上传时间：
56官方微信
扫一扫发现精彩森林图的详细解读_五月_新浪博客
森林图的详细解读
在Meta分析汇总的结果中，最常见的两个图形就是森林图和漏斗图，但是笔者发现在实际的运用中，经常有人误读和误用这两个图形，从今天起，我讲具体介绍一下这两个图形的解读。
1.森林图的定义：
森林图是以统计指标和统计分析方法为基础，用数值运算结果绘制出的图型。它在平面直角坐标系中，以一条垂直的无效线(横坐标刻度为1或0)为中心，用平行于横轴的多条线段描述了每个被纳入研究的效应量和可信区间，用一个棱形(或其它图形)描述了多个研究合并的效应量及可信区间。它非常简单和直观地描述了Meta分析的统计结果，是Meta分析中最常用的结果表达形式。
2.分类变量中的森林图
当某研究RR(OR,RD)的95％CI包含了1，即在森林图中其95％CI的横线与无效竖线相交时，可认为试验组发生率与对照组发生率相等，试验因素无效。
当某研究RR(OR,RD)的95％CI上下限均&1，即在森林图中，其95％CI横线不与无效竖线相交，且该横线落在无效线右侧时，可认为试验组的发生率大于对照组的发生率，若研究者所研究的事件是不利事件(如发病、患病、死亡等)时，试验组的试验因素会增加该不利事件的发生，试验因素为有害因素(危险因素)；若研究者所研究的事件是有益事件(如有效、缓解、生存等)时，试验因素会增加该有益事件的发生，试验因素为有益因素。
当某研究的95％CI上下限均小于1，即在森林图中，其95％CI横线不与无效竖线相交，且该横线落在无效线左侧时，可认为试验组的发生率小于对照组的发生率，若研究者所研究的事件是不利事件(如发病、患病、死亡等)时，试验组的试验因素会减少该不利事件的发生，试验因素为有益因素(保护因素)；若研究者所研究的事件是有益事件(如有效、缓解、生存等)时，试验因素会减少该有益事件的发生，试验因素为有害因素。
2 连续性变量的森林图
当某研究的95％CI包含了0，即在森林图中其95％CI横线与无效竖线(横坐标刻度为0)相交时，可认为试验组某指标的均数与对照组相等，试验因素无效。
当某研究的95％CI上下限均大于0，即在森林图中，其95％CI横线不与无效竖线相交，且该横线落在无效线右侧时，可认为试验组某指标的均数大于对照组，若研究者所研究的指标是不利事件时，试验因素为有害因素(危险因素)；若研究
者所研究的事件是有益事件时，试验因素为有益因素。
当某研究的95％CI上下限均小于0，即在森林图中，其95％CI横线不与无效竖线相交，且该横线落在无效线左侧时，可认为试验组某指标的均数小于对照组，若研究者所研究的指标是不利事件时，试验因素为有益因素(保护因素)；若研究
者所研究的事件是有益事件时，试验因素为有害因素。
例如：下面的数据为R软件中自带的一个二分类数据，Fleiss93，阿司匹林预防心肌梗死的一个实验，其中研究的结局事件是死亡，结果如下图所示，我们发现结果落在了无效线的左侧，证明实验组的发生率小于对照组，也就是说，死亡率阿司匹林组不如对照组，因此可以认为阿司匹林对心肌梗死来说是一个保护因素。
3.RevMan绘制的森林图
RevMan绘制的森林图，系统默认的研究事件是“不利事件”，如发病、患病、死亡等，即系统默认森林图横坐标的左侧为“favours
treatment”，其横坐标的右侧为“favours
control”也就是说，无论是二值变量的指标OR或RR，还是连续变量的指标WMD或SMD，RevMan绘制的森林图，只要其系统默认某个研究的95％CI的横线不与森林图的无效线相交且落在无效线左侧，可认为试验组的试验因素会减少不利事件的发生，试验因素为有益因素(保护因素)，即试验因素有效。
如图1，表示某种手术并发症的发生率。并发症的发生率是不利事件，落在了左侧，不利于并发症的发生，因此是保护因素。
但是，当研究的事件是“有利事件”(如生存率等)时，若需要在RevMan中绘制森林图，则应修改其系统默认值，即将横坐标的左侧修改为“favours
control”，将横坐标的右侧修改为”favours
treatment”。否则，采用系统默认值的森林图是错误的。图2
研究的事件是生存率，从结果中我们发现OR=1.35,95%CI:
1.60，差异有统计学意义，认为实验组的发生率高于对照组的，但是在森林图中，我们发现点估计值，落在了右侧，显示应该是对照组的OR值大，显然与实际是不相符合的，因此我们应该纠正。如图3，是正确的森林图。
4.其它类型的森林图
累积森林图
传统Meta分析只在某个时点进行一次综合分析，而累积Meta分析可以对各时点情况进行分析，按一定顺序排列累积Meta分析的结果，结合图示可以进一步反映研究结果的动态变化趋势，有助于尽早发现有统计学意义的干预措施：并且可用于评估各研究对综合结果的影响。
例如，R软件中自带的数据进行累积Meta分析(Fleiss93)，如图1。
图形解释：①按年代先后顺序累积分析后，RR点估计值及可信区间趋于稳定且有较好的变化趋势：②在选定检验标准下，可发现最初证实疗效具有统计学意义的时间为1976年；③大型研究(ISIS-2)加入进来后，对结果产生了彻底影响，不仅仅缩窄了可信区间的范围．增加了总体疗效估计的准确性，也使得结果有意义。
敏感性分析的森林图
