Creador de gráfico de bosque (Forest Plot)

Genera en segundos gráficos de bosque (forest plots) listos para publicación en revisiones sistemáticas y metaanálisis. Calcula automáticamente estimaciones combinadas de efectos fijos (IV) y efectos aleatorios (DerSimonian-Laird), pesos y estadísticas de heterogeneidad.

Entrada de datos

6 filas procesadas

Configuración del gráfico

Vista previa vectorial en vivo

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

Lectura estadística en vivo

Efecto combinado0.69 [0.61, 0.79]
Heterogeneidad (I²)0.0%
Tau² (τ²)0.0000
Q de Cochran2.03 (p=0.8448)
Valor p global< 0.0001

¿Qué es un gráfico de bosque (forest plot) en un metaanálisis?

Un gráfico de bosque (forest plot) es el resumen visual estándar de una revisión sistemática y metaanálisis. Cada fila horizontal representa un estudio individual: un cuadrado marca la estimación puntual (como Odds Ratio, Risk Ratio, Hazard Ratio o Diferencia de Medias) con tamaño proporcional a su peso estadístico, y el segmento horizontal muestra su intervalo de confianza del 95 % CI.

En la parte inferior, un diamante presenta el efecto global combinado y su 95 % CI a través de todos los estudios. Si el diamante no cruza la línea vertical de efecto nulo (1,0 en escalas de razón; 0,0 en escalas de diferencia), el efecto combinado es estadísticamente significativo con α = 0,05. Reporta siempre la heterogeneidad (I², τ² y Q de Cochran) junto al diamante combinado.

Cómo construir este gráfico

  1. Introduce los estudios en cuatro columnas: nombre del estudio, tamaño del efecto, 95 % CI inferior y 95 % CI superior.
  2. Selecciona escala logarítmica (OR/RR/HR) o escala lineal (MD/SMD) y elige agrupamiento de efectos aleatorios (DerSimonian-Laird) o efectos fijos.
  3. Verifica las métricas en vivo de I², τ², Q, Z y valor p global, y exporta en SVG vectorial o PDF para tu manuscrito.

Preguntas frecuentes

¿Cuándo debo usar efectos aleatorios (DerSimonian-Laird) frente a efectos fijos?

Usa efectos aleatorios cuando exista diversidad clínica o metodológica entre los ensayos (especialmente si I² > 25–50 %). El modelo de efectos fijos supone que todos los estudios estiman exactamente el mismo efecto verdadero.

¿Por qué la escala logarítmica exige números positivos?

Las medidas de razón (Odds Ratio, Risk Ratio, Hazard Ratio) son simétricas en escala logarítmica natural con valor nulo 1,0, por lo que deben ser estrictamente mayores que cero. Para diferencias de medias que incluyan cero o valores negativos, cambia a escala lineal.

¿Cómo se calculan los pesos de cada estudio?

Los errores estándar se obtienen a partir de la amplitud del 95 % CI de cada estudio: SE = (superior − inferior) / (2 × 1,96) en la escala de análisis. Los pesos fijos equivalen a 1/SE² y los aleatorios a 1/(SE² + τ²).

¿Puedo personalizar las etiquetas del eje 'Favorece tratamiento / Favorece control'?

Sí. Edita directamente los campos Nota del eje izquierdo y Nota del eje derecho en el panel de configuración antes de descargar tu SVG o PDF.

Explora otros creadores de gráficos