森林圖的詳細解讀

炬業(yè)烽曇 2017-12-10

展開全文

在Meta分析匯總的結果中，最常見的兩個圖形就是森林圖和漏斗圖，但是筆者發(fā)現(xiàn)在實際的運用中，經(jīng)常有人誤讀和誤用這兩個圖形，從今天起，我講具體介紹一下這兩個圖形的解讀。

1.森林圖的定義：

森林圖是以統(tǒng)計指標和統(tǒng)計分析方法為基礎，用數(shù)值運算結果繪制出的圖型。它在平面直角坐標系中，以一條垂直的無效線(橫坐標刻度為1或0)為中心，用平行于橫軸的多條線段描述了每個被納入研究的效應量和可信區(qū)間，用一個棱形(或其它圖形)描述了多個研究合并的效應量及可信區(qū)間。它非常簡單和直觀地描述了Meta分析的統(tǒng)計結果，是Meta分析中最常用的結果表達形式。

2.分類變量中的森林圖

當某研究RR(OR,RD)的95％CI包含了1，即在森林圖中其95％CI的橫線與無效豎線相交時，可認為試驗組發(fā)生率與對照組發(fā)生率相等，試驗因素無效。

當某研究RR(OR,RD)的95％CI上下限均>1，即在森林圖中，其95％CI橫線不與無效豎線相交，且該橫線落在無效線右側時，可認為試驗組的發(fā)生率大于對照組的發(fā)生率，若研究者所研究的事件是不利事件(如發(fā)病、患病、死亡等)時，試驗組的試驗因素會增加該不利事件的發(fā)生，試驗因素為有害因素(危險因素)；若研究者所研究的事件是有益事件(如有效、緩解、生存等)時，試驗因素會增加該有益事件的發(fā)生，試驗因素為有益因素。

當某研究的95％CI上下限均小于1，即在森林圖中，其95％CI橫線不與無效豎線相交，且該橫線落在無效線左側時，可認為試驗組的發(fā)生率小于對照組的發(fā)生率，若研究者所研究的事件是不利事件(如發(fā)病、患病、死亡等)時，試驗組的試驗因素會減少該不利事件的發(fā)生，試驗因素為有益因素(保護因素)；若研究者所研究的事件是有益事件(如有效、緩解、生存等)時，試驗因素會減少該有益事件的發(fā)生，試驗因素為有害因素。

2 連續(xù)性變量的森林圖

當某研究的95％CI包含了0，即在森林圖中其95％CI橫線與無效豎線(橫坐標刻度為0)相交時，可認為試驗組某指標的均數(shù)與對照組相等，試驗因素無效。

當某研究的95％CI上下限均大于0，即在森林圖中，其95％CI橫線不與無效豎線相交，且該橫線落在無效線右側時，可認為試驗組某指標的均數(shù)大于對照組，若研究者所研究的指標是不利事件時，試驗因素為有害因素(危險因素)；若研究

者所研究的事件是有益事件時，試驗因素為有益因素。

當某研究的95％CI上下限均小于0，即在森林圖中，其95％CI橫線不與無效豎線相交，且該橫線落在無效線左側時，可認為試驗組某指標的均數(shù)小于對照組，若研究者所研究的指標是不利事件時，試驗因素為有益因素(保護因素)；若研究

者所研究的事件是有益事件時，試驗因素為有害因素。

例如：下面的數(shù)據(jù)為R軟件中自帶的一個二分類數(shù)據(jù)，F(xiàn)leiss93，阿司匹林預防心肌梗死的一個實驗，其中研究的結局事件是死亡，結果如下圖所示，我們發(fā)現(xiàn)結果落在了無效線的左側，證明實驗組的發(fā)生率小于對照組，也就是說，死亡率阿司匹林組不如對照組，因此可以認為阿司匹林對心肌梗死來說是一個保護因素。

3.RevMan繪制的森林圖

RevMan繪制的森林圖，系統(tǒng)默認的研究事件是“不利事件”，如發(fā)病、患病、死亡等，即系統(tǒng)默認森林圖橫坐標的左側為“favours treatment”，其橫坐標的右側為“favours control”也就是說，無論是二值變量的指標OR或RR，還是連續(xù)變量的指標WMD或SMD，RevMan繪制的森林圖，只要其系統(tǒng)默認某個研究的95％CI的橫線不與森林圖的無效線相交且落在無效線左側，可認為試驗組的試驗因素會減少不利事件的發(fā)生，試驗因素為有益因素(保護因素)，即試驗因素有效。

如圖1，表示某種手術并發(fā)癥的發(fā)生率。并發(fā)癥的發(fā)生率是不利事件，落在了左側，不利于并發(fā)癥的發(fā)生，因此是保護因素。

但是，當研究的事件是“有利事件”(如生存率等)時，若需要在RevMan中繪制森林圖，則應修改其系統(tǒng)默認值，即將橫坐標的左側修改為“favours control”，將橫坐標的右側修改為”favours treatment”。否則，采用系統(tǒng)默認值的森林圖是錯誤的。圖2 研究的事件是生存率，從結果中我們發(fā)現(xiàn)OR=1.35,95%CI: 1.15- 1.60，差異有統(tǒng)計學意義，認為實驗組的發(fā)生率高于對照組的，但是在森林圖中，我們發(fā)現(xiàn)點估計值，落在了右側，顯示應該是對照組的OR值大，顯然與實際是不相符合的，因此我們應該糾正。如圖3，是正確的森林圖。

4.其它類型的森林圖

累積森林圖

傳統(tǒng)Meta分析只在某個時點進行一次綜合分析，而累積Meta分析可以對各時點情況進行分析，按一定順序排列累積Meta分析的結果，結合圖示可以進一步反映研究結果的動態(tài)變化趨勢，有助于盡早發(fā)現(xiàn)有統(tǒng)計學意義的干預措施：并且可用于評估各研究對綜合結果的影響。

例如，R軟件中自帶的數(shù)據(jù)進行累積Meta分析(Fleiss93)，如圖1。

圖形解釋：①按年代先后順序累積分析后，RR點估計值及可信區(qū)間趨于穩(wěn)定且有較好的變化趨勢：②在選定檢驗標準下，可發(fā)現(xiàn)最初證實療效具有統(tǒng)計學意義的時間為1976年；③大型研究(ISIS-2)加入進來后，對結果產(chǎn)生了徹底影響，不僅僅縮窄了可信區(qū)間的范圍．增加了總體療效估計的準確性，也使得結果有意義。

敏感性分析的森林圖

前面介紹過敏感性分析，在這里不詳述，舉一個R軟件自帶數(shù)據(jù)的例子(Fleiss93)，展示一下敏感性分析的森林圖，如圖2。