提到Meta分析，相信大家都不约而同地想到了森林图和漏斗图这两种图像类型。关于森林图和漏斗图的解读方法你是否足够了解？此篇干货将系统地为你展示两种图像中各个图形的含义。
森林图
森林图（forest plot）是以统计指标和统计分析方法为基础，用数值运算结果绘制出的图型，它是Meta分析中最常用的结果综合表达形式，直观展示了Meta分析的统计汇总结果。接下来我们将以下面的森林图（引用自《缺血性脑卒中阿司匹林抵抗危险因素的Meta分析》）为例带领大家认识一下森林图中各个图形的含义。
首先，让我们大致来看看各个图形代表的含义是什么吧！
那么，具体通过这些图形我们可以解读到哪些详细信息呢？具体如下：
平行于X轴的线段
每一条线段代表每一个研究，其中线段的长度代表每个效应量的95%可信区间，线条的两端即代表可信区间的上限和下限。
方块
即线条的中点，代表了效应值。方块的大小代表每一个研究所占的权重，也就是这个研究对Meta分析的贡献度，权重越大方块的面积就越大。如“张晓宇 2014”这项研究的权重为13.0%，其方块面积是最小的。
无效线
该线把图一分为二，若研究的可信区间和无效线相交，说明无统计学差异，反之亦然。以无效线为界，左边代表了试验组，右边代表对照组。如果效应量是OR,RR,HR这种比值，这条线代表1，横线线段与无效线相交时，提示两组之间结局事件发生率的差异无统计学显著性，如果是RD,MD,SMD这种差值，这条线代表0，可认为两组之间的均数差异无统计学显著性。
黑色棱块
又称效应框，菱形代表了合并后的效应值和可信区间，其对角线的交点代表合并后的效应值，左右尖端的连线代表了合并后的可信区间，菱形面积代表了合并后的总样本量。
P值和I2
在结果部分中，heterogeneity（异质性）这一列中的p和I²的值表示了异质性检验的结果，他们的数值大小代表各研究有没有明显的差异。p值>0.1则说明无异质性，<0.1则说明有异质性。I²越小说明得出综合效应的结果越可靠，一般认为I²在[0~25%)为无异质性，[25%~50%)为轻度异质性，[50%~75%)为中度异质性，[75%~100%]为重度异质性。
而在test for overall effect（合并效应量的检验）中的p值即对应合并后结果的差异性检验。以菱形偏移在无效线左侧时（即试验组事件发生少）为例，若此时观察到p值<0.05，则表明了这一结果是有显著差异的。
漏斗图
漏斗图是一个简单的散点图，反映研究在一定样本量或精确性下单个研究的干预效应估计值，可用来识别发表偏倚或其他偏倚。漏斗图优点是直观，直接看得出来；缺点是主观，因只经由肉眼观察，存在较大误差。下面就让我们来认识一下漏斗图各部分代表的意义吧！
- 漏斗图种的点：各个点代表我们纳入的研究
- 横轴：代表效应量（OR、RR、RD、SMD...）这里代表的是OR值。
- 纵轴：代表效应量的对数的标准误，当样本量越大，误差越小，标准误就越小，分布越靠上；样本量越少，误差越大，标准误就越大，分布越靠下。其意义在于样本量越大的 研究越靠上且越狭窄；样本量越小越靠下 且越分散。
- 两条斜线：这两条斜线是漏斗图的可信区间，理想状态下有选择的可信区间（一般都是95%的可信区间）的点落在这个区间内，则可能不存在异质性；若有更多的点落在斜线外区域，则有可能存在异质性
- 中间竖线:中间的竖线代表合并的OR值，当无偏倚的时候（理想状态下），各个研究应该平均分布于竖线两侧，呈倒置的漏斗状。
发表偏倚
如果存在偏倚，漏斗图就会出现缺角，虽然有偏倚，但不一定是发表偏倚，还可能是其他原因。
低质量小样本研究导致的偏倚
如果是低质量小样本研究（图中标红的研究），结果应该分布于无效线左右，如果它们偏离无效线很多，集中于一侧则会夸大治疗效应，造成偏倚。
异质性检验
漏斗图常用于发表偏倚的识别，如图的研究（即不处在95%置信区间的研究）则是我们在进行异质性检验时的重点关注对象。然而，引起漏斗图不对称的原因有很多，异质性只是其中之一。通过漏斗图我们可以大致了解各项研究之间是否存在异质性。
END
