Meta-Analyse
Quantitative Synthese als Agenten-Skill. Nach Abschluss eines systematischen Reviews (L1-L8) wird der Workflow ab L9 massiv erweitert zur vollständigen quantitativen Meta-Analyse. R-Statistiken werden von Claude Code in der lokalen R-Umgebung direkt via Rscript ausgeführt (metafor etc.). Die Rohausgaben (summary / warnings / sessionInfo) fließen in Audit-Pakete, und rote Ampeln werden von R berechnet (nicht vom LLM gelesen). Die Erstellung von Forest-/Funnel-Plots erfolgt in Kopplung mit dem ssci-plots-Skill.
Schnelleinstieg: Der erste ausführbare Schritt ist in §3 (Haupt-Agent-Start) und §4.2 (L9.1 Effektstärkeextraktion) beschrieben. Detaillierte Methoden finden sich in
references/,scripts/und der Basis-SSOT.
1. Auslöser und Anwendungsszenarien
1.1 Auslösephrasen
Englisch: meta-analysis, effect size pooling, random-effects model, forest plot, funnel plot, heterogeneity I-squared, meta-regression, subgroup analysis, Hunter-Schmidt, RVE meta-analysis, three-level meta-analysis, MASEM, meta-analytic SEM, reliability generalization, p-curve, PET-PEESE, RoBMA, metafor, psychmeta.
Deutsch: Meta-Analyse, Metaanalyse, Effektstärken-Pooling, Zufallseffekte-Modell, Forest-Plot, Funnel-Plot, Heterogenität I², Meta-Regression, Subgruppenanalyse, Psychologische Meta-Analyse, Skalen-Meta-Analyse, Reliabilitätsgeneralisierung, Psychometrische Meta-Analyse, Abhängige Effektstärken, RVE-Meta-Analyse, Drei-Ebenen-Meta-Analyse, Publikationsbias, p-Kurve.
1.2 Rückwärtsauslösung (Nicht zutreffend / Wechsel zu anderem Skill)
| Benutzerszenario | Wechsel zu |
|---|---|
| Nur Suche/Screening/RoB (L1-L8), keine Effektstärken-Pooling | systematic-review |
| Nur qualitative Evidenzsynthese (keine Effektstärken) | systematic-review (qualitativer Pfad) oder literature-set-review |
| Bereits gesammelte Literatur, Überblicksarbeit ohne Pooling | literature-set-review |
| Narrativer / Scoping / Integrativer Review | field-overview-review |
| 50-jährige/30-jährige Entwicklung eines Fachgebiets | field-evolution-review |
| Theoriebildung / Konstruktanalyse / Vergleich gegensätzlicher Theorien | theoretical-review |
| Rendern von Forest-/Funnel-Plots | ssci-plots (gekoppelt) |
1.3 Hinweise zur Aktivierung
- Psychologieszenario (Standardfall: obligatorisch zu lesen): Die Auslöse-Keywords enthalten psychologische Konstrukte, Skalen (BDI, SCL-90, Big Five usw.), APA-Journale, JARS, Replikationskrise. Gleichzeitig wird
SSOT-PSYCHOLOGY-SUPPLEMENTS.md(mit 8 Themen) geladen. - Chinesisches Szenario: Der Benutzer kommuniziert auf Chinesisch, erwähnt 《心理学报》(Acta Psychologica Sinica), 《心理科学进展》(Advances in Psychological Science), CNKI, GB/T 7714. Gleichzeitig wird
SSOT-CHINESE-CONTEXT.mdgeladen. - Netzwerk-Meta-Analyse: Der Benutzer vergleicht ≥3 Behandlungen oder erwähnt NMA / Netzwerk-Meta-Analyse. Gleichzeitig wird
SSOT-SYNTHESIS-METHODS.md§4 geladen.
2. Annahmen (L1-L8 sind abgeschlossen)
Dieser Skill setzt voraus, dass L1-L8 abgeschlossen sind: Der Benutzer hat entweder via systematic-review oder eigenständig die Phasen Forschungsfragenkonstruktion, Suche, Screening, Extraktion, RoB durchlaufen (Details siehe §13 und die Kopplung mit systematic-review). Falls L1-L8 nicht abgeschlossen sind, sollte der Haupt-Agent zunächst empfehlen, zum systematic-review zu wechseln.
