Forest-Plot-Generator

Erstellen Sie in Sekunden publikationsreife Forest-Plots für systematische Übersichtsarbeiten und Meta-Analysen. Berechnet automatisch Fixed-Effect- (IV) und Random-Effects-Schätzungen (DerSimonian-Laird), Studiengewichte und Heterogenitätsmaße.

Dateneingabe

6 Zeilen eingelesen

Diagrammkonfiguration

Live-Vektorvorschau

SVG · PNG · PDF
Meta-Analysis: Early Anticoagulation vs. Standard Care Meta-Analysis: Early Anticoagulation vs. Standard Care Study Odds Ratio (95% CI) Effect [95% CI] Weight Chen et al. (2021) 0.68 [0.49, 0.94] 15.6% Patel & Gomez (2022) 0.81 [0.58, 1.13] 14.9% Müller et al. (2023) 0.61 [0.45, 0.83] 17.6% Okafor et al. (2023) 0.75 [0.52, 1.08] 12.4% Sato et al. (2024) 0.64 [0.47, 0.87] 17.4% Lindqvist et al. (2025) 0.72 [0.55, 0.95] 22.1% Pooled (Random, DL) 0.69 [0.61, 0.79] 100.0% 0.5 1 ← Favors Treatment Favors Control → Heterogeneity: I² = 0.0%, τ² = 0.0000, Q = 2.03 (df = 5, p = 0.8448) | Test for overall effect: Z = -5.56, p < 0.0001

Statistische Live-Auswertung

Gepoolter Effekt0.69 [0.61, 0.79]
Heterogenität (I²)0.0%
Tau² (τ²)0.0000
Cochran Q2.03 (p=0.8448)
Gesamt-p-Wert< 0.0001

Was ist ein Forest-Plot in der Meta-Analyse?

Ein Forest-Plot ist die grafische Standardzusammenfassung einer systematischen Übersichtsarbeit und Meta-Analyse. Jede horizontale Zeile steht für eine Einzelstudie: Ein Quadrat markiert den Punktschätzer (z. B. Odds Ratio, Risk Ratio, Hazard Ratio oder Mittelwertdifferenz) proportional zu seinem statistischen Gewicht, während der horizontale Balken das 95-%-CI abbildet.

Unten zeigt eine Raute den gepoolten Gesamteffekt samt 95-%-CI über alle Studien hinweg. Schneidet die Raute die vertikale Nulleffektlinie nicht (1,0 bei Verhältnismaßen, 0,0 bei Differenzen), ist der Gesamteffekt bei α = 0,05 statistisch signifikant. Berichten Sie stets die Heterogenität (I², τ² und Cochrans Q) gemeinsam mit dem Gesamtschätzer.

So erstellen Sie dieses Diagramm

  1. Geben Sie die Studien in vier Spalten ein: Studienname, Effektgröße, unteres 95-%-CI und oberes 95-%-CI.
  2. Wählen Sie die logarithmische Skala (OR/RR/HR) oder die lineare Skala (MD/SMD) sowie Random-Effects- (DerSimonian-Laird) oder Fixed-Effect-Pooling.
  3. Prüfen Sie I², τ², Q, Z und den Gesamt-p-Wert live und exportieren Sie Vektor-SVG oder Druck-PDF für Ihr Manuskript.

Häufig gestellte Fragen

Wann sollte ich Random-Effects (DerSimonian-Laird) statt Fixed-Effect verwenden?

Verwenden Sie Random-Effects, wenn klinische oder methodische Unterschiede zwischen den Studien bestehen (insbesondere bei I² > 25–50 %). Das Fixed-Effect-Modell unterstellt einen einzigen identischen wahren Effekt in allen Studien.

Warum erfordert die logarithmische Skala positive Zahlen?

Verhältnismaße (Odds Ratio, Risk Ratio, Hazard Ratio) sind auf der natürlichen Logarithmus-Skala symmetrisch um den Nullwert 1,0 und müssen daher strikt größer als null sein. Für Mittelwertdifferenzen mit Null- oder Negativwerten wechseln Sie auf die lineare Skala.

Wie werden die Studiengewichte berechnet?

Die Standardfehler werden aus der Breite des jeweiligen 95-%-CI abgeleitet: SE = (oberes − unteres) / (2 × 1,96) auf der Analyseskala. Fixed-Gewichte betragen 1/SE² und Random-Gewichte 1/(SE² + τ²).

Kann ich die Achsenhinweise wie „Begünstigt Therapie / Begünstigt Kontrolle“ anpassen?

Ja. Bearbeiten Sie die Felder „Hinweis linke Achse“ und „Hinweis rechte Achse“ direkt im Konfigurationsbereich vor dem SVG- oder PDF-Download.

Weitere Diagramm-Generatoren entdecken