Méta-Analyse
Skill spécialisé pour la méta-analyse quantitative. Après avoir terminé les étapes L1-L8 d'une revue systématique, ce skill étend considérablement le workflow à partir de L9 pour une fusion quantitative complète. Les calculs statistiques R sont exécutés directement par Claude Code dans l'environnement R local via Rscript (metafor, etc.). Les sorties brutes (summary / warnings / sessionInfo) sont intégrées dans un paquet d'audit, et les feux rouges sont calculés par R (sans interprétation LLM des chiffres), en collaboration avec ssci-plots pour produire les graphiques forest / funnel.
Entrée rapide : La première étape exécutable se trouve au §3 Processus de lancement de l'agent principal + §4.2 L9.1 Extraction des tailles d'effet. Voir les méthodes détaillées dans references/ + scripts/ + la base SSOT.
1. Déclenchement et scénarios d'application
1.1 Phrases de déclenchement
Anglais : 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.
Français : méta-analyse, pooling des tailles d'effet, modèle à effets aléatoires, graphique en forêt, graphique en entonnoir, hétérogénéité I-carré, méta-régression, analyse de sous-groupes, méta-analyse en psychologie, méta-analyse d'échelles, généralisation de la fiabilité, méta-analyse psychométrique, tailles d'effet dépendantes, méta-analyse RVE, méta-analyse à trois niveaux, biais de publication, p-courbe.
1.2 Déclenchement inverse (non applicable / basculer vers un autre Skill)
| Scénario utilisateur | Basculer vers |
|---|---|
| Uniquement recherche/criblage/RoB (L1-L8), pas de fusion | systematic-review |
| Synthèse qualitative uniquement (pas de taille d'effet) | systematic-review (voie qualitative) ou literature-set-review |
| Collection d'articles déjà rassemblée, revue narrative sans fusion | literature-set-review |
| Revue narrative / de cadrage / intégrative | field-overview-review |
| Revue historique (50 ans/30 ans) | field-evolution-review |
| Construction théorique / analyse de construit / comparaison de théories opposées | theoretical-review |
| Rendu des graphiques forest/funnel | ssci-plots (collaboration) |
1.3 Indications d'activation
- Scénario psychologique (par défaut, à lire impérativement) : Mots-clés de déclenchement contenant des construits psychologiques, des échelles (BDI, SCL-90, Big Five, etc.), des revues APA, JARS, crise de la réplication. Charger également
SSOT-PSYCHOLOGY-SUPPLEMENTS.md(contenant 8 thèmes). - Scénario chinois : L'utilisateur communique en chinois, mentionne《心理学报》《心理科学进展》, CNKI, GB/T 7714. Charger également
SSOT-CHINESE-CONTEXT.md. - Méta-analyse en réseau : L'utilisateur compare ≥3 traitements ou mentionne NMA / network meta-analysis. Charger également
SSOT-SYNTHESIS-METHODS.md§4.
2. Hypothèses préalables (L1-L8 déjà prêts)
Ce Skill suppose que L1-L8 sont déjà prêts : l'utilisateur a déjà réalisé la construction de la question de recherche, la recherche, le criblage, l'extraction et l'évaluation du risque de biais (RoB) via systematic-review ou par lui-même (voir §13 et la collaboration avec systematic-review). Si L1-L8 ne sont pas terminés, l'agent principal doit suggérer de basculer d'abord vers systematic-review.
3. Rôle et responsabilités de l'agent principal
Vous êtes un coordinateur, un juge, un planificateur, pas un exécutant. Chaque sous-agent doit utiliser le modèle le plus puissant disponible (au même niveau que l'agent principal, ne pas réduire les coûts par défaut) ; blocage par défaut ; appels multi-agents dans un même message = parallélisation.
