mahmood726-cyber/bias-forensics

# 偏倚指纹 [](https://github.com/mahmood726-cyber/bias-forensics/actions/workflows/ci.yml) [](https://github.com/mahmood726-cyber/bias-forensics/actions/workflows/codeql.yml) [](LICENSE) [](https://www.python.org/) 当八种发表偏倚方法应用于同一项 meta 分析时，它们得出相同结论的频率有多高？我们将四种检测测试和四种校正方法应用于来自 Pairwise70 数据集中包含至少五项研究的 307 篇 Cochrane 综述。每篇综述都获得了一份偏倚指纹，总结了哪些测试标记了偏倚以及校正如何改变合并估计值，并将其分类为 Clean、Suspected、Confirmed 或 Discordant。只有 54 篇综述（17.6%）为 Clean，而有 42 篇为 Discordant，差异率为 13.7%，风险比中位数变化低于 0.05（95% CI 0.02 至 0.08）。一致性范围从 PET-PEESE 和极限 meta 分析之间的 98% 到剪补法与回归校正之间的 73% 不等，平均相对效应变化为 1.01。在大约七分之一的 Cochrane 综述中，合并结论的表面方向取决于所选用的偏倚方法。这些方法检测的是统计不对称性而非偏倚本身，且无法将发表偏倚与临床或方法学异质性区分开来。 **实时仪表板：** ## 运行 在任何现代浏览器中打开 `index.html`（登录页面）或 `dashboard/index.html`（仪表板）。无需构建步骤。 用于本地开发： ``` python -m http.server 8000 # 然后打开 http://localhost:8000/ ``` ## 测试 ``` python -m pytest -q ``` `tests/` 目录下的测试套件包含 3 个测试文件。 ## 仓库结构 | 路径 | 用途 | |---|---| | `dashboard/index.html` | 仪表板（主要产出物） | | `index.html` | 登录页面 | | `tests/` | pytest 测试 | | `e156-submission/` | E156 微论文包 | | `E156-PROTOCOL.md` | 项目元数据（E156 条目 #12） | ## 许可证 请参阅 `LICENSE` (MIT)。

标签：代码示例, 元分析, 医学研究, 发表偏倚, 后端开发, 多模态安全, 安全规则引擎, 数据分析, 数据可视化, 统计学, 逆向工具