前面介绍过敏感性分析，在这里不详述，举一个R软件自带数据的例子(Fleiss93)，展示一下敏感性分析的森林图，如图2。
图形解释：总体的结果有统计学差异，但是当去掉ISIS-2这个研究的时候，我们发现总体的RR变得没有意义(RR=0.91,95%CI=0.82-0.91),证明我们的结果是不稳定的，我们应该重点讨论一下次结果，尤其是ISIS-2这个研究。
亚组分析的森林图
此类森林图和普通森林图实际上没有什么区别，只是根据我们的分组的一些因素(地区、性别等)，把我们的研究分成了不同的亚组，然后分别进行探讨。我们也举一个R软件自带数据的例子(Fleiss93cont)，展示一下亚组分析的森林图，如图3。
图形解释：总体的结果有差异性(固定效应模型)，以地区亚洲和欧洲做亚组分析。在亚组分析，欧洲组的有统计学差异，然而亚洲组并没有统计学差异。
欢迎关注公众微信号：实用Meta分析（meta-show）
&&&&&&&&&&&&&
QQ讨论群：​
博客等级：
博客积分：0
博客访问：43,645
关注人气：0
荣誉徽章：关注今日：17 | 主题：147987
微信扫一扫
扫一扫，下载丁香园 App
即送15丁当
【求助】怎么把stata亚组分析做出来的森林图的合并结果去掉
页码直达：
问题已解决悬赏丁当:10
想把好几个结果合并到一张森林图，我就尝试了用亚组分析来完成，可以出来了个总结果在森林图上，不知道有没有大神知道不显示这个总结过的命令，谢谢大家帮忙。
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
丁香园中级站友
命令后面加上 no overall试试看，我有点忘了
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
xxsl_2007 命令后面加上 no overall试试看，我有点忘了 中间空格去掉就出来了，谢谢了哈
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
请教一下，我纳入的研究比较多，做了亚组分析之后，森林图基本都看不清楚了，请问这个有办法解决吗？求大神指点。。。。。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
singledevil1 请教一下，我纳入的研究比较多，做了亚组分析之后，森林图基本都看不清楚了，请问这个有办法解决吗？求大神指点。。。。。 曾经遇到一个课题最终纳入了500多篇文献，森林图无论怎么弄都是看不清的，反正我最后是放弃不做森林图了。其实我个人觉得，画图还是用R，R的画图功能确实好用，几乎图上的全部元素都可以自己修改，而且帮助文件写的也清楚。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
我们如果是做危险因素OR的森林图，那我们常常不需要最后一行stata直接给出的overall，那就用nooverall，即overall那一行的OR不出现；不需要出现最右边加权项的值，则用noowt；图中的OR点上有时候去会看到灰色的大方块，这个灰色方块表示权重的大小，常常不好看，若不需要显示则用nobox
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
metan death1 live1 death2 live2,or label(namevar=study,yearvar=year)
nooverall nobox 基于原始数据（ death1 live1 death2 live2分别代表第一组、二组的阳性、阴性数）
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
请问危险因素森林图里怎么加入人数啊？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园关注今日：113 | 主题：545144
微信扫一扫
扫一扫，下载丁香园 App
即送15丁当
【求助】怎样绘制分层分析的森林图？
页码直达：
问题已解决悬赏丁当:2
我想绘制一张这样的森林图，我做的也是基因多态性与肿瘤生存，对某一个rs位点进行了分层分析，得到了他们的HR值和95%CI，可是不知如何绘制这样的图，请大虾指点！
我看文献上写的是用stata做的，但是像这种分层分析的图怎么绘制？ 后面那个一致性检验的P是怎么得到的，怎么能放到一张图里呢？
**高手解答，十分感谢！！！
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
同求，等待
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
你找到人解答了没有
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
呜呜，还没找到解答，**中。。万能的丁香园，帮帮我吧！！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
这种亚组分析貌似更经典、规范
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
谢谢您的解答!