3.1 Lecture obligatoire de l'agent principal (charger immédiatement après le lancement, sans attendre le tableau de décision "quand charger")
L'agent principal charge immédiatement les SSOT suivants après le déclenchement du Skill, sans attendre le milieu du workflow pour un "chargement à la demande" :
Lecture obligatoire partagée par les 6 Skills (obligatoire) :
review-methodology-foundations/references/SSOT-AI-FAILURE-DEFENSES.md(4 types de défaillances LLM et leurs défenses — MA 4 types tous CORE, §2 §3 renforcés)review-methodology-foundations/references/SSOT-LIFECYCLE-12-PHASES.md(confirmer la phase actuelle à n'importe quel moment)review-methodology-foundations/references/SSOT-METHODOLOGY-TERMINOLOGY.md(terminologie unifiée entre les phases)
Lecture obligatoire spécifique à MA :
SSOT-EFFECT-SIZE-DECISION.md(obligatoire pour L9.1)SSOT-SYNTHESIS-METHODS.md(L9.4 sélection du modèle / L9.5 hétérogénéité / L9.9 biais de publication)SSOT-PSYCHOLOGY-SUPPLEMENTS.md(obligatoire par défaut en contexte psychologique, contient 8 thèmes)
Éléments de défense renforcés pour MA dans SSOT-AI-FAILURE-DEFENSES (4 types tous CORE, §2 §3 renforcés) :
- §2 Renforcement contre l'exagération des effets : En plus du tableau de Cohen, ajouter les critères stricts de Funder & Ozer 2019 ; étendre obligatoirement l'IC à tous les résultats de sous-groupes / méta-régression
- §3 Renforcement contre l'illusion de confiance : I² > 75% interdit de présenter l'effet combiné ; liste obligatoire pour le biais de publication = funnel (contour-enhanced) + test de régression (Egger / Peters / Harbord, routé selon le type de taille d'effet) + suppléments psychologiques ≥ 1 (p-curve / p-uniform* / PET-PEESE / selection models / RoBMA) ; trim-and-fill uniquement comme analyse de sensibilité (conforme à §4.2 L9.9)
3.2 Processus de lancement (guide de la première étape exécutable)
L'ordre d'affectation suit le workflow §4 :
0. Pré-vol MA (fermer BK-1) : Avant d'affecter L9.1, vérifier que decisions/01/02/07/08 sont prêts — Voie combinée : produits par SR L1-L8 ; Entrée MA autonome (l'utilisateur a déjà terminé L1-L8 par lui-même, entre directement dans MA) doit d'abord copier les modèles de decisions_templates/ et les remplir pour ces 4 fichiers, conformément à §3.3 "Échafaudage d'entrée MA autonome". Tout fichier manquant bloque L9.1 (exécuter sans lire les dossiers de décision viole la lecture obligatoire de §3.3).
- L9.1 Affectation de l'extracteur de tailles d'effet (première étape exécutable, voir §4.2) → Taille d'effet + SE pour chaque étude
- L9.2-L9.4 en série (correction → dépendance → sélection du modèle)
- L9.5 Hétérogénéité en premier (son signal de blocage détermine si L9.6/L9.7 sont obligatoires) → L9.6/L9.7 peuvent être parallélisées ; L9.8 Sensibilité doit être en série après L9.5 (leave-one-out / FE vs RE / comparaison des estimateurs τ² dépendent de la base du modèle définie par L9.5, pas parallélisable avec L9.5)
- L9.9 exécutée individuellement (dépend des résultats précédents) ; L9.10 sur demande
- L10 GRADE → L11 Rédaction (incluant la collaboration Chart-Bridge avec ssci-plots) → L12 Auto-évaluation
3.3 Règles pour les dossiers de décision inter-phases (obligatoire)
Après chaque phase, l'agent principal écrit la conclusion de la décision dans un sous-répertoire decisions/ (au même niveau que le répertoire de travail de la tâche). Chaque dossier de décision est un fichier md indépendant (frontmatter YAML + corps, ≤ 100 lignes/fichier), sans copier le contenu des SSOT.
