我们将介绍对临床试验进行系统回顾和荟萃分析的方法。我们将介绍如何提出可回答的研究问题、定义纳入和排除标准、搜索证据、提取数据、评估临床试验的偏倚风险以及进行荟萃分析。
系统综述和元分析简介
了解顶级公司的员工如何掌握热门技能
该课程共有6个模块
首先，我们将概括介绍本课程的主要内容，然后向您介绍系统综述和荟萃分析的高级概念，并了解谁在编写和使用系统综述。
涵盖的内容
5个视频3篇阅读材料
在本模块中，我们将讨论如何提出问题，以及问题的范围、要素和细化。
涵盖的内容
7个视频1篇阅读材料1个作业1次同伴评审
在本模块中，我们将探讨如何寻找证据，以及关键来源、搜索策略和评估偏倚风险。
涵盖的内容
11个视频2个作业
在本模块中，我们将介绍尽量减少偏倚、选择偏倚、信息偏倚、如何透明地报告、定性综合以及解释结果。
涵盖的内容
9个视频2个作业
本单元将介绍肉类分析的规划和荟萃分析的统计方法。
涵盖的内容
9个视频2个作业
在最后一个模块中，我们将回顾过去几周所涉及的关键概念。在此之后，你将提交最后的同行评议作业，并对一些同学的作业进行评估。
涵盖的内容
2个视频1篇阅读材料1次同伴评审
位教师
授课教师评分
4.8 (921个评价)
从 研究 浏览更多内容
状态：预览Johns Hopkins University
状态：免费试用Johns Hopkins University
状态：免费试用Johns Hopkins University
状态：预览Università di Napoli Federico II
人们为什么选择 Coursera 来帮助自己实现职业发展
Felipe M.
自 2018开始学习的学生
''能够按照自己的速度和节奏学习课程是一次很棒的经历。只要符合自己的时间表和心情，我就可以学习。'
Jennifer J.
自 2020开始学习的学生
''我直接将从课程中学到的概念和技能应用到一个令人兴奋的新工作项目中。'
Larry W.
自 2021开始学习的学生
''如果我的大学不提供我需要的主题课程，Coursera 便是最好的去处之一。'
Chaitanya A.
''学习不仅仅是在工作中做的更好：它远不止于此。Coursera 让我无限制地学习。'
学生评论
4.8
3,543 条评论
- 5 stars
79.62%
- 4 stars
17.92%
- 3 stars
1.91%
- 2 stars
0.30%
- 1 star
0.22%
显示 3/3543 个
KA
5
已于 Feb 12, 2017审阅
Incredible course! You learned a lot from these amazing professors. If you take this course you will know how to do a high quality systematic review and even a meta analysis and publish them.
AH
4
已于 Apr 16, 2020审阅
It must include some basics for Statistics involved in Meta analysis, other new students joining from world because they did not study this in their Epidemiology classes in their universities.
AM
5
已于 May 14, 2020审阅
Very straightforward course. The only issue I found is the last lecture in week 5 suggests there is still more content to be learnt, but there isn't. Maybe they removed some videos overtime.
常见问题
要获取课程资料、作业和证书，您需要在注册课程时购买证书体验。 您可以尝试免费试听，或申请资助。课程可能提供 "完整课程，无证书"。通过该选项，您可以查看所有课程资料，提交必要的评估，并获得最终成绩。这也意味着您无法购买证书体验。
购买证书后，您就可以访问所有课程资料，包括已评分的作业。完成课程后，您的电子证书将添加到您的 "成就 "页面--您可以从那里打印证书或将其添加到您的 LinkedIn 个人资料中。
是的。在特定的学习课程中，如果您付不起注册费，可以申请助学金或奖学金。如果您选择的学习课程有助学金或奖学金，您可以在说明页面找到申请链接。
更多问题
提供助学金，
¹ 本课程的部分作业采用 AI 评分。对于这些作业，将根据 Coursera 隐私声明使用您的数据。