小样本荟萃分析

荟萃分析经常面临两个相关的问题:研究样本较少，研究之间存在许多可能影响效应大小的差异。功率通常太低，无法使用元回归充分解释这些研究之间的差异。研究人员冒着过度拟合的风险:捕捉数据中的噪音，而不是真实的效果。本章介绍metforest:一种在元分析中识别相关版主的基于机器学习的方法。MetaForest对过拟合具有鲁棒性，处理许多调节器，并捕获非线性效果和高阶交互。本章讨论了小样本和许多版主的问题，介绍了MetaForest作为小样本解决方案，并提供了一个教程示例分析。