3. Rolle und Verantwortung des Haupt-Agenten
Du bist Koordinator, Entscheider, Planer, nicht Ausführer. Jeder Sub-Agent MUSS das derzeit leistungsfähigste verfügbare Modell verwenden (gleiche Stufe wie der Haupt-Agent, keine Kostensenkung durch Herabstufung). Standardmäßig blockierend; mehrere Agent-Aufrufe innerhalb derselben Nachricht = parallel.
3.1 Pflichtlektüre des Haupt-Agenten (Sofort nach Start laden, nicht auf „Wann laden“-Entscheidungstabelle warten)
Der Haupt-Agent lädt nach Auslösen des Skills sofort die folgenden SSOT-Dokumente und wartet nicht, bis sie im späteren Workflow „bei Bedarf“ geladen werden:
Gemeinsame Pflichtlektüre aller 6 Skills (obligatorisch):
review-methodology-foundations/references/SSOT-AI-FAILURE-DEFENSES.md(4 Arten von LLM-Fehlermodi und Gegenmaßnahmen – MA: alle 4 Kategorien CORE, §2, §3 verstärkt)review-methodology-foundations/references/SSOT-LIFECYCLE-12-PHASES.md(aktuelle Phase jederzeit bestätigen)review-methodology-foundations/references/SSOT-METHODOLOGY-TERMINOLOGY.md(phasenübergreifende Begriffseinheit)
MA-spezifische Pflichtlektüre:
SSOT-EFFECT-SIZE-DECISION.md(L9.1 Pflichtlektüre)SSOT-SYNTHESIS-METHODS.md(L9.4 Modellauswahl / L9.5 Heterogenität / L9.9 Publikationsbias)SSOT-PSYCHOLOGY-SUPPLEMENTS.md(Psychologieszenario Standard-Pflichtlektüre, enthält 8 Themen)
Verstärkte Abwehr von MA in SSOT-AI-FAILURE-DEFENSES (alle 4 Kategorien CORE, §2, §3 verstärkt):
- §2 Effektüberhöhung verstärkt: Zusätzlich zur Cohen-Tabelle die strengeren Standards von Funder & Ozer 2019; CI zwingend auf alle Subgruppen- und Meta-Regressionsergebnisse ausweiten.
- §3 Konfidenz-Halluzination verstärkt: Bei Heterogenität I² > 75% wird der gepoolte Effekt nicht präsentiert; Publikationsbias-Checkliste obligatorisch = Funnel (Contour-enhanced) + Regressionstest (Egger / Peters / Harbord, je nach Effektstärkentyp geroutet) + Psychologie-Ergänzung ≥ 1 (p-curve / p-uniform* / PET-PEESE / selection models / RoBMA); Trim-and-fill nur als Sensitivitätsanalyse (übereinstimmend mit §4.2 L9.9).
3.2 Startablauf (Erster ausführbarer Schritt)
Die Verteilung erfolgt gemäß §4 Workflow:
0. MA-Eingangspreflight (schließt BK-1): Vor dem Versand von L9.1 muss bestätigt werden, dass decisions/01/02/07/08 bereit sind – Kombinierter Pfad wird von SR L1-L8 produziert; Eigenständiger MA-Eingang (Benutzer hat L1-L8 selbst abgeschlossen und geht direkt in MA) muss zunächst gemäß §3.3 „Eigenständiger MA-Eingang Gerüst“ die Vorlagen aus decisions_templates/ kopieren und diese 4 Dateien ausfüllen. Fehlt eine davon, wird L9.1 blockiert (Ausführung ohne Lesen der Entscheidungsarchive verstößt gegen §3.3 Pflichtlektüre).
- L9.1 Versand an Effect-Size-Extractor (Erster ausführbarer Schritt, siehe §4.2) → Pro Studie Effektstärke + SE
- L9.2-L9.4 seriell (Korrektur → Abhängigkeit → Modellauswahl)
- L9.5 Heterogenität zuerst (dessen Sperrsignale bestimmen, ob L9.6/L9.7 obligatorisch sind) → L9.6/L9.7 können parallel laufen; L9.8 Sensitivität muss nach L9.5 seriell erfolgen (Leave-one-out / FE vs RE / τ²-Schätzer-Vergleiche hängen alle von der in L9.5 festgelegten Modellbasis ab, nicht parallel zu L9.5)
- L9.9 läuft separat (hängt von vorherigen Ergebnissen ab); L9.10 optional
- L10 GRADE → L11 Berichterstattung (einschließlich Chart-Bridge ssci-plots Kopplung) → L12 Selbsteinschätzung
3.3 Regeln für phasenübergreifende Entscheidungsarchive (obligatorisch)
Der Haupt-Agent schreibt nach jeder Phase die Entscheidungsschlussfolgerungen in das decisions/-Unterverzeichnis (auf gleicher Ebene wie das Aufgaben-Arbeitsverzeichnis). Jedes Entscheidungsarchiv ist eine eigenständige MD-Datei (YAML-Frontmatter + Fließtext, ≤ 100 Zeilen/Datei), ohne SSOT-Inhalte zu kopieren.
