Che cos'è un Forest Plot? Guida pratica alla meta-analisi
Tutto ciò che serve per leggere e costruire forest plot di meta-analisi pronti per la pubblicazione con modelli a effetto fisso e a effetti casuali di DerSimonian-Laird.
Forest plot di meta-analisi a effetti fissi/casuali (DL), pesi, I², τ² e Q.
Decifrare quadrati, baffi e pesi
Ogni riga di un forest plot riassume uno studio indipendente. Il quadrato si posiziona sulla stima puntuale (come un Odds Ratio o una differenza tra medie) e la sua area è proporzionale al peso a varianza inversa: gli studi più ampi e precisi ricevono quadrati più grandi e baffi del 95% CI più stretti.
La linea di assenza di effetto e il diamante combinato
Una linea verticale tratteggiata segnala l'assenza di differenza tra trattamenti: 1,0 per le misure di rapporto (OR, RR, HR) su asse logaritmico, oppure 0,0 per le differenze tra medie continue. Il diamante in fondo indica la stima meta-analitica combinata, con le punte orizzontali sul 95% CI complessivo. Quando il diamante rimane interamente da un lato della linea nulla, l'effetto complessivo è statisticamente significativo.
Riportare I², τ² e scegliere tra effetti fissi e casuali
Il test Q di Cochran verifica se gli effetti degli studi variano più di quanto atteso per il solo caso, mentre I² esprime la percentuale di varianza totale attribuibile a reale eterogeneità tra gli studi (circa 25% bassa, 50% moderata, 75% elevata). Quando è attesa diversità clinica, presenta il modello a effetti casuali di DerSimonian-Laird accompagnato da τ².