描述 一套全面的函数，提供用于网络元分析的频率学派方法 (Balduzzi 等人，2023 年) < doi:10.18637/jss.v106.i02 > 并支持 Schwarzer 等人 (2015 年) < doi:10.1007/978-3-319-21416-0 >，第 8 章“网络元分析”： - 遵循 Rücker (2012) < doi:10.1002/jrsm.1058 > 的频率学派网络元分析； - 治疗组合的加性网络元分析 (Rücker 等人，2020 年) < doi:10.1002/bimj.201800167 >； - 使用 Mantel-Haenszel 或非中心超几何分布方法 (Efthimiou et al., 2019) < doi:10.1002/sim.8158 >，或惩罚逻辑回归 (Evrenoglou et al., 2022) < doi:10.1002/sim.9562 > 对二元数据进行网络荟萃分析； - 按累积排名曲线下表面 (SU-CRA) 对治疗进行排名图和排名 (Salanti et al., 2013) < doi:10.1016/j.jclinepi.2010.03.016 >； - 按照 Rücker & Schwarzer (2015) < doi:10.1186/s12874-015-0060-8 >，使用 P 分数（无需重采样的 SUCRA 频率学派类似物）对治疗进行排名； - 拆分直接和间接证据以检查一致性 (Dias et al., 2010) < doi:10.1002/sim.3767 >, (Efthimiou et al., 2019) < doi:10.1002/sim.8158 >； - 带有网络荟萃分析结果的排行榜； - “比较调整”漏斗图 (Chaimani & Salanti, 2012) < doi:10.1002/jrsm.57 >； - 按照 Krahn 等人 (2013) < doi:10.1186/1471-2288- 13-35 > 的净热图和基于设计的 Cochran's Q 分解； - 由 König 等人 (2013) < doi:10.1002/sim.6001 > 描述的表征两种治疗之间证据流的测量值； - 按照 Rücker 和 Schwarzer (2016) < doi:10.1002/jrsm.1143 > 的描述自动绘制网络图；