在Meta分析的文章中,最常见的就是森林图,而很多同学却只识图,不识意,本期就为大家详细地介绍一下森林图。
森林图是有异质性检验分析所得的图片,它能够直观地展示单个研究的结果以及合并后的总体效应,并提供效应量估计的精确度和研究间的异质性信息。所以理解Meta分析中的森林图(Forest Plot)是解读研究结果的关键。
常见森林图(分别是由Review Manager5.3、Stata以及R所做):



森林图核心组成部分
垂直竖线(无效线):通常位于图的中间(X轴刻度为0或1)。这条线代表“无效应”的点。
-
对于连续变量(如均数差MD、标准化均数差SMD),无效线通常是“0”。效应量等于0意味着两组没有差异。
-
对于二分类变量(如比值比OR、相对危险度RR),无效线通常是“1”。效应量等于1意味着两组事件发生的概率相同(无关联)。
水平横线(置信区间线):每个研究结果在图上用一条水平线表示,水平线向左右延伸的长度代表了该效应量95%置信区间的范围。线越长,说明置信区间越宽,结果越不精确(不确定性越大);线越短,说明置信区间越窄,结果越精确。
水平线上的竖点/黑色菱形(点估计值):水平线中间通常有一个竖点/黑色菱形(或其他形状),在X轴上代表了该研究的效应量点估计值(如OR, MD, RR等)。
水平线上方块大小:方块的大小通常代表了该研究在Meta分析中的权重。权重大的研究(通常样本量大或事件数多、结果精确度高)方块更大,对合并结果的影响更大。
菱形(合并效应):在图的底部,会有一个菱形。这个菱形代表了所有研究合并后的总体效应估计值。
菱形中心:代表合并效应量的点估计值。
菱形宽度:代表合并效应量的95%置信区间。
X轴(效应量刻度):横坐标轴表示效应量的大小。需要根据研究使用的效应量指标(OR, RR, MD, SMD等)来理解刻度。
Y轴(研究列表):纵坐标轴列出了纳入Meta分析的各个独立研究(通常用第一作者和发表年份标识),有时还包括亚组分析的分组。最底部一行是合并效应(菱形所在行)。
异质性统计量:图上或图注中通常会报告评估研究间异质性的统计量,最常见的是:
I²:描述研究间异质性占总变异(研究内变异+研究间变异)的百分比。
Q统计量(Chi²)及P值:检验异质性是否具有统计学意义。P<0.10通常被认为存在显著的异质性。
Tau²:估计研究间变异的实际大小。
如何解读森林图结果
单个研究的结果:
看点估计值落在无效线的哪一侧。如果研究比较的是A vs B(例如治疗组 vs 对照组):
-
OR/RR<1(或MD/SMD<0):点估计值在无效线左侧,提示A组的事件发生率低于B组(如果事件是不良事件,则A有利;如果是期望事件,则A不利)。
-
OR/RR>1(或MD/SMD>0):点估计值在无效线右侧,提示A组的事件发生率高于B组(如果事件是不良事件,则A不利;如果是期望事件,则A有利)。
看水平线(置信区间)是否跨越无效线:
如果水平线跨越了无效线:说明该研究的效应量在统计学上不显著(P>0.05)。
如果水平线完全位于无效线的左侧或右侧:说明该研究的效应量在统计学上显著(P<0.05)。
合并结果(菱形):
菱形中心的位置:代表合并效应量的最佳估计值。解读方向与单个研究相同(左/右)。
菱形是否跨越无效线:
-
如果菱形跨越了无效线:合并效应在统计学上不显著。不能认为两组之间存在有统计学意义的差异或关联。
-
如果菱形完全位于无效线的左侧或右侧:合并效应在统计学上显著。支持A组和B组之间存在差异或关联。
菱形宽度:代表合并效应估计的精确度。菱形越窄,估计越精确,结果越可靠;菱形越宽,不确定性越大。
异质性:
观察各研究的水平线(置信区间)是否重叠较多?方块的点估计值是否分散?
查看报告的I²值、Q统计量P值。显著的异质性(I²大,Q的P值<0.10)提示各个研究的结果不完全一致,合并结果需要谨慎解释。需要探讨异质性的可能来源(如研究设计、人群、干预细节、结局测量等)。
解读流程图(快速判断合并结果)
菱形(合并效应)是否完全在无效线左侧或右侧?
是→结果统计显著
否→结果统计不显著
如果显著,看菱形中心位置:
在左侧(OR/RR<1, MD/SMD<0)→提示A组优于B组(如果A是治疗组,且结局是降低不良事件或增加有益事件)。
在右侧(OR/RR>1, MD/SMD>0)→提示B组优于A组(或A组有害/不利,取决于结局定义)。
重要注意事项
统计显著 vs 临床意义:统计显著(菱形不跨无效线)只说明差异不太可能是偶然发生的,不代表差异具有临床重要性。需要结合效应量的大小和临床背景来判断。
异质性:高异质性会降低合并结果的可信度。必须报告并讨论异质性来源。有时高异质性意味着不适合做合并分析。
模型选择:图注会说明使用的是固定效应模型还是随机效应模型。随机效应模型更保守,在存在异质性时更常用,其置信区间(菱形宽度)通常更宽。
如果你想学习这种通过Meta分析发表SCI的方法,难于找不到一个合适的选题、苦于研究过程中遇到的问题太多无法持续推进,那么可以了解一下统计之光Meta分析一对一教学指导。





评论列表