MA-Entscheidungsarchiv-Verzeichnisstruktur (bei Kopplung mit SR werden die SR-Archive 01-08 wiederverwendet):
decisions/
01_type_decision.md # L1: Enthält Psychologieszenario-Entscheidung (entscheidend – bestimmt L11 Laden von JARS-Quant)
02_research_question.md # L2: PICO + Effektstärken-Voreinstellung
03_mode_decision.md # L3: Streng vs. Lernen
07_data_types.md # L7: Felder für Doppelextraktion
08_rob_tool_decision.md # L8: RoB-Instrument
09_synthesis_decision.md # L9: FE/RE/RVE/Drei-Ebenen/MASEM-Auswahl + k-Schwellen
09.1_effect_size.md # L9.1: Effektstärkentyp + SE-Rückrechnung
09.4_model_selection.md # L9.4: FE vs. RE
09.5_heterogeneity.md # L9.5: I² / Q / τ² / 95% PI
09.6_subgroup.md # L9.6: k≥10 aktiviert
09.9_publication_bias.md # L9.9: 4+ Instrumente
10_grade_decision.md # L10
11_reporting_standard.md # L11: APA MARS Table 9 + PRISMA 2020 + 12 Unterschiede
Gerüst für eigenständigen MA-Eingang (schließt BK-1, Pflichtlektüre): Der erste ausführbare Schritt L9.1 muss decisions/01/02/07/08 lesen (§3.3 phasenübergreifende Pflichtlektüre + decision-provenance §3), aber die Produzenten dieser 4 Dateien sind in SR L1-L8. Die beiden Zugänge werden wie folgt umgesetzt, um eine Blockade durch „Pflichtlektüre, aber niemand erstellt sie“ zu vermeiden:
- Kombinierter Pfad (
path: combined_with_sr): SR L1-L8 hat01/02/03/07/08bereits produziert (teilt dasselbedecisions/-Verzeichnis) → MA liest direkt, überschreibt nicht (Übergangsregel siehe §13.1 N-4). - Eigenständiger MA-Eingang (
path: standalone, Benutzer hat L1-L8 selbst abgeschlossen und tritt direkt in MA ein): Der Haupt-Agent vor dem Versand von L9.1 erstellt aus den vom Benutzer abgeschlossenen L1-L8-Schlussfolgerungen die Dateien01_type_decision.md(inkl. Psychologie-Entscheidung) /02_research_question.md(PICO + Effektstärken-Voreinstellung) /07_data_types.md(Datentypen + Reliabilität + n) /08_rob_tool_decision.md– durch direktes Kopieren und Ausfüllen der entsprechenden leeren Vorlagengerüste ausreview-methodology-foundations/decisions_templates/(Vorlagen enthalten Frontmatter + Entscheidungsschlussfolgerung/-begründung/-abhängigkeiten/-Validierungsstruktur). - Strukturelle Sperre (keine „Prompt-Erinnerung“): Fehlt eine von
01/02/07/08→ Preflight blockiert L9.1 (wird als „Ausführung ohne Lesen der Entscheidungsarchive“ gewertet); der Haupt-Agent darf nicht improvisieren und ein Entscheidungsarchiv ohne Vorlage schreiben, und er darf diese 4 Dateien nicht überspringen und direkt den Extractor versenden.
decisions_templates/ist ein leeres Vorlagengerüst (S4 erstellt, Pfadreview-methodology-foundations/decisions_templates/), das alle 11 SR-Klassen + 5 MA 09.x-Unterphasen + Überwachungsprodukte04a/07a/09.x_auditabdeckt. Es dient als „kopierbarer Startpunkt für 01/02/07/08“ und ist selbst keine Entscheidungsinstanz.
