
第六节 R 语言函数小结 / 73
第八章 单臂研究数据的贝叶斯 Meta 分析 / 74
第一节 实例数据 / 74
第二节 单臂研究数据的贝叶斯 Meta 分析策略 / 75
第三节 单臂试验二分类数据的贝叶斯 Meta 分析 / 76
第四节 单臂试验计数数据的贝叶斯 Meta 分析 / 77
第五节 单臂试验连续型数据的贝叶斯 Meta 分析 / 79
第六节 R 语言函数小结 / 81
第九章 稀疏数据的贝叶斯 Meta 分析 / 83
第一节 实例数据 / 83
第二节 稀疏二分类数据的 Meta 分析策略 / 84
第三节 二项式-正态层次模型 / 84
第四节 贝塔-二项式模型 / 90
第五节 稀疏研究的 Meta 分析 / 92
第六节 R 函数小结 / 93
第十章 缺失数据的贝叶斯 Meta 分析 / 95
第一节 实例数据 / 95
第二节 缺失数据的 Meta 分析策略 / 96
第三节 缺失测量结局二分类数据的贝叶斯 Meta 分析 / 98
第四节 缺失测量结局连续型数据的贝叶斯 Meta 分析 / 102
第五节 R 语言函数小结 / 105
第十一章 纵向数据的贝叶斯 Meta 分析/ 107
第一节 实例数据 / 107
第二节 纵向数据的 Meta 分析策略 / 108
第三节 基于 Emax 模型的纵向数据 Meta 分析/ 109
第四节 设立对照的前后测量数据 Meta 分析 / 114
第五节 R 语言函数小结 / 119
第十二章 贝叶斯 Meta 回归分析 / 121
第一节 实例数据 / 121
第二节 Meta 回归分析模型/ 121
第三节 R2jags 包拟合随机效应 Meta 回归模型 / 122
第四节 runjags 包拟合随机效应 Meta 回归模型 / 125
第五节 注意事项 / 127
第六节 R 语言函数小结 / 128
第十三章 单变量贝叶斯 Meta 分析相关图形的绘制 / 130
第一节 实例数据 / 130
第二节 森林图 / 131
第三节 漏斗图 / 138
第四节 马尔可夫链收敛性诊断相关图形 / 139
第五节 图形文件保存到本地硬盘 / 145
第六节 R 语言函数小结 / 146
多变量Meta 分析篇
第十四章 多元贝叶斯 Meta 分析的基本原理与模型 / 150
第一节 实例数据 / 150
第二节 多元 Meta 分析模型 / 151
第三节 二分类数据的多元 Meta 分析 / 151
第四节 多测量结局数据的多元 Meta 分析 / 153
第五节 R 语言函数小结 / 159
第十五章 诊断性试验贝叶斯 Meta 分析/ 160
第一节 实例数据 / 160
第二节 诊断性试验基本评价指标及计算方法 / 161
第三节 双变量二项式-正态分布模型 / 164
第四节 双变量条件二项式-尺度混合正态分布模型 / 166
第五节 R 语言函数小结 / 173
第十六章 遗传关联性研究贝叶斯 Meta 分析 / 176
第一节 实例数据 / 176
第二节 遗传关联性研究经典 Meta 分析策略 / 177
第三节 遗传关联性研究的无遗传模型 Meta 分析策略 / 179
第四节 基于病例对照研究设计的遗传关联性研究 Meta 分析 / 181
第五节 基于随机人群的遗传关联性研究 Meta 分析 / 185
第六节 R 语言函数小结 / 186
第十七章 合并不同设计类型研究数据的贝叶斯 Meta 分析/ 188
第一节 实例数据 / 188
第二节 整合随机试验与非随机试验证据 / 190
第三节 整合双臂试验与单臂试验证据 / 194
第四节 R 语言函数小结 / 198
网络Meta 分析篇
第十八章 贝叶斯网络 Meta 分析的基本原理与模型 / 202