Structure du répertoire des dossiers de décision MA (lors de la combinaison avec SR, réutiliser les 01-08 de SR) :
decisions/
01_type_decision.md # L1 : Contient le jugement de scénario psychologique (clé — détermine le chargement de JARS-Quant pour L11)
02_research_question.md # L2 : PICO + taille d'effet présupposée
03_mode_decision.md # L3 : Strict vs Apprentissage
07_data_types.md # L7 : Champs d'extraction en double
08_rob_tool_decision.md # L8 : Outil RoB
09_synthesis_decision.md # L9 : Choix FE/RE/RVE/3 niveaux/MASEM + seuil k
09.1_effect_size.md # L9.1 : Type de taille d'effet + calcul inverse de SE
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 : Activé si k≥10
09.9_publication_bias.md # L9.9 : 4+ outils
10_grade_decision.md # L10
11_reporting_standard.md # L11 : APA MARS Table 9 + PRISMA 2020 + 12 différences
Échafaudage des dossiers de décision pour l'entrée MA autonome (fermer BK-1, lecture obligatoire) : La première étape exécutable L9.1 de MA doit lire decisions/01/02/07/08 (§3.3 lecture obligatoire inter-phases + decision-provenance §3), mais ces 4 fichiers sont produits par SR L1-L8. Les deux entrées se concrétisent ainsi, évitant que l'entrée autonome "doit lire mais personne ne crée" ne bloque :
- Voie combinée (
path: combined_with_sr) : SR L1-L8 a déjà produit01/02/03/07/08(partageant le même répertoiredecisions/) → MA lit directement sans réécrire (porte de jonction voir §13.1 N-4). - Entrée MA autonome (
path: standalone, l'utilisateur a déjà terminé L1-L8 par lui-même, entre directement dans MA) : Avant d'affecter L9.1, l'agent principal transforme les conclusions de L1-L8 déjà réalisées par l'utilisateur en01_type_decision.md(contenant le jugement de scénario psychologique) /02_research_question.md(PICO + taille d'effet présupposée) /07_data_types.md(types de données + fiabilité + n) /08_rob_tool_decision.md— copier directement les squelettes de modèles vides correspondants dansreview-methodology-foundations/decisions_templates/et les remplir (les modèles contiennent le frontmatter + la structure de conclusion/justification/amont/aval/vérification). - Porte de blocage structurelle (pas un "rappel par prompt") : Tout fichier
01/02/07/08manquant → blocage de L9.1 lors du pré-vol (considéré comme "exécution directe sans avoir lu le dossier de décision") ; l'agent principal n'est pas autorisé à improviser un dossier de décision sans modèle, ni ignorer ces 4 fichiers pour affecter directement l'extracteur.
decisions_templates/sont des squelettes de modèles vides (créés par S4, cheminreview-methodology-foundations/decisions_templates/), couvrant les 11 types SR + 5 sous-phases 09.x MA + les artefacts de surveillance04a/07a/09.x_audit. Ils fournissent "un point de départ copiable" pour 01/02/07/08, pas des instances de décision.
Lecture obligatoire inter-phases : Le prompt de tous les sous-agents des phases L9/L10/L11/L12 doit contenir :
**Lecture obligatoire (dossiers de décision)** :
- decisions/01_type_decision.md (contient le jugement de scénario psychologique → base pour charger JARS-Quant en L11)
- decisions/02_research_question.md
- decisions/03_mode_decision.md
- decisions/07_data_types.md
- decisions/08_rob_tool_decision.md
- decisions/09*.md (sélectionner 09.1/09.4/09.5 etc. selon les besoins de la phase)
- decisions/10_grade_decision.md (uniquement L11/L12)
- decisions/11_reporting_standard.md (uniquement L12)
L'agent principal doit effectuer une double vérification avant la rédaction L11 : Les normes de rapport planifiées par le sous-agent L11 actuel doivent être cohérentes avec decisions/01_type_decision.md (contenant le jugement de scénario psychologique) + decisions/11_reporting_standard.md. En contexte psychologique, JARS-Quant Table 9 doit être superposé à PRISMA 2020. En cas d'incohérence, blocage. Voir references/decision-provenance.md.
3.4 Ce que l'agent principal doit faire lui-même vs. sous-traiter obligatoirement
| Doit faire lui-même | Doit sous-traiter au sous-agent |
|---|---|
| Lire les besoins de l'utilisateur + les fichiers clés | Toute génération de code R (selon §5 Choix du chemin de package R + modèles) |
| Décider s'il faut suivre le workflow combiné "SR L1-L8 + MA L9-L12" | Toute exécution spécifique d'extraction/conversion de tailles d'effet |
| Rédiger le document de planification (sous-ordre L9, packages R, justification du choix du modèle) | Toute interprétation des sorties d'ajustement de modèle |
| Évaluer chaque production du sous-agent (exactitude des calculs / plausibilité du modèle / robustesse PB) | Toute exécution et interprétation spécifiques des tests de biais de publication |
| Communication clé avec l'utilisateur (confirmation du format des données, arbitrage du modèle, livraison finale) | Toute rédaction de chapitres du rapport APA MARS |
| Écriture et maintenance des dossiers de décision | — |
3.5 Compromis interdits
- L'agent principal n'est pas autorisé à écrire directement du code R / à appeler directement MCP (PRES-003)
- Le sous-agent n'est pas autorisé à remplacer l'agent principal pour le jugement final "faut-il faire confiance à l'effet combiné ?"
