EasyMeta 是一个面向医学、公共卫生、生态学、环境科学和生物多样性研究的系统综述与 Meta 分析 skill。它会先冻结研究问题、estimand、纳入标准、效应量和依赖结构，再决定应该合并、转入专项模型、改做叙述综合，还是停止分析。
项目强调“让 Meta 分析更易执行，但不降低方法标准”。每个关键判断都尽量保留来源、假设、版本、偏离和验证记录；同一研究内的多个效应、共享对照、重复时间点、空间或系统发育相关性不会被默认为相互独立。结果适合用于协议设计、数据提取、统计分析、方法审计和论文报告，但仍需要领域专家作出最终判断。
先把仓库安装为 skill：
请帮我安装这个 skill：
https://github.com/Rimagination/easymeta
然后提供研究问题、协议、论文或待分析数据：
请用 EasyMeta 为这个研究问题设计系统综述和 Meta 分析方案。
先冻结问题、estimand、纳入标准、效应量和依赖结构；不满足合并条件时请明确停止。
已有提取表时，可以直接要求审计：
请用 EasyMeta 检查这份提取表的研究—报告映射、效应量方向、抽样单位、
依赖结构和分析尺度，然后给出可执行的 R 分析与敏感性分析方案。
植物生态或生物多样性项目建议明确结局类型、空间尺度和数据层级：
请用 EasyMeta 审计这个植物多样性 Meta 分析。
区分 alpha/beta/gamma/composition、分类/系统发育/功能维度、Hill q、
grain、extent、sampling unit，以及 observed/estimated diversity。
EasyMeta 的结果不只有森林图。一个完整任务应保留同一条证据链：研究问题与协议 → 综合路由 → 研究—报告映射 → 原始提取 → 分析效应 → 模型与稳健性 → 评价与报告 → 字段级 lineage。
一次任务通常会从以下文件中选择最小必要集合；实际文件名可由项目定义：
| 文件或产物 | 用途 |
|---|---|
route.json |
保存综述类型、数据层级、estimand、依赖结构、专项触发器和 runner_allowed 决策 |
study-report-map.csv |
区分研究与报告，记录多篇报告、样本重叠和无法消解的身份问题 |
raw-extraction.csv |
保存逐字段原始提取值、页码或表图位置、单位、方向和提取者 |
analysis-effects.csv |
保存经审计的 yi、vi、分析尺度、转换公式和独立抽样簇 |
V.csv 与模型规格 |
显式记录抽样协方差、随机效应结构、稳健聚类变量及假设情景 |
| 模型结果与敏感性分析 | 保存合并效应、异质性、预测区间、影响诊断和逐独立簇删除结果 |
| appraisal 与 certainty 表 | 分开保存研究偏倚、证据确定性、综述可靠性和报告完整性判断 |
field-lineage.csv |
把分析字段追溯到输入、脚本、版本、转换和 SHA-256 记录 |
仓库提供对应的 CSV、JSON 和 YAML 模板。模板是工作起点，不是自动生成科学判断的表单。
| 路线 | 当前范围 |
|---|---|
| 可直接执行 | 连续、二分类、比例结局的效应量计算；声明独立抽样簇后的共同效应、随机效应和多层 Meta 分析；预先指定的 Meta 回归、抽样 V、逐簇删除及有条件的 CR2/CRVE |
| 需要严格输入合同 | 配对/交叉、变化值、BACI、共享对照和群集调整后效应；每研究单阈值的诊断准确性；两阶段、过原点的线性剂量—反应；共同效应一致性网络；已验证系统发育相关矩阵 |
| 先路由或专项审计 | 群落矩阵、组成变化、多维生物多样性、尺度依赖、变异性、多功能性、析因交互、恢复轨迹、复杂时空相关和二阶综合；空间与时间结构目前只验证矩阵，不拟合模型 |
| 应当停止 | estimand 不明确、结局不可比、必要方差无法恢复、依赖无法识别，或当前实现不能支持所需模型 |
“需要严格输入合同”不表示 EasyMeta 已覆盖这些领域的全部模型。诊断路线不覆盖多阈值、SROC 或 AUC；网络路线不覆盖随机效应、不一致性、传递性或排序。专项路线没有可靠自动计算器时会停止并说明缺少什么，而不会把问题强行转换成普通 yi/vi 分析。
EasyMeta 还会主动拒绝以下做法：
- 不把同一研究的多个效应量假设为独立，也不把共享对照复制成额外信息。
- 不合并一个只叫作 “biodiversity” 的含糊结局。
- 不根据异质性检验的 P 值选择共同/固定效应或随机效应模型。
- 不用漏斗图、Egger 检验、trim-and-fill 或单一选择模型给出二元发表偏倚结论。
- 不把风险偏倚、证据确定性、综述可靠性和报告完整性相加为“质量总分”。
- 不因为 Nature、Science 或其他高影响力期刊使用了某个模型，就把它变成通用默认设置。
- 不替代纳入排除、数据提取、偏倚评价、临床解释或生态解释中的人工复核。
- 不提供个人医疗诊断或治疗建议。
- 定义问题：明确产品类型、PICO/PECO、estimand、结局、尺度、时间范围和决策语境。
- 建立证据集：设计检索与筛选，关联研究和报告，完成双人提取、裁决与完整性检查。
