森林图是出现在系统性文献综述结论部分的一种图形。它是对研究同一科学问题和测量同一结果的多项研究发现的图形表示。

在本文你会学到什么？

• 系统文献综述（SLR）中的森林图是什么样子的

• 这种相对简单的图形是如何展示综述中的发现的

• 森林图样例及其具体展示内容详解。

• 如何解读森林图以及在SLR中哪个部分使用它。

• 生成属于你自己的森林图和创作SLR，或者获得专家帮助加快SLR过程的方法。

例如，在临床试验的系统综述中，森林图可以展示出介入/新药治疗是否比对照/标准治疗更有效。疗效可以用下列结果测量指标来表示：患者体内病原体的清除情况、疾病康复情况或一定天数内的出院率。

在流行病学研究的系统综述中，森林图显示暴露（比如，吸烟、饮酒、吸入大量空气污染物、肥胖）是否可能是测量结果（比如，罹患某种疾病）的原因之一。暴露还可以是一种非环境变量（例如，年龄、性别、民族或等位基因等）。

每个研究结果都被绘制成点或块，这样，读者就能直观地看到多个研究结果之间的相似与不同。下图中点或方块的横坐标代表效果的测量值。

请看下面这个例图（数据为虚构），研究问题是：“吸烟对心房颤动有影响吗？（Does smoking contribute to the development of atrial fibrillation?）”

森林图中的空间被垂直分成两个部分。实线分界线意味着“无影响”。一边代表实验变量，另一边代表着控制变量。每个研究的结果都用一个方块表示，该方块坐标表示基础的研究结果。效果的测量值在森林图中被表示为几率比、风险比或相对风险。

该森林图是对通过吸烟状况比较心房颤动的发生几率的研究的评估。每一个蓝色方块代表单个研究中计算得出的发生心房颤动的几率，并在右侧“OR”列列出。研究的第一作者和发表年份在左侧。蓝色方块的大小表示该研究在meta分析中的权重（参见右侧“WGHT”列）。

每个蓝色方块左侧和右侧的长条分别表示置信下限和置信上限（即LCL和UCL），通常为95%的置信区间，而实际值在右侧列出。垂直虚线和红色菱形代表全部研究的合并几率。

菱形左侧和右侧的顶点表示置信区间。通过合并队列研究和基础研究发现并为其分配相对权重，该系统综述可计算出比每个单一基础研究发现都更稳健的数值结果。森林图可以直观展现系统综述主要发现。

在我们的森林图中，有两个研究的置信区间跨越了无影响的垂直实线分界线（对于几率比来说，即值为1）。这表示，McCleary等人计算的影响值（0.79–2.32）和Iguchi等人计算的影响值（0.43–1.4）和“无影响”可能没有区别，应被视为不具结论性。

同样地，红色菱形的置信下限也超过了无影响的垂直实分界线。因此，通过系统综述和meta分析可能得出这样的结论，即吸烟和罹患心房颤动疾病之间没有明确联系（但请记住，我们使用的数据是虚构的！）。

在左侧的红字中，我们计算出了I2的数据量，这是一个表示meta分析中各研究之间的方差百分比的异质性指标。当各研究存在差异时，人们将它们称为异质性研究，并认为其合并数据结论性不足。

异质性指标在这个分析中相当高（73.1%）。上述森林图中最有力的研究可能要数Fadl及其同事的研究了，因为它的置信区间很窄，这表明数据更可信。然而，如此窄的置信区间也提出了一个很有意思的问题：Fadl及其同事在开展研究时招募了什么类型的实验组？他们的研究发现范围小是选择偏差造成的吗？

各实验组的基线特征不同就会产生选择偏差，尤其当每组受试者的选择并不是随机时。在开展和编写系统综述时，需要评估所回顾的每个基础研究的偏差风险。

一个系统综述可以含有多个森林图。实际上，你应该在系统综述中为每个测量结果都绘制一个森林图。

在上述森林图例图中，测量结果为“罹患心房颤动”。对比的人群是吸烟者和非吸烟者。我们可以想象，上述虚构的系统综述的标题是比如“吸烟对心房颤动的影响：系统综述和meta分析”等。该系统综述中有一个森林图用于展示测量结果。

然而，如果标题是“吸烟对心血管疾病的影响”，我们会看到多个森林图——基础研究测量的每个结果都会有一个森林图。除了用于心房颤动的森林图，还会有一个心力衰竭的森林图和一个高血压的森林图。

绘制森林图在系统综述和meta分析中是一项相对容易的工作，因为你是在将定量数据可视化，而绘图软件会为你做好所有的计算。

你可以利用许多应用程序绘制森林图，比如Microsoft Excel，R语言“forestplot”包和GraphPad Prism™。

你还可以在线生成森林图。理文编辑推荐Evidence Partners公司开发的免费森林图速成软件，该公司还开发了DistillerSR系统综述软件。