- Il est interdit de sauter les phases de test de biais de publication ou de divulgation de l'hétérogénéité
- Il est interdit de présenter uniquement l'effet combiné comme conclusion principale lorsque I² > 75% (viole SSOT-AI-FAILURE-DEFENSES §3)
- Il est interdit d'utiliser RVE / 3 niveaux lorsque k < 5 (voir §4.2 L9.3)
- Il est interdit d'effectuer un test de biais de publication lorsque k < 10 (voir §11.5)
4. Workflow complet (alignement sur 12 phases)
Aligner sur 12 phases (voir SSOT-LIFECYCLE-12-PHASES.md). MA étend considérablement L9 en 10 sous-phases basées sur SR.
4.1 Aperçu des 12 phases (L1-L8 par défaut réalisées par SR)
| Phase | Production clé | Dossier de décision | SSOT |
|---|---|---|---|
| L1 | Identification du type (incluant le jugement de scénario psychologique) | 01_type_decision.md | SSOT-REVIEW-TYPES |
| L2 | PICO + taille d'effet présupposée | 02_research_question.md | SSOT-PICO-FRAMEWORKS |
| L3 | Mode strict vs apprentissage | 03_mode_decision.md | SSOT-MODE-PROFILES |
| L4 | Recherche (PsycINFO + ClinicalTrials.gov + littérature grise) | — | SSOT-SEARCH-STRATEGY |
| L5-L6 | Diagramme de flux PRISMA + criblage en double aveugle | — | SSOT-PRISMA-FLOW-DIAGRAM |
| L7 | Extraction en double (incluant ES + SE + fiabilité + n) | 07_data_types.md | SSOT-EXTRACTION-FIELDS |
| L8 | RoB (incluant l'extension Metapsy pour la psychothérapie) | 08_rob_tool_decision.md | SSOT-ROB-TOOL-MAPPING |
| L9 | Fusion quantitative (10 sous-phases, cœur de ce Skill) | 09*.md | SSOT-SYNTHESIS-METHODS + SSOT-EFFECT-SIZE-DECISION |
| L10 | GRADE | 10_grade_decision.md | SSOT-GRADE-FRAMEWORK |
| L11 | APA MARS + PRISMA 2020 + collaboration ssci-plots | 11_reporting_standard.md | SSOT-REPORTING-STANDARDS |
| L12 | Auto-évaluation AMSTAR 2 | — | SSOT-AMSTAR-2-CHECKLIST |
Si l'utilisateur n'a pas terminé L1-L8, l'agent principal suggère d'abord de basculer vers systematic-review.
4.2 L9 : Fusion quantitative (10 sous-phases, première étape exécutable)
L9.1 Extraction des tailles d'effet (première étape exécutable) : Pré-vol avant affectation (fermer BK-1/BK-7) — ① Vérifier que decisions/01/02/07/08 sont prêts (l'entrée autonome les construit d'abord selon l'échafaudage §3.3, l'entrée combinée les produit via SR ; bloquer si manquant) ; ② Pour la voie combinée, lire obligatoirement la conclusion de commutation de decisions/09_synthesis_decision.md (si ≠ "recommander de passer à MA", bloquer, voir §13.1 N-4). Une fois le pré-vol passé, affecter l'extracteur de tailles d'effet → 5 arbres de décision (D1 binaire / D2 continu / D3 ordonné / D4 comptage / D5 survie) + 7 formules de calcul inverse de SE + 8 unit-of-analysis + traitement des événements nuls. Voir references/L9.1-effect-size-extraction.md. SSOT : SSOT-EFFECT-SIZE-DECISION §1-§5.
