图说meta十：森林图简介

系统评价/Meta分析指全面收集所有相关研究并逐个进行严格评价和分析，再用定量或定性合成的方法对资料进行处理得出综合结论的研究方法。在meta分析受到关注的同时也出现了不同的声音，本系列推送将介绍meta分析的实施步骤，希望帮助了解meta分析，规范meta分析的撰写。本期推送将介绍meta分析的偏倚风险评估工具，希望各位老师批评指正。

meta分析的森林图概述

森林图(forest plots)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(conf idence interval , CI), 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。

森林图统计学指标的选择

研究中常用的效应尺度指标包括结局为分类变量时的odds ratio（OR）、relative risk（RR）和risk difference（RD），以及结局为连续性变量时的weighted mean difference（WMD） 和standardizedmean difference（SMD）。

OR：即比值比或优势比，是测量疾病与暴露联系强度的一个重要指标。是某组中某事件的比值与另一组内该事件的比值之比。OR=1 表示比较组间没有差异。当研究结局为不利事件时，OR<1 表示暴露可能会降低结局风险。

RR： 是rate ratio 或risk ratio 或relative risk 的缩写，国内翻译为“ 相对危险度”，其意义为两组的事件率之比。RR 是反映暴露（干预）与事件关联强度的最有用的指标。RR=1 表示比较组间没有差异。当研究结局为不利事件时，RR<1 表示干预可降低结局风险。需要注意的是，只有队列研究和随机对照试验结果可以直接获得相对危险度。

RD（risk difference）：即危险差，也被称为归因危险度（attributable risk，AR）、绝对风险差（absoluterisk difference）和绝对风险降低率（absolute riskreduction, ARR），是指干预（暴露）组和对照组结局事件发生概率的绝对差值。RD反映了暴露（干预）组中净由暴露（干预）因素所致的发病水平（从暴露组角度考虑）。RD=0表示比较组间没有差异。当研究结局为不利事件时，RD<0 表示干预可降低结局风险。通常只有队列研究和随机对照试验结果可以计算RD。

WMD（weighted mean difference）：即加权均数差，用于Meta 分析中所有研究具有相同连续性结局变量（如体重）和测量单位时。计算WMD 时，需要知道每个原始研究的均数、标准差和样本量。每个原始研究均数差的权重（例如每个研究对Meta分析合并统计量的影响大小）由其效应估计的精确性决定。

SMD（standardized mean difference）：即标准化均数差，为两组估计均数差值除以平均标准差而得。由于消除了量纲的影响，因而结果可以被合并。

meta分析的森林图解读

二分类变量：RR是试验组某事件的发生率P1 除以对照组某事件的发生率P0 的比值, 即RR = P1/ P0 , 其统计学结果的解释为:当总体RR=1(某个研究RR 的95 %CI 包含了1)时, 或在森林图中, 当某个研究RR的95 %CI横线与无效竖线(横坐标刻度为1)相交时, 表示试验组发生率与对照组发生率间的差异无统计学意义, 还不能确定试验组发生率与对照组发生率不相等。当总体RR>1(或某研究RR 的95 %CI 上下限均>1)时, 在森林图中, 某个研究的95 %CI 的横线不与无效竖线相交, 且该横线落在无效线右侧时, 可认为试验组某事件的发生率大于对照组的发生率, 试验因素可增加某事件的发生率。当总体RR<1(或某研究RR 的95 %CI 上下限均<1)时, 在森林图中, 某个研究的95 %CI 的横线不与无效竖线相交, 且该横线落在无效线左侧时, 可认为试验组某事件的发生率小于对照组的发生率, 试验因素可减少某事件的发生率。

连续性变量：当WMD 等于0 意味着两均数相等, 也意味着两均数无统计学意义, 故WMD 森林图的无效竖线在横坐标刻度为0 处。对于临床工作者而言, 可简单地将SMD的临床意义和解释理解成与WMD 相同。当总体WMD =0(或某研究的95 %CI 包含了0)时, 或在森林图中当某个研究的95 %CI 横线与无效竖线(横坐标刻度为0)相交时, 表示试验组均数与对照均数间的差异无统计学意义, 还不能认为试验组均数与对照不相等。当总体WMD >0(或某研究的95 %CI 上下限均>0)时, 或在森林图中某个研究的95 %CI 的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, 试验因素可增加某指标的均数。当总体WMD <0(或某研究的95 %CI 上下限均<0)时, 或在森林图中某个研究的95 %CI 的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, 试验因素可减少某指标的均数。

森林图实现方法

最常用的软件主要包括RevMan软件。STATA软件和R软件，我们在接下来的推送中也会介绍RevMan和STATA软件实现森林图的方法。

需要注意的是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。但是, 当研究的事件是“有利事件”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。

参考文献：

1. 文进, 李幼平. Meta分析中效应尺度指标的选择[J]. 中国循证医学杂志, 2007, 7(8):608-613.

2. 刘关键, 吴泰相. Meta-分析的森林图及临床意义[J]. 中国循证医学杂志, 2004, 4(3):198-201.

本文选自科研创新服务平台，前身是Freescience全国高校联盟兰大分站，平台旨在帮助研究生快速提高科研能力，搭建交流平台，帮助本科生学好医学知识，提供接触科研的机会，公众号lzufreescience。

科研路，不孤单！^ ^

FS科研软件库，集合60+医学科研必备神器，现在统统打包分享，点这里

科学自由共享

投稿请扔至：[e-mail]

未经许可 不得转载

长按二维码关注