GLMM Meta-Analysis
Generalised linear mixed models for binary/count outcomes without normal approximation.
- Keluarga
- Meta-analysis
- Mesin
- metafor 5.0.1 (R)
Kapan digunakan
Gunakan ketika Anda punya tabel efek dan memerlukan estimasi gabungan yang dapat dipertahankan.
Mengeluarkan meta-analisis dari keluaran kalkulator dan mengikatnya ke jejak keputusan: ukuran efek, heterogenitas, pemilihan model, dan provenans.
Gambar yang dihasilkan
- Plot forest
Batasan dan cakupan
- Hasil bergantung pada studi, korpus, dan parameter yang Anda berikan, serta pada model yang dipilih. Analisis ini merangkum bukti sebagaimana dilaporkan; ia tidak menetapkan kausalitas.
- Setiap gambar membawa sumbernya, dan setiap eksekusi dapat direproduksi bit demi bit dari masukan, parameter, dan versi mesin yang sama.
Dalam keluarga ini
- Univariate Meta-AnalysisPool one effect size per study into a single summary estimate with heterogeneity diagnostics.
- Multilevel Meta-AnalysisTwo- or three-level models for dependent effect sizes nested within studies or labs.
- Network Meta-AnalysisMixed treatment comparison across ≥3 interventions with a connected evidence network.
- Diagnostic Test AccuracyBivariate sensitivity/specificity model with a summary ROC curve.
- Dose–Response Meta-AnalysisModel the shape of an exposure–outcome relationship across dose levels.
- P-Uniform*Bias-corrected effect estimate robust to selective publication.
- P-Curve AnalysisTest the significant p-values for evidential value vs p-hacking via the p-curve's right-skew (Simonsohn et al. 2014).
- Trial Sequential AnalysisAdjust cumulative meta-analysis for repeated significance testing — is the evidence conclusive, or is more information needed (Wetterslev et al. 2008)?
- MA Power AnalysisProspective / retrospective power for a meta-analytic design specification.
Jalankan analisis ini
Definisi di atas terbuka. Mesin langsung, parameternya, dan laporan tersegel asal-usul berjalan di dalam ruang kerja Anda.