森林圖製作工具

數秒內完成系統性文獻回顧與統合分析(Meta-analysis)森林圖。自動計算固定效應(反變異數法)與隨機效應(DerSimonian-Laird)合併估計值、研究權重與異質性統計量。

資料輸入

已解析 6 列資料

圖表參數設定

即時向量預覽

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

即時統計讀數

合併效應量0.69 [0.61, 0.79]
異質性 (I²)0.0%
Tau² (τ²)0.0000
Cochran Q2.03 (p=0.8448)
整體 p 值< 0.0001

什麼是統合分析中的森林圖?

森林圖是系統性文獻回顧與統合分析的標準視覺摘要。每一橫列代表一篇獨立研究:方塊標示點估計值(如勝算比 OR、風險比 RR、風險率比 HR 或均差 MD),其面積與統計權重成正比,水平鬚線則呈現該研究的 95% 信賴區間。

圖表底部的菱形顯示所有研究彙整後的合併整體效應與 95% 信賴區間。若菱形未跨越無效垂直線(比值尺度為 1.0,差值尺度為 0.0),代表合併效應在 α = 0.05 水準下具統計顯著性。報告結果時請務必一併呈現異質性指標(I²、τ² 與 Cochran's Q)。

如何製作此圖表

  1. 以四欄格式輸入各篇研究:研究名稱、效應量、95% CI 下限與 95% CI 上限。
  2. 選擇對數尺度(OR/RR/HR)或線性尺度(MD/SMD),並指定隨機效應(DerSimonian-Laird)或固定效應合併模型。
  3. 確認即時計算的 I²、τ²、Q、Z 與整體 p 值讀數,隨後匯出向量 SVG 或印刷用 PDF 供論文投稿。

常見問題

何時應選擇隨機效應(DerSimonian-Laird)而非固定效應模型?

當各試驗之間存在臨床或方法學異質性時(特別是 I² > 25–50%),建議使用隨機效應模型;固定效應模型則假設所有研究估計的皆為完全相同的單一真實效應。

為何對數尺度要求輸入嚴格正數?

比值類指標(勝算比、風險比、風險率比)在自然對數尺度下呈對稱分佈且無效值為 1.0,因此數值必須嚴格大於零。若均差包含零或負值,請切換至線性尺度。

各篇研究的權重是如何計算的?

標準誤由各研究的 95% CI 寬度於分析尺度反推而得:SE = (上限 − 下限) / (2 × 1.96)。固定效應權重為 1/SE²,隨機效應權重為 1/(SE² + τ²)。

可以自訂「偏向治療組/偏向對照組」的橫軸標註文字嗎?

可以。下載 SVG 或 PDF 前,直接在設定面板中編輯「左軸傾向標註」與「右軸傾向標註」欄位即可。

探索其他圖表製作工具