早期夸大的效应量统计
数据来源：Smart Safety数据集中的629个meta分析<br>
统计方法：使用Stata的cumulative累计meta分析，计数每一个meta中早期夸大的研究数目，如Fig1中，则记录Study3,4的OR值<br>
当前进度：141/629，初步看56/141有夸大现象<br>
疑惑①：缺失值如试验组/对照组，年份等重要数据缺失该如何处理<br>
当前处理方法：直接删除该项study<br>
疑惑②：需要记录哪些有效数据？<br>
当前处理：如Fig2， 记录了有需要的meta中：夸大的效应值，及其对应年份，总合并效应量；森林图<br>
疑惑③：多少年前的算是早期效应量？部分全部研究的都大于总合并效应量<br>
Fig1 森林图例<br>
Fig2 结果记录例<br>
AI对撤稿文献判断<br>
数据来源：1330个撤稿PDF<br>
研究方法：筛选并删除所有有水印的PDF，将PDF问AI，让其判断问题<br>
当前进度：已合作完成筛选及删除水印部分<br>
LLM对于肝癌的辅助治疗，预后等的作用综述<br>
研究目的：对在LLM如chat-GPT提问肝癌的相关问题的研究，做一个Scoping review或systematic Review<br>
研究方法：在Pubmed，Cochrane Library, Embase,WOS四个数据库利用检索式，导出文献，筛选纳入符合标准的文献；对其进行统一内容整理<br>
当前进度：完成检索及筛选文献步骤<br>
疑惑①：由于所有检索式为我个人制定，尽管使用了MeSh词之类的方法，但无法保证检索式的质量及检索结果全面性<br>
疑惑②：此类综述去年已有全面的发表如Fig3，虽然有意总结聚焦于肝癌上的综述，但是否没什么意义？<br>
<br>