- 构造效应量：统一方向、单位和分析尺度，记录转换、独立抽样簇、抽样协方差
V和真实效应结构。 - 分析与诊断：路由适用模型，报告异质性、预测目标、影响点、缺失证据和敏感性分析。
- 评价与报告：分层记录风险偏倚、证据确定性、综述可靠性、报告完整性、来源版本和字段 lineage。
仓库中的 Python 校验器和 R 分析器可以本地运行。通过 Agent 处理论文全文或未公开数据时，数据是否离开本机取决于所用 Agent、模型和连接器配置；请先确认版权、隐私、伦理与机构政策。
git clone https://github.com/Rimagination/easymeta.git
cd easymeta
python easymeta/tests/run_contract_tests.py完整测试还需要 R、metafor 和 clubSandwich。如果 Rscript 不在 PATH，设置 R_SCRIPT；如果 R 包位于自定义库，设置 META_TEST_R_LIBRARY：
$env:R_SCRIPT = 'path\to\Rscript.exe'
$env:META_TEST_R_LIBRARY = 'path\to\R-library'
python easymeta/tests/run_all_tests.py当前版本通过 P0-1 至 P0-5 全部测试和 31 个 P1 端到端案例。本次验证环境使用 R 4.5.3、metafor 5.0.1、clubSandwich 0.7.0 和 jsonlite 2.0.0。这些测试证明代码和数据合同按预期工作，不构成对任意真实研究的科学有效性认证。
项目结构：
easymeta/
├── SKILL.md # 核心路由、硬规则与执行流程
├── agents/openai.yaml # Codex 展示与默认提示
├── assets/ # 分析计划、提取表和机器可读合同
├── references/ # 医学、生态、模型、报告和来源方法库
├── scripts/ # Python 校验器与 R 分析器
└── tests/ # 合同、P0 与 P1 端到端测试
easymeta/SKILL.md：完整路由、硬规则和执行流程evidence-synthesis-core.md：系统综述共同基础medical-review.md：医学与公共卫生路线ecology-review.md：生态、环境和系统地图路线effect-size-and-models.md：效应量、依赖、异质性和模型plant-biodiversity-specialist-routes.md：植物与生物多样性专项路线source-registry.md：核心来源的版本、适用范围、许可和更新治理
代码与原创文档采用 MIT License 发布。第三方标准、论文、书籍和工具名称仍归各自权利人所有；EasyMeta 只保留必要的方法转述、字段设计和测试，不重新发布受版权保护的完整手册、清单、评价工具、图表或章节。
EasyMeta 不是把某一本书或某一篇论文改写成提示词，而是把不同层级的资料分别用于综述实施、报告、统计建模、评价和边界测试。以下列出直接影响当前设计的主要来源；核心来源的版本、访问日期、许可、替代关系和复查频率见 source-registry.md，GRADE、RoB 2、ROBINS 和 QUADAS 等专题来源还登记在 bias-and-certainty.md，其他细化依据位于相应专题文档末尾。
- Cochrane Handbook for Systematic Reviews of Interventions, v6.5 (2024)：健康干预综述的范围、检索、提取、效应量、综合、偏倚和解释。
- JBI Manual for Evidence Synthesis（在线版与 2024 edition）：多类型健康证据综合、协议、双人评价与提取。
- Cochrane Handbook for Systematic Reviews of Diagnostic Test Accuracy, v2.0 (2023)：诊断准确性综述的问题、数据、偏倚和综合方法。
- CEE Guidelines and Standards for Evidence Synthesis in Environmental Management, v5.1：环境系统综述与系统地图的实施标准；网页更新按 living guidance 管理。
- PRISMA 2020 与 PRISMA-S：系统综述及检索过程的透明报告。
- ROSES 1.0 与 PRISMA-EcoEvo：环境、生态与进化证据综合的报告要求。
- Borenstein, Hedges, Higgins & Rothstein, Introduction to Meta-Analysis, 2nd ed.：通用效应量、异质性、模型和常见误用。
- Koricheva, Gurevitch & Mengersen (eds.), Handbook of Meta-analysis in Ecology and Evolution：生态与进化 Meta 分析的方法基础。
- Gurevitch et al. (2018), Meta-analysis and the science of research synthesis：跨学科研究综合的原则与局限。
