如果你熟悉 Python，却一直以为 Meta 分析只能用 R 完成，这门课会带你打开新思路。课程以 Python 和 PythonMeta 库为核心，从环境安装、PyCharm 配置和数据准备讲起，手把手演示二分类与连续型数据的 Meta 分析流程。你将学会设置 data_type、model、effect 等关键参数，完成 OR、RR、RD、MD、SMD 等效应量合并，并掌握亚组分析、异质性检验以及森林图、漏斗图的输出与调整。课程适合医学科研人员、临床研究者、循证医学学习者、研究生，以及希望用 Python 完成基础 Meta 分析的人。学完后，你能独立整理数据、运行代码、解读 95%CI、权重、Q 检验、I²、Z 值和 P 值，并根据研究需求修改模型、效应量和图形参数。无需复杂编程基础，也能把 Python 变成 Meta 分析的实用工具。