我也是刚开始用 stata 做森林图，对这方面不太懂，还要从头开始学呀！另外还想请教一下，后面那个一致性检验的P 值是怎么弄在图上的?　在第二个图中，方块■　的大小表示权重，怎么做出来的呢？　还有一个比较棘手的问题是，我的数据中，T分期这个变量有一组的HR区间特别的大, HR=1.05, 95%: 0.11-10.35，默认生成的图就挤的很扁; 可是把X轴拉伸成 1-5范围的话, 又显得很宽, 没法调整,怎么办?问题比较多，先谢谢啦！！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
可以传授一下语句嘛，这个森林图是怎么实现的？谢谢大神！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园关注今日：17 | 主题：147987
微信扫一扫
扫一扫，下载丁香园 App
即送15丁当
生存资料---时间-事件资料（如PFS和OS）森林图简易过程分享。
页码直达：
如上图，就是应用Revman 5.3制作的关于时间-事件资料（如PFS和OS）的HR（风险比）森林图。 以前一直觉得关于生存资料即时间-事件资料的数据，HR（风险比）数据转换时很难处理，在丁香园网站上也看了很多关于这生存资料分析及森林图的制作过程。但是还是是懂非懂，尤其是一大把的公式，一下就晕了。还有就是各种数据的转换计算。我相信很多战友在制作相关森林图的时候也很苦恼吧。 最近我在做一个meta分析时候，也需要处理HR数据，重新看了战友的视频，仍然一头雾水，后来自己摸索，总数是做出来这个图了，这个过程跟战友的方法比较起来，简单了很多，不需要公式计算。仅需要提取原始的HR，然后应用Revman软件就可以搞定。不知道是否有一样的帖子，我就把这个跟大家分享下，如果雷同及不妥之处，敬请告知。 接下来就是各个步骤： 1.添加数据类型，如图选第4个。然后下一步：
2.这里，在右下角选择 Name of Effect Measure,然后就会在下面空白框自动弹出 Hazard Ratio.下一步：
3. 前面点Next后就是这个界面了。
4.这个界面添加你需要纳入的研究，具体怎么纳入，这个是基本步骤就不累赘了。其实这里只需要计算出log[Hazard
Ratio]和SE，森林图就制作好了。很多原始纳入的研究都会提供HR及可信区间数据，但是怎么转换这个数据变为log[Hazard Ratio]和SE呢？看了很多方法，个人感觉以下步骤应该是最简单了。
5.这里是关键步骤：看到下图有一排的工具了吧！然后看到中间有个计算器的图标没？如果没有，往下！
6.下图看到没，就是这个计算器！
7.点击计算器图标，弹出下面的框框！这时候，需要把你纳入研究的HR都提取来。HR数据，在英文的文章里，作者几乎都有给的。
8.下图就是这个森林图的3个例子的HR数据，包括可信区间哈！
9.先在第一个研究 C 2016的 log[Hazard
Ratio],下面的第一个框点击下，就变灰色了。当然也可以在SE下面的0这里点。然后在点那个计算器图标。就可以看到这个框了，在第二行有病，绿色框填可信区间的下限(CI
Start)，在(CI end)填上限。
10.填完上限后，会自动计算出HR，左边。同时会计算出log[Hazard Ratio]和SE，这两个数据就是我们森林图需要的。然后下一步：
11.看到上图右下角的 Update data table.如下：点击后：
12.数据会自动填到这里。
13.重复刚刚的第6-12步骤，把另外两个研究数据填入，就可以啦！
14.是不是感觉比较简单呢！如果喜欢
请收藏、投票哈！谢谢！
不知道邀请谁？试试他们
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
请问楼组，对于生存期不同的os ，HR可以合并吗？要怎么解决呢
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
棒棒哒！支持一下，方法简单！谢谢！不过很多文献是不提供HR的我觉得， 我也刚开始学。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
慕瞳 请问楼组，对于生存期不同的os ，HR可以合并吗？要怎么解决呢我也想问这个问题，能合并吗？
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
马着很有用
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
楼主这方法确实棒，想问一下，只需要填写95%CI的上下限就可以啦？不需要HR吗？还有就是卤煮如何在原文献提取HR和95%CI的数值，也是像之前大神们建议的Engauge_Digitizer_4.1软件嘛
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
HR的提取比较头疼
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
