如何用R的meta::forest()绘制非元分析数据的森林图

核心思路 #

meta包的forest()函数虽为元分析场景设计，但可通过手动构造meta对象适配非元分析数据。关键是将风险比（RR）及置信区间转换为元分析所需的对数转换效应量和标准误，再用meta::metagen()生成forest()可识别的对象。

步骤与代码示例 #

1. 加载meta包

library(meta)

2. 构造数据集（基础R实现）
   替换成你自己的真实数据即可：

# 示例数据集（替换为你的数据）
df <- data.frame(
  study_ID = paste0("Study ", 1:5),
  risk_ratio = c(1.2, 0.8, 1.5, 0.9, 1.3),
  lb.conf.int = c(0.9, 0.6, 1.1, 0.7, 1.0),
  ub.conf.int = c(1.6, 1.1, 2.0, 1.2, 1.7)
)

3. 转换数据适配meta包要求
   风险比属于比值类效应量，需通过对数转换保证置信区间对称，再计算标准误：

# 对RR及置信区间上下限取对数
df$log_RR <- log(df$risk_ratio)
df$log_lb <- log(df$lb.conf.int)
df$log_ub <- log(df$ub.conf.int)

# 计算对数RR的标准误（基于95%置信区间）
df$se_log_RR <- (df$log_ub - df$log_lb) / (2 * 1.96)

4. 生成meta对象
   用metagen()创建元分析对象，指定sm="RR"让森林图显示原始风险比值：

meta_obj <- metagen(
  TE = df$log_RR,
  seTE = df$se_log_RR,
  studlab = df$study_ID,
  sm = "RR",
  # 关闭元分析合并效应量（非元分析场景无需展示）
  comb.fixed = FALSE,
  comb.random = FALSE
)

5. 绘制森林图
   直接调用forest()即可生成meta包默认样式的森林图：

forest(meta_obj)

关键参数说明 #

• comb.fixed = FALSE/comb.random = FALSE：关闭合并效应量展示，仅保留单个研究的RR及置信区间
• studlab：指定每个研究的标签，对应你的study_ID字段
• sm="RR"：告知meta包效应量类型为风险比，绘图时自动将对数转换值转回原始RR刻度

内容的提问来源于stack exchange，提问作者Gábor Kovács