如何为混合模型绘制森林图并实现OR值降序排列

你代码里存在一个小问题：拟合的模型对象命名为Model，调用plot_summs时传入的是小写model，会导致调用报错，先修正命名一致性问题。

jtools包的plot_summs()函数原生支持自定义系数排序，不需要额外重写绘图逻辑，按以下步骤操作即可实现OR值降序排列：

• 注意前提：lme拟合的线性混合模型默认输出连续结局的回归系数，只有当你拟合的是广义线性混合模型（用glmer/逻辑回归连接函数）时，指数化得到的OR值才有实际解释意义，线性模型直接按原始回归系数排序即可。
• 第一步：提取模型的系数值，计算对应OR（需要展示OR则加指数转换），过滤掉通常不展示的截距项
• 第二步：按OR值降序生成系数排序索引，传入plot_summs的coef_order参数
• 第三步：如果要展示OR值，添加exp = TRUE参数自动完成系数指数转换

可直接运行的代码示例 #

# 加载依赖包
library(nlme)
library(jtools)

# 修正后的模型拟合代码（统一对象命名）
Model <- lme(fixed = score ~ Age + Sex + yearsofeducation + walkspeed,
             random = ~1|ID, 
             data = DB,
             na.action = na.omit, 
             method = "ML")

# 提取系数并按OR降序排序
coef_table <- summary(Model)$tTable
# 计算OR值，去掉截距项
or_values <- exp(coef_table[, "Value"])
or_values <- or_values[names(or_values) != "(Intercept)"]
# 生成降序排列的索引
sort_index <- order(or_values, decreasing = TRUE)

# 绘制排序后的森林图
plot_summs(Model,
           exp = TRUE, # 线性模型展示回归系数请删除此行
           coef_order = sort_index,
           omit.coefs = "(Intercept)", # 不展示截距
           legend.title = "模型")

如果需要更高的绘图自定义自由度，可以提取系数表后用ggplot2手动绘制，排序逻辑完全可控：

library(ggplot2)
library(dplyr)

# 提取带95%置信区间的系数结果
plot_df <- summ(Model, exp = TRUE, confint = TRUE) |>
  as.data.frame() |>
  tibble::rownames_to_column("variable") |>
  filter(variable != "(Intercept)") |>
  # 按OR值降序排列，将变量转为因子固定y轴顺序
  arrange(desc(est)) |>
  mutate(variable = factor(variable, levels = rev(variable)))

# 手动绘制森林图
ggplot(plot_df, aes(x = est, y = variable)) +
  geom_vline(xintercept = 1, linetype = 2, color = "grey50") + # OR=1参考线，线性模型改为xintercept=0
  geom_errorbarh(aes(xmin = `2.5%`, xmax = `97.5%`), height = 0.2, linewidth = 1) +
  geom_point(shape = 18, size = 4, color = "#2c3e50") +
  labs(x = "OR值 (95% 置信区间)", y = "协变量") +
  theme_bw(base_size = 12)

提示：如果是线性混合模型（结局为连续变量score），删除所有代码里的exp = TRUE参数，排序时直接用原始系数coef_table[, "Value"]替换or_values即可，不需要做指数转换。

内容的提问来源于stack exchange，提问作者Sari Katish