Phasenübergreifende Pflichtlektüre: Alle Sub-Agent-Prompts der Phasen L9/L10/L11/L12 MÜSSEN enthalten:
**Pflichtlektüre (Entscheidungsarchive)**:
- decisions/01_type_decision.md (enthält Psychologie-Entscheidung → Grundlage für L11 Laden von JARS-Quant)
- decisions/02_research_question.md
- decisions/03_mode_decision.md
- decisions/07_data_types.md
- decisions/08_rob_tool_decision.md
- decisions/09*.md (nach Bedarf der Phase 09.1/09.4/09.5 usw. auswählen)
- decisions/10_grade_decision.md (nur L11/L12)
- decisions/11_reporting_standard.md (nur L12)
Der Haupt-Agent muss vor L11 (Berichterstattung) eine zweite Validierung durchführen: Die vom aktuellen L11-Sub-Agenten geplanten Berichtsstandards müssen mit decisions/01_type_decision.md (enthält Psychologie-Entscheidung) und decisions/11_reporting_standard.md übereinstimmen. Im Psychologieszenario MUSS JARS-Quant Table 9 zu PRISMA 2020 hinzugefügt werden. Bei Nichtübereinstimmung: Blockierung. Details siehe references/decision-provenance.md.
3.4 Aufgaben: Unbedingt selbst erledigen vs. unbedingt auslagern
| Unbedingt selbst erledigen | Unbedingt an Sub-Agent auslagern |
|---|---|
| Lesen der Benutzeranforderungen + Schlüsseldokumente | Jede R-Code-Generierung (gemäß §5 R-Paketpfad-Auswahl + Vorlage) |
| Entscheidung, ob der kombinierte Workflow „SR L1-L8 + MA L9-L12“ verwendet wird | Jede konkrete Ausführung von Effektstärkenextraktion/-konvertierung |
| Erstellung des Planungsdokuments (L9-Unterreihenfolge, R-Pakete, Modellauswahlbegründung) | Interpretation jeglicher Modellfittungsergebnisse |
| Bewertung der Ergebnisse jedes Sub-Agenten (Richtigkeit der Berechnung, Plausibilität des Modells, Robustheit des PB) | Konkrete Durchführung und Interpretation von Publikationsbias-Tests |
| Wichtige Kommunikation mit dem Benutzer (Datenformatbestätigung, Modellschlichtung, endgültige Lieferung) | Verfassen von Abschnitten des APA-MARS-Berichts |
| Schreiben und Pflegen der Entscheidungsarchive | — |
3.5 Nicht akzeptable Kompromisse
- Der Haupt-Agent darf nicht direkt R-Code schreiben / direkt MCP aufrufen (PRES-003)
- Der Sub-Agent darf nicht für den Haupt-Agenten die endgültige Entscheidung „Kann dem gepoolten Effekt vertraut werden?“ treffen
- Die Phasen Publikationsbias-Test oder Heterogenitätsberichterstattung dürfen nicht übersprungen werden
- Bei I² > 75% darf der gepoolte Effekt nicht als primäres Ergebnis präsentiert werden (Verstoß gegen SSOT-AI-FAILURE-DEFENSES §3)
- Bei k < 5 darf kein RVE / Drei-Ebenen-Modell erzwungen werden (Details siehe §4.2 L9.3)
- Bei k < 10 darf kein Publikationsbias-Test erzwungen werden (Details siehe §11.5)
4. Vollständiger Workflow (12 Phasen, abgestimmt)
Abgestimmt auf 12 Phasen (siehe SSOT-LIFECYCLE-12-PHASES.md). MA erweitert L9 auf Basis von SR massiv auf 10 Unterphasen.
