Deze cursus is gesloten, aanmelden voor deze cursus is helaas niet meer mogelijk.
Deze cursus leert je om meta-analyses uit te voeren volgens hedendaagse best practices, waarbij alleen gratis open-source software wordt gebruikt. De cursus behandelt de basisprincipes van meta-analyse, waaronder statistische modellen voor meta-analyse, het berekenen, samenvoegen en converteren van effectgroottes, het visualiseren van de verdeling van waargenomen effectgroottes met behulp van forest plots en het schatten en interpreteren van samenvattende effectgroottes. Bijzondere aandacht wordt besteed aan het kwantificeren en verklaren van heterogeniteit in effectgroottes, een veelvoorkomende uitdaging in toegepaste meta-analyses. Wat deze cursus onderscheidt, zijn de geavanceerde onderwerpen die veelvoorkomende uitdagingen in meta-analyses aanpakken. We behandelen methoden voor het testen en beperken van publicatiebias.
Verder introduceert de cursus het concept van meta-analyse op drie niveaus, een krachtig hulpmiddel voor het omgaan met afhankelijke gegevens, die optreden bij het coderen van meerdere effectgroottes uit hetzelfde artikel of monster. Daarnaast introduceert de cursus geavanceerde machine learning-methoden voor het onderzoeken van heterogeniteit in effectgroottes, waaronder random forest meta-regressie en Bayesiaanse geregulariseerde meta-regressie.
Tot slot gaat de cursus in op computationele reproduceerbaarheid en open science in meta-analyse. De cursus is ontworpen om toegankelijk te zijn voor onderzoekers met een basiskennis van meervoudige lineaire regressie (undergraduate niveau). Statistische concepten worden uitgelegd op een conceptueel niveau, in plaats van een wiskundig niveau, en toegepaste voorbeelden en tutorials worden gebruikt om een praktische kennis van de methoden op te bouwen. Degenen die al ervaring hebben met meta-analyse zullen de focus op open source software en geavanceerde technieken, waaronder machine-learningmethoden, zeker waarderen.
De cursus behandelt niet het systematisch zoeken naar literatuur. Alle analyses worden uitgevoerd in R, voornamelijk met behulp van de pakketten metafor, metaforest en pema.
