前言¶
系統評價與 Meta 分析往往橫跨選題、檢索、篩選、提取、統計與作圖多個環節。臨牀與公衛研究者常見做法是 RevMan 做基礎合併、Stata 做元迴歸與多變量 Meta，網絡 Meta 與 TSA 再換一套工具鏈。每一步都要記軟件差異，復現時要靠截圖或零散腳本對齊。若在支持 Skills 的編碼 Agent 裏裝一套面向醫學 Meta 的技能，可以把「流程指引 + R 可復現代碼 + 圖形輸出」收攏到對話裏完成。下面介紹 SkillHub 上的 醫學Meta分析（@user_ff7413f5/meta-analysis）。
這是什麼¶
醫學Meta分析（座標 @user_ff7413f5/meta-analysis）是社區來源（community）的 Agent Skill，當前版本 2.20.1，分類爲 data-analysis，由發佈者 user_ff7413f5 維護；SkillHub 頁面標註作者爲張文彤。
定位一句話：基於 R 的 Meta 與系統評價輔助技能，在 Agent 對話中覆蓋從選題與文獻工作到多種 Meta 統計與作圖，併爲分析步驟提供可復現的 R 代碼。
官方入口：
- SkillHub 頁面：https://www.skillhub.cn/skills/user_ff7413f5/meta-analysis
- API 標識：https://api.skillhub.cn/user_ff7413f5/meta-analysis
核心功能¶
以下能力均來自 SkillHub 簡介與頁面說明，未單獨列出的細節不作延伸。
統計與圖形¶
技能說明其覆蓋 RevMan 常見能力，以及 Stata 等價分析，並包含 esc、RVE、貝葉斯 NMA、生存 Meta、TSA、單組率 Meta、診斷 Meta 與 系統評價流程 等方向。
輸出側包括森林圖、漏斗圖、異質性（I²）、發表偏倚、亞組分析、元迴歸、網絡 Meta 等，頁面寫明共 23 種 分析相關圖形。各分析配套可復現 R 代碼，便於導出後在本地 R 環境重跑或改寫。
系統評價前期工作¶
除合併與作圖外，簡介還寫明可提供：Meta 選題方向判斷、文獻檢索整理、篩選、數據提取 等輔助，與統計模塊形成一條從課題到效應量的鏈路（具體交互方式由 Skill 內 SKILL.md 與 Agent 執行環境決定）。
安裝與啓用¶
SkillHub 推薦兩種方式：用 CLI 安裝到當前 Agent 的 skills 目錄，或把安裝提示詞發給 AI 由其按官方文檔操作。
1、安裝 SkillHub CLI（若尚未安裝）¶
先檢查是否已有 CLI：
command -v skillhub && skillhub --version
未安裝時，可按 SkillHub 安裝文檔執行完整安裝（文檔中的推薦方式）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
僅 CLI 時：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
說明與完整步驟見：https://skillhub.cn/install/skillhub.md
2、安裝本 Skill 到 Agent 目錄¶
安裝技能時必須用 --dir 指向當前 Agent 實際讀取的 skills 目錄，否則默認落在 ./skills/ 可能不被識別。SkillHub 文檔給出的常見路徑示例：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下的.agents/skills/
在 Cursor 中安裝本技能的示例命令：
skillhub install @user_ff7413f5/meta-analysis --dir ~/.cursor/skills/
也可將下面提示詞發給 AI，讓其按官方安裝說明拉取同一座標：
請根據 https://skillhub.cn/install/skillhub.md，安裝 `@user_ff7413f5/meta-analysis`。
安裝後按你所用客戶端要求刷新或重啓 Agent，使技能被加載。
3、API Key 標籤¶
SkillHub 元數據標籤爲 requires_api_key=true。若技能運行依賴外部 API，需在 Agent 或 Skill 約定位置配置密鑰；具體字段名以技能包內說明爲準，本文不臆造配置項。
典型用法¶
官方頁面未附帶固定 Jupyter 式示例，典型用法是：在已啓用該 Skill 的 Agent 中，用自然語言描述研究問題與數據形態，由技能引導完成對應環節。可按任務類型拆分對話，例如：
- 選題與檢索：說明疾病/干預/結局，請求判斷 Meta 選題是否可行，並整理檢索策略或文獻列表。
- 篩選與提取：提供納入排除標準或表格字段，請求按 PRISMA 思路整理篩選結果或提取效應量所需列。
- 定量合併：說明效應量類型（如 OR、MD、HR）與研究設計，請求合併、報告 I²、做亞組或元迴歸，並生成森林圖、漏斗圖等。
- 擴展分析：在數據支持時，按技能說明請求網絡 Meta、TSA、診斷 Meta、單組率或生存 Meta 等，並要求輸出完整 R 代碼 以便本地復現。
經過上面的步驟，你應能在同一會話裏拿到圖形說明與 R 腳本，而不是隻在 Agent 裏得到文字結論。
適用場景與注意¶
適合誰：需要做系統評價或 Meta 分析、希望減少多軟件切換、並願意在 R 生態裏復現結果的臨牀、公衛、循證醫學相關研究者；也適合已用 Cursor 等工具寫分析腳本、希望用 Skill 固化流程的人。
平臺信息（SkillHub 抓取數據，供選型參考）：評分 100000，下載 13413 次；分類 data-analysis。數字會隨商店更新變化，以 SkillHub 頁面爲準。
注意：
- 技能描述的是能力與輸出類型，不能替代研究方案倫理審查、統計師審閱或期刊方法學要求；合併模型、敏感性分析的選擇仍需研究者把關。
- 依賴 R 包與環境：Agent 執行代碼時，本機或沙箱需具備相應 R 與包；失敗時以技能給出的代碼在本地 RStudio 重跑往往是更穩妥路徑。
- requires_api_key：若對話中提示缺少密鑰，先完成 Skill 要求的 API 配置再繼續。
- 用戶線索中的「中英雙語自動切換」未出現在本次覈對的 SkillHub 簡介中，是否支持以技能包內
SKILL.md爲準。
結尾¶
醫學Meta分析 把 RevMan/Stata 系常見 Meta 能力、擴展分析（含 NMA、TSA、診斷與單組率等）以及系統評價前期步驟，收斂到基於 R 的可復現輸出上，適合在 Agent 裏做循證項目的輔助執行層。安裝與詳情見 SkillHub：https://www.skillhub.cn/skills/user_ff7413f5/meta-analysis