4.1 Übersicht über die 12 Phasen (L1-L8 standardmäßig von SR erledigt)
| Phase | Schlüsselprodukt | Entscheidungsarchiv | SSOT |
|---|---|---|---|
| L1 | Typidentifikation (inkl. Psychologie-Entscheidung) | 01_type_decision.md | SSOT-REVIEW-TYPES |
| L2 | PICO + Effektstärken-Voreinstellung | 02_research_question.md | SSOT-PICO-FRAMEWORKS |
| L3 | Streng vs. Lernmodus | 03_mode_decision.md | SSOT-MODE-PROFILES |
| L4 | Suche (PsycINFO + ClinicalTrials.gov + graue Literatur) | — | SSOT-SEARCH-STRATEGY |
| L5-L6 | PRISMA-Ablauf + Doppelblind-Screening | — | SSOT-PRISMA-FLOW-DIAGRAM |
| L7 | Doppelextraktion (inkl. ES + SE + Reliabilität + n) | 07_data_types.md | SSOT-EXTRACTION-FIELDS |
| L8 | RoB (inkl. Metapsy Psychotherapie-Erweiterung) | 08_rob_tool_decision.md | SSOT-ROB-TOOL-MAPPING |
| L9 | Quantitative Synthese (10 Unterphasen, Kern dieses Skills) | 09*.md | SSOT-SYNTHESIS-METHODS + SSOT-EFFECT-SIZE-DECISION |
| L10 | GRADE | 10_grade_decision.md | SSOT-GRADE-FRAMEWORK |
| L11 | APA MARS + PRISMA 2020 + ssci-plots Kopplung | 11_reporting_standard.md | SSOT-REPORTING-STANDARDS |
| L12 | AMSTAR 2 Selbsteinschätzung | — | SSOT-AMSTAR-2-CHECKLIST |
Wenn der Benutzer L1-L8 nicht abgeschlossen hat, empfiehlt der Haupt-Agent zunächst einen Wechsel zu systematic-review.
4.2 L9: Quantitative Synthese (10 Unterphasen, erster ausführbarer Schritt)
L9.1 Effektstärkeextraktion (Erster ausführbarer Schritt): Preflight vor Versand (schließt BK-1/BK-7) – ① Bestätigen, dass decisions/01/02/07/08 bereit sind (eigenständiger Eingang gemäß §3.3 Gerüst zuerst erstellen, kombinierter Eingang von SR produziert; fehlen = Blockierung); ② Beim kombinierten Pfad muss decisions/09_synthesis_decision.md gelesen werden, dessen Wechselentscheidung (≠ „Wechsel zu MA empfohlen“ blockiert, siehe §13.1 N-4). Nach bestandenem Preflight wird der Effect-Size-Extractor gesendet → 5 Entscheidungsbäume (D1 dichotom / D2 kontinuierlich / D3 ordinal / D4 Zähldaten / D5 Überleben) + 7 SE-Rückrechnungsformeln + 8 Unit-of-Analysis + Behandlung von Null-Ereignissen. Details siehe references/L9.1-effect-size-extraction.md. SSOT: SSOT-EFFECT-SIZE-DECISION §1-§5.
L9.2 Effektstärkenkorrektur: Sende Correction-Agent → Hedges‘ g-Korrektur (Standard bei N < 60 kritisch, Rückfall bei fehlgeschlagener Korrektur siehe §11.6) + Hunter-Schmidt-Artifaktkorrektur (nur Psychologie-Skalen). Auswahl des Bare-bones vs. Psychometrischen Modus. Details siehe references/L9.1-effect-size-extraction.md §3 + references/L9-psychology-special.md.
L9.3 Behandlung von Abhängigkeiten (k-Schwellenentscheidung): Abhängigkeit beurteilen → Methode auswählen.
| Szenario | Empfohlene Methode | k-Schwelle | R-Paket |
|---|---|---|---|
| Mehrere Outcomes / mehrere Zeitpunkte / mehrere Kontrollen, Abhängigkeitsstruktur unbekannt | RVE | k ≥ 5 (<5 nicht erlaubt) | robumeta + clubSandwich |
| Klare Hierarchie + k ≥ 20 | Drei-Ebenen | k ≥ 20 (<20 CR2-Korrektur geben; <5 nicht erlaubt) | metafor rma.mv() |
| Multivariate Beziehungsmodellierung (Mediation/Moderation) | MASEM | k ≥ 10 | metaSEM |
| k < 5 | RVE / Drei-Ebenen nicht erlaubt | — | Einzelstudienbeschreibung + Sensitivität separat berichten (A-Ersatzpfad) |
Sende Dependency-Agent. Details siehe references/L9-psychology-special.md.
L9.4 Auswahl des Fest-/Zufallseffekte-Modells: Sende Model-Selection-Agent → Entscheidungsbaum + Standard RE (FE nur unter der Annahme, dass die Intervention wirklich unwirksam ist) + τ²-Schätzer (REML Standard) + HKSJ CI (bei k > 2 + τ² > 0 besser als Wald) + Entscheidungstabelle für k=2-4 (Details siehe §11.4). Details siehe references/L9.4-fixed-random-models.md.
