森林图是什么？各部分含义

森林图（Forest Plot）是 Meta 分析最重要的可视化工具，用于展示多个研究的效应量及其合并结果。

森林图各元素解读

Study Effect [95% CI] Weight ───────────────────────────────────────────── Smith 2019 ──■────── 12.3% ← 方块 = 该研究效应值横线 = 95% 置信区间方块大小 = 权重 Jones 2020 ────■─── 18.7% Lee 2021 ─────■── 15.2% │ ← 无效线 (OR=1 或 MD=0) ◆ ← 菱形 = 合并效应量 Overall ────◆─── 100% 菱形宽度 = 合并 95% CI

元素	含义	怎么看
方块（■）	单个研究的效应量点估计	方块在无效线左侧 = 有利于干预组（对于 OR/RR）
横线（──）	95% 置信区间	横线越短 = 估计越精确；横线跨过无效线 = 该研究结果无统计学意义
方块大小	该研究在合并中的权重	方块越大 = 权重越高（样本量大或估计精确）
菱形（◆）	所有研究的合并效应量	菱形中心 = 合并效应值；菱形宽度 = 合并 95% CI
无效线（│）	无效应的参考线	OR/RR: x=1；MD/SMD: x=0

生成森林图需要哪些数据？

根据你的数据类型，需要准备不同格式的数据：

二分类数据（Dichotomous）

字段	含义	示例
研究名称	第一作者 + 年份	Zhang 2023
干预组事件数	干预组中发生结局事件的人数	45
干预组总数	干预组总样本量	200
对照组事件数	对照组中发生结局事件的人数	68
对照组总数	对照组总样本量	198

连续性数据（Continuous）

字段	含义	示例
研究名称	第一作者 + 年份	Wang 2022
干预组均值	干预组结局指标的平均值	-2.3
干预组 SD	干预组标准差	1.5
干预组 N	干预组样本量	120
对照组均值	对照组结局指标的平均值	-0.8
对照组 SD	对照组标准差	1.6
对照组 N	对照组样本量	118

数据从论文哪里找？一般在论文的 Table（结果表格）或 Results 段落中。如果论文只报告了中位数和四分位距（IQR），需要用公式转换为均值和标准差。

用 MetaReview 在线生成森林图（6 步）

打开 MetaReview — 访问 metareview-8c1.pages.dev，点击"开始分析"
输入数据 — 在"数据提取"页面，选择数据类型（二分类/连续性），逐行输入各研究的数据。也可以通过 CSV 导入
查看结果 — 切换到"分析结果"标签，自动计算合并效应量和异质性统计量
查看森林图 — 点击"森林图"标签，查看自动生成的森林图
调整参数 — 在结果页面切换效应量（OR/RR/MD/SMD）和模型（固定/随机效应），森林图实时更新
下载导出 — 点击下载按钮导出 SVG 格式的森林图，分辨率无损，可直接用于论文

整个过程不需要编写任何代码，也不需要安装软件。所有计算在你的浏览器本地完成，数据不会上传到服务器。

固定效应 vs 随机效应模型怎么选？

特征	固定效应模型	随机效应模型
核心假设	所有研究估计同一个真实效应值	各研究有不同的真实效应值
适用条件	研究方法高度同质，I² < 25%	研究存在异质性（大多数情况）
权重分配	主要取决于样本量	大样本和小样本的权重差异更小
置信区间	通常更窄	通常更宽（更保守）
推荐场景	纳入研究的 PICO 几乎完全一致	默认选择，除非有充分理由用固定效应

大多数医学 Meta 分析使用随机效应模型。如果审稿人问"为什么用随机效应"，回答："纳入研究在人群、干预细节和随访时间上存在差异，使用随机效应模型更为保守和合理。"

异质性统计量如何解读

异质性（Heterogeneity）是 Meta 分析中各研究结果不一致的程度。

指标	含义	判断标准
I²	异质性占总变异的百分比	0-25% 低；25-50% 中；50-75% 高；>75% 非常高
Q 检验 (Cochran's Q)	检验各研究效应量是否一致	p < 0.10 提示存在显著异质性（注意阈值是 0.10 不是 0.05）
tau² (tau-squared)	研究间方差的绝对值	无固定阈值，越大异质性越强

高异质性怎么办？

亚组分析 — 按潜在来源分组（年龄、地区、剂量），看是否能解释异质性
Meta 回归 — 检验连续性协变量（如平均年龄）与效应量的关系
敏感性分析 — 逐一剔除法识别异常值
放弃合并 — 如果 I² > 90% 且无法解释，考虑改为叙述性综述

亚组森林图怎么画

亚组森林图将研究按分组变量分层展示，每个亚组有独立的合并效应值（小计菱形），最下方是总体合并效应值。

MetaReview 中的操作

在"数据提取"页面，为每篇研究填写亚组字段（如 "Primary Prevention" / "Secondary Prevention"）
切换到"亚组分析"标签，自动按亚组分层计算
查看亚组森林图：各组单独展示 + 小计菱形 + Q-between 差异检验注释
Q-between p < 0.05 表示亚组间效应值存在统计学显著差异

导出格式与投稿要求

格式	特点	适用场景
SVG	矢量格式，无限放大不失真	论文投稿首选。大多数期刊接受 SVG 或由 SVG 转换的 PDF/EPS
PNG	位图格式，固定分辨率	PPT/学术海报/社交媒体分享

MetaReview 导出的森林图为 SVG 格式。如果期刊要求 TIFF 或 EPS，可以用 Inkscape（免费）打开 SVG 转换格式。分辨率建议 300 DPI 以上。

常用工具对比

工具	价格	学习成本	森林图质量	中文支持
MetaReview	免费	极低（无需编程）	高（SVG 矢量）	完整中文界面
RevMan	免费（Cochrane 会员）	中等	中	无
R (meta/metafor)	免费	高（需 R 编程）	高（可高度自定义）	需自行配置
Stata (metan)	$895+	高（需 Stata 编程）	高	需自行配置
Meta-Mar	EUR 19-69	低	中	无

5 分钟生成你的森林图

免费在线森林图生成器，无需安装、无需编程、数据不离开浏览器。

立即使用 MetaReview

获取更新通知

留下邮箱，第一时间获取新功能通知和 Meta 分析技巧。

我们不会发送垃圾邮件，随时可退订。