第一节 实例数据 / 202
第二节 网络 Meta 分析的基本概念 / 203
第三节 网络 Meta 分析的基本假设 / 204
第四节 网络 Meta 分析的基本原理 / 205
第五节 网络 Meta 分析的核心统计模型 / 205
第六节 网络 Meta 分析的建模数据 / 208
第七节 网络 Meta 分析的建模策略 / 210
第八节 网络 Meta 分析的分析策略 / 211
第九节 贝叶斯网络 Meta 的分析工具 / 211
第十节 贝叶斯网络 Meta 分析策略的注意事项 / 212
第十九章 基于对比建模策略的贝叶斯网络 Meta 分析 / 215
第一节 实例数据 / 215
第二节 基于对比建模策略拟合模型的 R 软件扩展包/ 220
第三节 二分类数据的贝叶斯网络 Meta 分析 / 222
第四节 连续型数据的贝叶斯网络 Meta 分析 / 229
第五节 计数数据的贝叶斯网络 Meta 分析 / 231
第六节 R 语言函数小结 / 234
第二十章 基于臂建模策略的贝叶斯网络 Meta 分析 / 236
第一节 实例数据 / 236
第二节 基于臂建模策略拟合模型的 R 软件扩展包/ 236
第三节 二分类数据的贝叶斯网络 Meta 分析 / 236
第四节 连续型数据的贝叶斯网络 Meta 分析 / 240
第五节 计数数据的贝叶斯网络 Meta 分析 / 244
第六节 R 语言函数小结 / 246
第二十一章 网络 Meta 回归 / 247
第一节 实例数据 / 247
第二节 贝叶斯网络 Meta 回归模型 / 247
第三节 拟合贝叶斯网络 Meta 回归模型的 R 软件扩展包 / 248
第四节 bnma 包拟合贝叶斯网络 Meta 回归模型 / 248
第五节 注意事项 / 252
第六节 R 语言函数小结 / 252
第二十二章 贝叶斯网络 Meta 分析的不一致性检验 / 254
第一节 实例数据 / 254
第二节 不一致性相关概念及模型 / 257
第三节 比较模型拟合度 / 258
第四节 分割节点模型 / 262
第五节 R 语言函数小结 / 264
第二十三章 贝叶斯网络 Meta 分析相关图形的绘制 / 266
第一节 网络结构图 / 266
第二节 森林图 / 269
第三节 排秩图 / 273
第四节 残差图 / 277
第五节 杠杆图 / 279
第六节 R 语言函数小结 / 280
第二十四章 特殊数据的贝叶斯网络 Meta 分析 / 282
第一节 实例数据 / 282
第二节 生存数据的贝叶斯网络 Meta 分析 / 286
第三节 无序多分类数据的贝叶斯网络 Meta 分析 / 289
第四节 重复测量数据的贝叶斯网络 Meta 分析 / 292
第五节 剂量-反应数据的贝叶斯网络 Meta 分析 / 301
第六节 R 语言函数小结 / 307
基于其他算法的贝叶斯Meta 分析篇
第二十五章 基于 INLA 算法的贝叶斯 Meta 分析 / 310
第一节 实例数据 / 310
第二节 基于 INLA 算法的 Meta 分析包/ 313
第三节 nmaINLA 包在网络 Meta 分析中的应用 / 313
第四节 meta4diag 包在诊断性试验 Meta 分析中的应用 / 317
第五节 R 语言函数小结 / 325
第二十六章 基于 DIRECT 算法的贝叶斯 Meta 分析/ 327
第一节 DIRECT 算法 / 327
第二节 实现 DIRECT 算法的 bayesmeta 包 / 327
第三节 bayesmeta 包拟合随机效应贝叶斯 Meta 分析模型 / 328
第四节 R 语言函数小结 / 335
附录 随书视频 / 337
书单推荐