Ehrliche Offenlegung des Standard-RE-Modells (Muss am Ende von L9.4 eingebettet sein – C4 Drei-Absatz-Struktur): Absatz 1 (Lehrbuch-Nullhypothese): Die Wahl zwischen FE und RE hängt von der Beurteilung der Heterogenität durch den Forscher ab (Borenstein 2009; Cochrane §10). Absatz 2 (LLM-Implementierungsunterschiede): Diese Meta-Analyse verwendet standardmäßig RE; FE wird nur unter der Annahme der wahren Wirkungslosigkeit der Intervention verwendet. Drei Unterschiede: (1) keine explizite vom Benutzer bereitgestellte Heterogenitätsannahme; (2) bei k < 10 wird HKSJ verwendet; (3) bei k = 2-4 wird eine doppelte FE+RE-Sensitivitätsanalyse durchgeführt (Cochrane v6.5 §10.10.4). Absatz 3 (Abschwächung + Einschränkungen): Bericht der Ergebnisse für FE+RE; bei k ≥ 5 wird PI berichtet; im Psychologieszenario + k < 5 wird PI berichtet, aber explizit mit dem Hinweis „Annahme der Normalität nicht robust“. In der Diskussion wird die methodische Wahl des Standard-RE offengelegt.
L9.5 Heterogenitätstest: Sende Heterogeneity-Agent → Q + I² + τ² + 95% PI (bei k ≥ 5 Pflicht; Psychologie: Pflicht). Bei I² > 75% darf der gepoolte Effekt nicht als einziges Ergebnis präsentiert werden; bei I² > 90% ist das Poolen vollständig verboten + obligatorische Subgruppenanalyse/Meta-Regression (Details siehe §11.5). Details siehe references/L9.5-heterogeneity.md.
L9.6 Subgruppenanalyse (k ≥ 10): Sende Subgroup-Agent → Geplant vs. post-hoc muss unterschieden werden (JARS Table 9 §METHOD §6) + formeller statistischer Test zwischen Subgruppen (nicht nur P-Werte innerhalb der Subgruppe vergleichen) + ICEMAN 6 Dimensionen. Details siehe references/L9.6-subgroup-metaregression.md.
L9.7 Meta-Regression (k ≥ 10): Sende Metaregression-Agent (parallel zu L9.6 möglich) → Pro kategoriales Merkmal ≥ 10 Beobachtungen + Ratios mit log-transformierten Werten. Details siehe references/L9.6-subgroup-metaregression.md.
L9.8 Sensitivitätsanalyse: Sende Sensitivity-Agent (seriell nach L9.5 – Leave-one-out / FE vs. RE / Vergleich der τ²-Schätzer / Neuberechnung ohne hohes RoB benötigen alle die in L9.5 festgelegte Modellbasis, nicht parallel zu L9.5; parallel zu L9.9 möglich) → Leave-one-out + FE vs. RE vs. HKSJ + verschiedene τ²-Schätzer + verschiedene Effektmaße + Neuberechnung ohne hohes RoB.
L9.9 Publikationsbias: Sende PublicationBias-Agent → Kernobligatorien (Funnel + Egger/Harbord/Peters; nur bei k ≥ 10 gültig, Details siehe §11.5); Psychologie-Ergänzung ≥ 1 (p-curve / PET-PEESE / RoBMA / selection models). Abhängige Effektstärken (in L9.3 als Drei-Ebenen/RVE bestimmt) → Egger-MLMA für Publikationsbias (scripts/egger_mlma.R) verwenden, nicht den einstufigen Egger; RoBMA benötigt JAGS – standardmäßig nicht ausgewählt (bei Fehlen Fallback auf puni_star+PET-PEESE). Trim-and-fill wurde von Cochrane v6.5 herabgestuft (nur als Sensitivitätsanalyse). Details siehe references/L9.9-publication-bias.md.
L9.10 MASEM (bei Bedarf): Nur für Mediations-/Moderations-SEM-Synthesen aktiviert. TSSEM / One-Stage MASEM. Details siehe references/L9-psychology-special.md §3.
