📂 步骤1：研究数据录入
✅ 数据验证（导入即校验）
自动检测：缺失值、事件数 > 总数、样本量过小、标准差为负、两组 SD 同为 0、零单元格、研究数不足。 这是"能不能开始分析"的前置闸门。
✂️ 剪补法 (Trim-and-Fill) 发表偏倚校正
基于主分析结果，用 L0 估计量迭代填补"缺失的阴性研究"，给出校正后合并效应量。需先运行主分析。
⚖️ 亚组交互作用检验 (Subgroup Interaction Q-test)
检验各亚组之间的效应量差异是否显著（组间 Q / I²）。组间差异不显著时不能说"亚组间有差异"——这是投稿最常被审稿人挑出的错误。
⏱️ 累积 Meta 分析 (Cumulative Meta-Analysis)
按指定顺序逐项累加研究，观察合并效应量与 95%CI 随证据累积的稳定性变化（PRISMA 时代投稿常被要求补充）。
🎯 离群与影响点诊断 (Outlier & Influence Diagnostics)
用标准化残差与学生化残差定位离群研究，并计算每项研究对合并结果的影响力， 直接告诉你"删掉哪一篇，结论会变"。
1️⃣ 单组率 Meta 分析 (Single-Arm Proportion)
三列：study,events,total。采用双反正弦变换 + 随机效应，避免比例接近 0/1 时的方差失稳。
🩺 诊断试验 Meta 分析 (Reitsma 双变量模型)
五列：study,tp,fp,fn,tn。输出合并敏感度、特异度、+LR/−LR、DOR 与 SROC 曲线（AUC）。
📉 剂量-反应 Meta 分析 (Dose-Response)
三列：study,dose,lnRR,se。仅需每项研究的增量数据即可做线性/样条剂量趋势，无需原始个体数据。
🧮 多变量 Meta 回归 (Multivariable Meta-Regression)
同时校正多个协变量（加权最小二乘 + 残差异质性 τ²）。注意：研究数 < 协变量数×10 时结果不可靠，本模块会主动预警。
📑 Cochrane 标准报告生成
按 Cochrane Handbook 结构自动生成完整结果段落（含效应量、异质性、敏感性、发表偏倚、GRADE），可直接用于稿件 Results 章节。
📋 PRISMA 2020 文献筛选流程图
⚠️ 偏倚风险评价 (Cochrane ROB 2.0)
输入每项研究的7个领域评价: L=低风险, U=不清楚, H=高风险