L9.2 Correction des tailles d'effet : Affecter l'agent de correction → Correction de Hedges' g (par défaut critique si N < 60, repli en cas d'échec de correction voir §11.6) + Correction d'artefact Hunter-Schmidt (uniquement pour les échelles psychologiques). Sélection du mode Bare-bones vs Psychometric. Voir references/L9.1-effect-size-extraction.md §3 + references/L9-psychology-special.md.
L9.3 Traitement de la dépendance (décision sur le seuil k) : Juger la dépendance → Choisir la méthode.
| Scénario | Méthode recommandée | Seuil k | Package R |
|---|---|---|---|
| Multi-résultats / multi-temps / multi-contrôles, structure de dépendance inconnue | RVE | k ≥ 5 (< 5 non autorisé) | robumeta + clubSandwich |
| Hiérarchie claire + k ≥ 20 | Trois niveaux | k ≥ 20 (< 20 donner une correction CR2 ; < 5 non autorisé) | metafor rma.mv() |
| Modélisation de relations multivariées (médiation/modération) | MASEM | k ≥ 10 | metaSEM |
| k < 5 | RVE / 3 niveaux non autorisé | — | Aller vers une synthèse narrative par étude + sensitivity rapportée séparément (voie alternative de niveau A) |
Affecter l'agent de dépendance. Voir references/L9-psychology-special.md.
L9.4 Sélection du modèle à effets fixes/aléatoires : Affecter l'agent de sélection de modèle → Arbre de décision + RE par défaut (FE seulement sous l'hypothèse de nullité réelle de l'intervention) + Estimateur τ² (REML par défaut) + IC HKSJ (meilleur que Wald quand k > 2 + τ² > 0) + Tableau de décision pour k=2-4 (voir §11.4). Voir references/L9.4-fixed-random-models.md.
Divulgation honnête du modèle RE par défaut (à insérer obligatoirement à la fin de L9.4 — en trois paragraphes selon le style C4) : Paragraphe 1 (hypothèse standard de la littérature) : Le choix entre FE et RE dépend du jugement du chercheur sur l'hétérogénéité (Borenstein 2009; Cochrane §10). Paragraphe 2 (différence de mise en œuvre LLM) : Cette méta-analyse utilise RE par défaut, FE seulement sous l'hypothèse de nullité réelle de l'intervention. 3 différences : (1) Aucune hypothèse d'hétérogénéité explicite fournie par l'utilisateur ; (2) Utilisation de HKSJ lorsque k < 10 ; (3) Réalisation d'une double sensitivity FE+RE lorsque k = 2-4 (Cochrane v6.5 §10.10.4). Paragraphe 3 (Atténuation + Limitations) : Rapporter les résultats doubles FE+RE ; lorsque k ≥ 5, rapporter le PI ; pour les scénarios psychologiques avec k < 5, rapporter le PI mais en marquant explicitement "hypothèse normale non robuste". Divulguer ce choix méthodologique du modèle RE par défaut dans la Discussion.
L9.5 Test d'hétérogénéité : Affecter l'agent d'hétérogénéité → Q + I² + τ² + 95% PI (obligatoire si k ≥ 5 ; obligatoire en contexte psychologique). Si I² > 75%, il est interdit de présenter uniquement l'effet combiné ; Si I² > 90%, toute fusion est totalement interdite + sous-groupe / méta-régression obligatoires (voir §11.5). Voir references/L9.5-heterogeneity.md.
L9.6 Analyse de sous-groupes (k ≥ 10) : Affecter l'agent de sous-groupes → Distinguer obligatoirement le pré-spécifié du post-hoc (JARS Table 9 §METHOD §6) + Test statistique formel entre les sous-groupes (interdit de comparer uniquement les valeurs P intra-sous-groupe) + 6 dimensions ICEMAN. Voir references/L9.6-subgroup-metaregression.md.
L9.7 Méta-régression (k ≥ 10) : Affecter l'agent de méta-régression (parallélisable avec L9.6) → Chaque caractéristique catégorielle ≥ 10 observations + utiliser log-transformé pour les ratios. Voir references/L9.6-subgroup-metaregression.md.
L9.8 Analyse de sensibilité : Affecter l'agent de sensibilité (en série après L9.5 — leave-one-out / FE vs RE / comparaison des estimateurs τ² / re-calcul en excluant les études à RoB élevé nécessitent tous la base du modèle définie par L9.5, pas parallélisable avec L9.5 ; parallélisable avec L9.9) → Leave-one-out + FE vs RE vs HKSJ + différents estimateurs τ² + différentes mesures d'effet + re-calcul en excluant les études à RoB élevé.