4.3 L10: GRADE Evidenzniveau
Sende GRADE-Agent → Meta-Analyse-spezifische Überlegungen: Ungenauigkeit (CI überschreitet Entscheidungsschwellen), Inkonsistenz (I² > 50% führt in der Regel zur Herabstufung), Publikationsbias (Funnel-Asymmetrie + Egger p < 0,10 führt zur Herabstufung) + Kombination mit RoB 2 / ROBINS-I. SSOT: SSOT-GRADE-FRAMEWORK.
4.4 L11: Berichterstattung (APA MARS Table 9 + PRISMA 2020 + gekoppelte Grafikerstellung)
Sende Write-Agent (2-2-1 Backup-Methode) + Report-Standard-Prüf-Sub-Agent.
- APA MARS Table 9: Vollständige Abdeckung von 13 Kapiteln
- PRISMA 2020: 27-Punkte-Checkliste
- JARS-Quant 12 Unterschiede (Psychologieszenario – ausgelöst durch die Psychologie-Entscheidung im Entscheidungsarchiv 01_type_decision.md): Gruppierung ex-ante/post-hoc, psychometrische Merkmale, Konstruktvalidität, Messfehlerartefakte, Moderator vs. Subgruppe, Effektstärke+CI zwingend, Hedges-Korrektur, Bayes‘sche Prioren, statistischer Code-Standort, Abschnitt zu unerwünschten Effekten
- Kopplung mit ssci-plots: Forest-Plot, Funnel-Plot (Contour-enhanced), SoF-Tabelle
Details siehe references/L11-mars-reporting.md. SSOT: SSOT-REPORTING-STANDARDS §1.3.1 + §3.
4.5 L12: Selbsteinschätzung (AMSTAR 2 Meta-Analyse-Dimension)
Sende Self-Assessment Agent → AMSTAR 2 16 Punkte + 7 kritische Bereiche. SSOT: SSOT-AMSTAR-2-CHECKLIST.
5. R-Paket-Pfade (Zuordnung nach Thema)
| Thema | Haupt-R-Paket | Code-Vorlage |
|---|---|---|
| Standard-Meta-Analyse (FE/RE) | metafor | scripts/metafor_basic.R |
| Abhängige Effektstärken (RVE) | robumeta + clubSandwich + wildmeta | scripts/rve_clubSandwich.R |
| Publikationsbias für abhängige Effektstärken (Egger-MLMA) | metafor rma.mv / robumeta+clubSandwich | scripts/egger_mlma.R |
| Drei-Ebenen-Meta-Analyse | metafor rma.mv() | scripts/metafor_basic.R (enthält rma.mv-Block) |
| Psychometrische (Hunter-Schmidt) | psychmeta | scripts/psychmeta_hunter_schmidt.R |
| MASEM | metaSEM (+ OpenMx / lavaan) | scripts/metaSEM_masem.R |
| p-curve / p-uniform | puniform · dmetar::pcurve | scripts/puniform_pcurve.R |
| PET-PEESE | stats::lm (WLS-Originalimplementierung; metafor-mods als vertretbare Variante, muss offengelegt werden) | scripts/metafor_basic.R §11 + references/L9-r-code-templates.md §8 |
| Selektionsmodelle | weightr | (Beispielcode) |
| RoBMA | RoBMA | Benötigt JAGS-Systembibliothek (auf diesem Rechner nicht vorhanden) → Standardmäßig nicht ausgewählt, Fallback auf puni_star + PET-PEESE (siehe §11.2 / L9.9 §4.3) |
| Bayes‘sche Meta-Analyse | brms · rstanarm · bayesmeta | (Fortgeschritten, nach Bedarf) |
Philosophie der Brücke: Dieser Skill wird von Claude Code in der lokalen R-Umgebung direkt via Rscript (metafor etc.) ausgeführt, um statistische Ergebnisse zu berechnen – es wird kein Code mehr generiert, den der Benutzer in eine externe Umgebung kopieren und ausführen müsste. print(summary()) + warnings() + sessionInfo() gehen als Rohausgaben unverändert in das Audit-Paket (Sidecar-Datei + Audit-Karte ⑤). Reproduzierbar; Sperr-/Offenlegungs-Rotampeln werden von scripts/audit_parse.R direkt aus den rma-Objektfeldern als flag-JSON berechnet, nicht durch das LLM, das den summary-Text liest. Bewahrter Kern der Prinzipien: Keine erfundenen Statistiken, der Mensch trägt die Verantwortung an Entscheidungspunkten, reproduzierbar. Details siehe references/L9-r-code-templates.md.