- Nakagawa et al. (2023), Quantitative evidence synthesis: a practical guide on meta-analysis, meta-regression, and publication bias：生态 Meta 的多层、多变量、依赖和高级综合。
- Hedges, Gurevitch & Curtis (1999), response ratio 方法，以及 Lajeunesse 关于相关与多组 response ratio和小样本偏倚校正的研究：生态效应量及其抽样方差。
- Pustejovsky & Tipton (2022), correlated and hierarchical effects with CRVE：CR2、小样本自由度和相关—层级效应工作模型。
- Nakagawa et al. (2022), publication-bias methods for ecology and evolution：高异质性和非独立证据中的小研究效应与敏感性分析。
- Williams et al. (2025), dependent effect sizes simulation study，以及 Yang et al. (2025), pluralistic heterogeneity reporting：依赖结构、方差分量和多视角异质性报告。
metafor官方文档 与 Harrer et al., Doing Meta-Analysis with R：R 实现与可复现示例；软件默认值不作为方法选择依据。
- Koricheva & Gurevitch (2014), Uses and misuses of meta-analysis in plant ecology：植物生态中的检索、独立性、效应量与敏感性问题。
- Spake & Doncaster (2017), forest biodiversity Meta-analysis challenges：森林参照、伪重复、物种密度、尺度与权重。
- Spake et al. (2021), scale dependence of biodiversity responses：grain、extent、采样单元、丰富度和采样完整度。
- Chao et al. (2021), Hill-number diversity framework：分类、系统发育与功能多样性的 Hill 数和 coverage standardization。
- Cinar et al. (2022), phylogenetic multilevel meta-analysis：系统发育相关与非系统发育物种方差的区分。
- Duncan & Kefford (2021), scale-dependent interactions：多胁迫和析因设计中的交互 estimand。
- Byrnes, Roger & Bagchi (2023), Hill-number multifunctionality：生态系统多功能性的候选构造及其敏感性边界。
- Gann et al. (2026), International principles and standards for ecological restoration, 3rd ed.：参考模型、恢复目标和过程语境。
- RoB 2、ROBINS-I / ROBINS-E、QUADAS-3 与 JBI Critical Appraisal Tools：按研究设计选择结果层面的偏倚评价工具。
- GRADE Book 与 Cochrane Handbook Chapter 14：按关键结局评价证据确定性，而不是生成研究质量总分。
- CEESAT、MATES 与 FEAT：分别用于环境综述可靠性、Meta 分析报告完整性和 critical-appraisal 方法设计；三者不能互换。
- Cochrane、Campbell、JBI 与 CEE 的 AI 使用立场声明（2025）及 CEE AI reporting guidance：人类责任、验证、提示词、参数、错误、隐私与协议偏离记录。
plant-biodiversity-benchmark-casebook.md 收录 19 篇植物生态与生物多样性代表性研究，用于检验 EasyMeta 能否重建真实高影响研究中的 estimand、尺度、依赖结构和解释边界。casebook 是方法路由与边界测试，不等同于逐篇下载数据、重跑模型或复现论文结果，也不构成通用方法规范。
其中已进入核心来源登记的三篇 Nature 压力测试论文是：
- Chen et al. (2025), plant diversity effects on productivity
- Keck et al. (2025), global human impact on biodiversity
- Shaw et al. (2025), global genetic diversity loss
对这些论文，EasyMeta 分开记录“原论文实际采用的方法”和“按当前资料进行的方法审计”，不会因为发表期刊或影响力而继承其默认设置。