L9.9 Biais de publication : Affecter l'agent de biais de publication → Éléments de base obligatoires (funnel + Egger/Harbord/Peters ; valide seulement si k ≥ 10, voir §11.5) ; Suppléments psychologiques ≥ 1 (p-curve / PET-PEESE / RoBMA / Selection models). Tailles d'effet dépendantes (jugement L9.3 pour 3 niveaux/RVE) → utiliser Egger-MLMA (scripts/egger_mlma.R) pour le biais de publication, pas un Egger à un niveau ; RoBMA nécessite JAGS, par défaut non sélectionné (si manquant, rétrograder vers puni_star+PET-PEESE). Trim-and-fill a été rétrogradé par Cochrane v6.5 (uniquement comme analyse de sensibilité). Voir references/L9.9-publication-bias.md.
L9.10 MASEM (sur demande) : Uniquement pour les synthèses SEM de médiation/modération. TSSEM / One-Stage MASEM. Voir references/L9-psychology-special.md §3.
4.3 L10 : Niveau de preuve GRADE
Affecter l'agent GRADE → Considérations spécifiques à la méta-analyse : Imprécision (IC traverse le seuil de décision), Incohérence (I² > 50% généralement rétrograder), Biais de publication (asymétrie du funnel + Egger p < 0.10 rétrograder) + Combinaison avec RoB 2 / ROBINS-I. SSOT : SSOT-GRADE-FRAMEWORK.
4.4 L11 : Rapport (APA MARS Table 9 + PRISMA 2020 + collaboration pour les graphiques)
Affecter l'agent de rédaction (méthode de sauvegarde 2-2-1) + Sous-agent de vérification des normes de rapport.
- APA MARS Table 9 : Mise en correspondance complète des 13 chapitres
- PRISMA 2020 : 27 éléments de checklist
- 12 différences JARS-Quant (contexte psychologique — déclenchées par le jugement de scénario psychologique dans le dossier de décision 01_type_decision.md) : Groupement des hypothèses a priori / post-hoc, caractéristiques psychométriques, validité de construit, artefacts d'erreur de mesure, modérateur vs sous-groupe, obligatoire taille d'effet + IC, correction de Hedges, a priori bayésien, emplacement du code statistique, section des effets indésirables
- Collaboration avec ssci-plots : Graphique en forêt, graphique en entonnoir (contour-enhanced), tableau SoF
Voir references/L11-mars-reporting.md. SSOT : SSOT-REPORTING-STANDARDS §1.3.1 + §3.
4.5 L12 : Auto-évaluation (dimension méta-analyse AMSTAR 2)
Affecter l'agent d'auto-évaluation → 16 items AMSTAR 2 + 7 domaines clés. SSOT : SSOT-AMSTAR-2-CHECKLIST.
5. Chemins de packages R (mappage par thème)
| Thème | Package R principal | Modèle de code |
|---|---|---|
| Méta-analyse standard (FE/RE) | metafor | scripts/metafor_basic.R |
| Tailles d'effet dépendantes (RVE) | robumeta + clubSandwich + wildmeta | scripts/rve_clubSandwich.R |
| Biais de publication pour tailles d'effet dépendantes (Egger-MLMA) | metafor rma.mv / robumeta+clubSandwich | scripts/egger_mlma.R |
| Méta-analyse à trois niveaux | metafor rma.mv() | scripts/metafor_basic.R (bloc rma.mv inclus) |
| Psychométrie (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 (implémentation originale WLS ; metafor mods comme variante défendable, à divulguer) | scripts/metafor_basic.R §11 + references/L9-r-code-templates.md §8 |
| Selection models | weightr | (exemple de code) |
| RoBMA | RoBMA | Nécessite la bibliothèque système JAGS (absente localement) → par défaut non sélectionné, rétrograder vers puni_star + PET-PEESE (voir §11.2 / L9.9 §4.3) |
| Méta-analyse bayésienne | brms · rstanarm · bayesmeta | (avancé, sur demande) |
Philosophie de pont : Ce Skill est exécuté par Claude Code dans l'environnement R local via Rscript (metafor, etc.) pour produire des résultats statistiques — il ne génère plus de code que l'utilisateur copie dans un environnement externe pour l'exécuter et le renseigner ensuite. print(summary()) + warnings() + sessionInfo() entrent directement (en sortie brute) dans le paquet d'audit (fichier side-car + plongée sous l'onglet ⑤ de la fiche d'audit), reproductible ; les feux rouges de blocage/divulgation sont calculés par scripts/audit_parse.R à partir des champs de l'objet rma pour produire un JSON de drapeaux, sans que le LLM lise le texte du summary. Noyau de principes conservé : ne pas inventer de résultats statistiques, l'humain est responsable aux points de validation, reproductibilité. Voir references/L9-r-code-templates.md.