立志悬壶 HR的提取比较头疼 这个HR不用提取啦！文章里有的不是！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
好吧抱抱 棒棒哒！支持一下，方法简单！谢谢！不过很多文献是不提供HR的我觉得， 我也刚开始学。 我看了几篇文章都有HR的。如果没有就需要根据图进行计算了～
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
流浪天空的鱼 楼主这方法确实棒，想问一下，只需要填写95%CI的上下限就可以啦？不需要HR吗？还有就是卤煮如何在原文献提取HR和95%CI的数值，也是像之前大神们建议的Engauge_Digitizer_4.1软件嘛文章有提供HR及可信区间，填可信区间，会自动计算出HR的。不是不用，可以校对下，只需要填这三个数字任意两个就会计算出另一个的。你试试就知道了。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
实用，MARK一下
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
请问知道A对B的HR和可信区间，怎么求B对A的HR及可信区间
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
好吧抱抱 慕瞳 请问楼组，对于生存期不同的os ，HR可以合并吗？要怎么解决呢我也想问这个问题，能合并吗？这个问题，我也不明白。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
立志悬壶 HR的提取比较头疼今天在做另一篇文章时，发现确实很多研究只有图，没有HR，不过可以用一些软件提取，会有点麻烦。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
流浪天空的鱼楼主这方法确实棒，想问一下，只需要填写95%CI的上下限就可以啦？不需要HR吗？还有就是卤煮如何在原文献提取HR和95%CI的数值，也是像之前大神们建议的Engauge_Digitizer_4.1软件嘛文章有提供HR及可信区间，填可信区间，会自动计算出HR的。不是不用，可以校对下，只需要填这三个数字任意两个就会计算出另一个的。你试试就知道了。如果文章没有HR，那就只能根据图来提取了，那就用那个软件也可以。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
流浪天空的鱼楼主这方法确实棒，想问一下，只需要填写95%CI的上下限就可以啦？不需要HR吗？还有就是卤煮如何在原文献提取HR和95%CI的数值，也是像之前大神们建议的Engauge_Digitizer_4.1软件嘛文章有提供HR及可信区间，填可信区间，会自动计算出HR的。不是不用，可以校对下，只需要填这三个数字任意两个就会计算出另一个的。你试试就知道了。如果文章没有HR，那就只能根据图来提取了，那就用那个软件也可以。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
如果遇到输入95%CI得出的HR和原文有误差怎么办？之前遇到过这样的问题
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
zhaoqishi 如果遇到输入95%CI得出的HR和原文有误差怎么办？之前遇到过这样的问题你可以试下先输入HR.有时候细微差别可以调整下小数点后一位。
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
chen 请问知道A对B的HR和可信区间，怎么求B对A的HR及可信区间 我在根据图提取HR的时候，试了下两组相反的HR，得出的森林图上的lg...数据刚好是缺个正负号，这是我摸索的。你可以尝试下！我试了几个都是这样，应该没错，不过没有确切的依据。仅供参考！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
chen 请问知道A对B的HR和可信区间，怎么求B对A的HR及可信区间 log
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
非常感谢楼主分享，特别实用
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
你好 楼主 帮帮我吧 我要做方法比较学的meta 现只有两组数据的差值均数及差值均数的95%LOA 是不也得用generic inverse variance模式 那我的差值均数用不用像你举的例子也转换成log形式
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
楼主给力！
微信扫一扫
广告宣传推广
政治敏感、违法虚假信息
恶意灌水、重复发帖
违规侵权、站友争执
附件异常、链接失效
关于丁香园}