Ehrliche Offenlegung des LLM-vermittelten lokalen Ausführungsworkflows (Eingebettet am Anfang von
references/L9-r-code-templates.md– C4 Drei-Absatz-Struktur): Absatz 1 (Lehrbuch-Nullhypothese): Die Standard-Meta-Analyse geht davon aus, dass der Analyst R-Code direkt schreibt und ausführt (oder JASP / RevMan GUI verwendet), mit vollständiger Kontrolle über Dateneingabe, Modellspezifikation und Ausgabevalidierung. Absatz 2 (LLM-Implementierungsunterschiede): Dieser Review wird von Claude Code in der lokalen R-Umgebung mit vom LLM generiertemRscriptdirekt ausgeführt, wobei die Rohausgaben (summary / warnings / sessionInfo) im Audit-Paket erhalten bleiben; Blockierungs-/Offenlegungsentscheidungen werden von einem festenaudit_parse.Raus den rma-Objektfeldern berechnet, nicht durch das LLM, das den Ausgabetext interpretiert. Dies eliminiert das ältere Risiko „Kopieren/Einfügen und Rückfüllen / Fehlanpassung zwischen erwartetem und tatsächlichem Datenformat“. Verbleibende echte Einschränkung: Der R-Code wird immer noch vom LLM generiert; es kann subtile Fehler geben, die kompiliert werden, aber falsche Ergebnisse liefern (falsche Variablennamen / falsche Funktionsaufrufe) – die lokale Ausführung beweist nicht automatisch die Korrektheit des Ergebnisses. Absatz 3 (Abschwächung + Einschränkungen): (1) Die Skripte werden durch eine Regressionstestsuite (tests/) validiert + die Rohausgaben können manuell überprüft werden, die Rotampeln werden von R berechnet, was das Risiko von LLM-Lesefehlern reduziert; (2) mindestens eine Sensitivitätsanalyse (Leave-one-out / alternativer τ²-Schätzer) ist enthalten, um Anomalien zu erkennen; (3) Der Mensch trägt die Verantwortung für die statistische Entscheidung an den Entscheidungspunkten; Die Reproduzierbarkeit wird durch sessionInfo + feste Skripte gewährleistet. In der Diskussion/Einschränkungen sollte dennoch offengelegt werden, dass „die Statistiken durch einen LLM-vermittelten lokalen automatisierten Workflow erstellt wurden“ ein methodisches Merkmal ist.
Details siehe references/L9-r-code-templates.md.
6. Wann welche references-Datei geladen wird
| Wann laden (Granularität der konkreten Entscheidungsaktion) | references-Datei |
|---|---|
| Wenn der Haupt-Agent in Phase L9.1 eine Entscheidung über Effektstärkentyp / SE-Rückrechnung / Unit-of-Analysis benötigt | references/L9.1-effect-size-extraction.md |
| Wenn der Haupt-Agent in Phase L9.4 eine Entscheidung über FE/RE/HKSJ benötigt | references/L9.4-fixed-random-models.md |
| Wenn der Haupt-Agent in Phase L9.5 Heterogenitätsindikatoren offenlegen muss (einschließlich Blockierungsentscheidung bei I² > 75%) | references/L9.5-heterogeneity.md |
| Wenn der Haupt-Agent in Phase L9.6 / L9.7 (k ≥ 10) Subgruppen- / Meta-Regressions-Sub-Agenten senden muss | references/L9.6-subgroup-metaregression.md |
| Wenn der Haupt-Agent in Phase L9.9 (k ≥ 10) einen Publikationsbias-Sub-Agenten senden muss | references/L9.9-publication-bias.md |
| Bevor der Haupt-Agent einen Sub-Agenten zur R-Code-Generierung sendet | references/L9-r-code-templates.md |
| Wenn das Psychologieszenario ausgelöst wird und der Haupt-Agent in L9.2-L9.10 eine Entscheidung zu den 8 Themen (RVE/Drei-Ebenen/MASEM/H-S/RG) benötigt | references/L9-psychology-special.md |
| Bevor der Haupt-Agent vor L11 eine Entscheidung zu APA … |
[Gekürzt für die Übersetzung, siehe vollständige SKILL.md für den Rest]