求可用于临床试验亚组分析的森林图R包（含风险比计算）

针对你需要的同时完成Hazard Ratios(HR)计算与亚组分析森林图绘制的需求，推荐几个实用的R包，这些工具区别于元分析专用包，更贴合临床试验亚组分析的场景：

• forestploter
  这款包专为临床研究的亚组森林图设计，能直接对接生存分析的结果输出。你可以先用survival包的coxph()完成各亚组的HR计算，整理出包含亚组名称、HR值、95%置信区间上下限的数据集，再调用forest()函数快速生成符合你示例风格的森林图，支持自定义分组标签、置信区间样式、颜色等细节。

• survminer
  虽然它常被用于生存曲线绘制，但其中的ggforest()函数可以直接基于cox回归模型生成亚组分析森林图，自动完成HR和置信区间的计算。如果你已经在用survival包做生存分析，这个工具能无缝衔接，示例代码如下：

  library(survival)
  library(survminer)
  # 构建包含亚组变量的cox回归模型
  cox_model <- coxph(Surv(time, status) ~ treat + strata(subgroup), data = your_clinical_data)
  # 生成亚组森林图
  ggforest(cox_model, data = your_clinical_data)
  

• ggplot2 + dplyr
  如果你需要高度自定义图形样式，可以用这套组合：先用dplyr的group_by()配合循环完成每个亚组的cox分析，提取HR、95%CI等关键数据，再用ggplot2的geom_pointrange()绘制森林图。这种方式完全可控，能实现任何你想要的视觉效果，唯一缺点是需要编写更多代码。

这些工具都能满足你“一站式”完成HR计算与亚组森林图可视化的需求，无需额外转换元分析格式的数据。

内容的提问来源于stack exchange，提问作者Michael Blum