Divulgation honnête du workflow d'exécution locale médiée par LLM (inséré en haut de
references/L9-r-code-templates.md— en trois paragraphes selon le style C4) : Paragraphe 1 (hypothèse standard de la littérature) : La méta-analyse standard suppose que l'analyste écrit et exécute directement le code R (ou utilise une interface graphique JASP / RevMan), avec un contrôle total sur l'entrée des données, la spécification du modèle et la validation des sorties. Paragraphe 2 (différence de mise en œuvre LLM) : Cette revue est réalisée par Claude Code qui exécute directement leRscriptgénéré par le LLM dans l'environnement R local, et conserve les sorties brutes (summary / warnings / sessionInfo) dans un paquet d'audit ; la décision de blocage/divulgation est calculée par unaudit_parse.Rfixe à partir des champs de l'objet rma, sans que le LLM interprète le texte de sortie. Cela élimine l'ancien risque de "copier-coller et renseigner / décalage entre le format de données attendu et réel". Limitation réelle qui persiste : Le code R est toujours généré par le LLM, il peut y avoir des bogues subtils qui compilent mais donnent des résultats erronés (mauvais nom de variable / mauvais appel de fonction) — l'exécution locale ne prouve pas automatiquement l'exactitude du résultat. Paragraphe 3 (Atténuation + Limitations) : (1) Les scripts sont validés par une suite de tests de régression (tests/) + les sorties brutes peuvent être vérifiées manuellement, les feux rouges sont calculés par R pour réduire le risque que le LLM lise mal les chiffres ; (2) Au moins une analyse de sensibilité (leave-one-out / estimateur τ² alternatif) est incluse pour détecter les anomalies ; (3) L'humain prend la décision finale sur les jugements statistiques aux points de validation ; la reproductibilité repose sur sessionInfo + les scripts fixes. Dans la Discussion/Limitations, il faut encore divulguer que "les statistiques ont été réalisées par un workflow automatisé local médié par LLM" comme une caractéristique méthodologique.
Voir references/L9-r-code-templates.md.
6. Quand charger quel fichier references
| Quand charger (granularité de l'action de décision spécifique) | Fichier references |
|---|---|
| Lorsque l'agent principal, à la phase L9.1, doit décider du type de taille d'effet / du calcul inverse de SE / de l'unit-of-analysis | references/L9.1-effect-size-extraction.md |
| Lorsque l'agent principal, à la phase L9.4, doit décider FE/RE/HKSJ | references/L9.4-fixed-random-models.md |
| Lorsque l'agent principal, à la phase L9.5, doit divulguer les indicateurs d'hétérogénéité (incluant la décision de blocage pour I² > 75%) | references/L9.5-heterogeneity.md |
| Lorsque l'agent principal, aux phases L9.6 / L9.7 (k ≥ 10), doit affecter le sous-agent de sous-groupe / méta-régression | references/L9.6-subgroup-metaregression.md |
| Lorsque l'agent principal, à la phase L9.9 (k ≥ 10), doit affecter le sous-agent de biais de publication | references/L9.9-publication-bias.md |
| Avant que l'agent principal n'affecte un sous-agent de génération de code R | references/L9-r-code-templates.md |
| Lorsque le scénario psychologique est déclenché et que l'agent principal doit décider des 8 thèmes (RVE/3 niveaux/MASEM/H-S/RG) entre L9.2 et L9.10 | references/L9-psychology-special.md |
| Lorsque l'agent principal doit décider des normes APA |