元分析（Meta 分析）入門提示詞：數據提取表、效應量選擇與異質性解讀
第一次做 Meta 分析時用：說明你的研究問題和納入研究的數據類型，AI 幫你設計數據提取表、選擇合適的效應量（OR、RR、SMD、MD 等）和模型，解釋 I² 與森林圖怎麼讀，並列出發表偏倚和敏感性分析的檢查步驟。
通用大模型 對話模型通用
我在做一項元分析，統計基礎一般，請你像方法課老師一樣一步步幫我把關，而不是直接替我算結果。 研究問題：[研究問題] 已納入研究的數量與類型：[納入研究概況] 主要結局指標及其報告形式：[結局指標形式]（如：兩組事件數 / 兩組均值和標準差 / 只有中位數和四分位距 / 相關係數） 計劃使用的軟件：[分析軟件]（如：RevMan、R 的 meta 或 metafor 包、Stata） 請完成： 1. 數據提取表：給出列名（研究編號、第一作者+年份、國家、樣本量、人群特徵、干預/暴露、對照、結局測量工具、隨訪時間、效應數據各字段、偏倚風險評價結果），並說明哪些字段需要雙人核對。 2. 效應量選擇：根據我的結局形式推薦效應量（如二分類用 OR 或 RR，連續變量同一量表用 MD、不同量表用 SMD），說明理由；遇到只報告中位數的研究，提示常見的轉換方法並提醒要在方法部分說明、做敏感性分析。 3. 模型選擇：解釋固定效應與隨機效應模型的假設差異，給出選擇建議，並提醒不要僅憑異質性檢驗結果機械地切換模型。 4. 異質性解讀：解釋 Q 檢驗、I²、τ² 的含義和常用的解讀參考區間，並說明 I² 的侷限；列出可做的亞組分析和 Meta 迴歸的前提（研究數量太少時不宜做）。 5. 穩健性與偏倚：列出逐一剔除的敏感性分析、漏斗圖與 Egger 檢驗的適用條件（納入研究數量較少時檢驗效能低）、證據質素評價（如 GRADE）的步驟。 6. 給出對應軟件的操作思路或代碼框架，數據部分用佔位符，不要編造任何研究數據或合併結果。 我貼出軟件輸出結果時，請幫我逐項解讀，並指出報告中必須寫入的內容。
高亮處換成你自己的內容：[研究問題]、[納入研究概況]、[結局指標形式]、[分析軟件]
ChatGPT Plus 充值
已被複製 0 次
使用說明
怎麼填變量：[結局指標形式] 決定一切後續選擇，請按納入研究的真實報告情況寫，比如「8 篇報告均值標準差，2 篇只有中位數」。[分析軟件] 寫你實際會用的，R 用戶可讓它給出 metafor 代碼框架，RevMan 用戶則給選單操作思路。
常見問題與調整：
- AI 直接給出「合併效應量為……」→ 這是編造的，立刻糾正：「不要生成任何結果數字，只給方法和代碼框架。」
- I² 很高不知道怎麼辦 → 把森林圖數據貼給它，追問：「從人群、干預劑量、測量工具、研究質素四個角度提出可檢驗的異質性來源。」
- 統計細節拿不準 → 以 Cochrane 手冊等權威方法學資料為準，必要時請統計專業人員覆核。
配合使用：前期篩選用本站「系統綜述怎麼寫（PRISMA 2020）」，偏倚評價用「文獻質素評價提示詞」。
示例輸出
示例，僅供參考（結局：焦慮量表得分，各研究使用的量表不同）
效應量建議：各研究使用不同焦慮量表，建議採用標準化均數差（SMD，可用 Hedges' g 校正小樣本偏倚）；若全部研究使用同一量表，可改用 MD，結果更直觀。
異質性解讀提示：I² 描述的是研究間差異在總變異中所佔比例，不等於異質性的絕對大小；納入研究較少時 I² 的估計不穩定，應結合預測區間和臨床判斷一起看。
同款作品
用這條提示詞做出來的作品；原作者會因此獲得積分
還沒有同款，來做第一個。
0 條評論
還沒有評論，來搶沙發～