Come creare un forest plot per una meta-analisi (guida 2026)

La figura deve rendere ovvie tre cose: l'effetto e la precisione di ciascuno studio, quanto ciascuno ha contribuito, e cosa dicono insieme. Azzecca questi tre punti e il grafico racconta tutta la storia.

Passaggio 1: descrivi il forest plot che vuoi

Apri l'editor e indica all'AI la misura dell'effetto, gli studi e la struttura. La misura dell'effetto determina dove si trova la linea del nulla e se l'asse è in scala logaritmica, quindi dichiarala fin dall'inizio.

Un esempio compilato:

• "Crea un forest plot per una meta-analisi di 8 studi randomizzati. Misura dell'effetto: odds ratio su un asse x logaritmico. Una riga per studio con il nome dello studio, l'OR e l'IC al 95% come testo a destra, un quadrato dimensionato in base al peso dello studio, e una linea verticale tratteggiata di nessun effetto a OR = 1. Aggiungi un diamante combinato a effetti casuali in fondo etichettato 'Complessivo'."

Passaggio 2: inserisci gli studi e le dimensioni dell'effetto

Ogni riga ha bisogno di un'etichetta e di una stima dell'effetto con il suo intervallo. Puoi passare all'AI una piccola tabella o elencarla in linea.

• "Aggiungi questi studi come righe: Smith 2019, OR 1.42 (1.10–1.84); Lee 2020, OR 0.88 (0.61–1.27); Garcia 2021, OR 1.95 (1.30–2.93)..."
• "Mostra l'OR numerico e l'IC al 95% in una colonna a destra allineata a ciascuna riga."
• "Aggiungi una colonna a sinistra con il primo autore e l'anno per ogni studio."

Se la tua misura dell'effetto è continua, cambia l'impostazione: "Usa la differenza media con la linea di nessun effetto a 0 e un asse x lineare."

Passaggio 3: aggiungi i pesi, il diamante combinato e l'eterogeneità

Ciò che distingue un forest plot da una fila di barre di errore è il dettaglio meta-analitico. Chiedilo esplicitamente:

• "Dimensiona il quadrato di ogni studio in proporzione al suo peso e aggiungi una colonna 'Peso (%)' a destra."
• "Aggiungi un diamante combinato a effetti casuali in fondo; la sua larghezza è l'IC al 95% della stima riassuntiva."
• "Aggiungi le statistiche di eterogeneità sotto il diamante: I² = 38%, τ² = 0.04, p = 0.12."
• "Etichetta la riga combinata 'Complessivo (effetti casuali)'."

Dichiara se la tua combinazione è a effetti fissi o a effetti casuali — cambia i pesi e il diamante, e i revisori lo controlleranno.

Passaggio 4: aggiungi sottogruppi ed etichette di direzione

Molte revisioni suddividono gli studi per sottogruppo (es. dose, area geografica, rischio di bias). L'AI può raggruppare le righe e dare a ciascun sottogruppo il proprio diamante di subtotale.

• "Raggruppa gli studi in due sottogruppi — 'Dose alta' e 'Dose bassa' — ciascuno con il proprio diamante di subtotale, poi un diamante complessivo in fondo a tutto."
• "Aggiungi un test di eterogeneità tra sottogruppi tra i due subtotali."
• "Aggiungi etichette di direzione dell'asse: 'Favorisce il trattamento' a sinistra, 'Favorisce il controllo' a destra."

Le etichette di direzione sotto l'asse sono un piccolo tocco che impedisce ai lettori di interpretare male quale lato giova. Per rifinire una singola etichetta in seguito, vedi come modificare testo ed etichette nelle figure AI.

Errori comuni (e come correggerli)

• Linea di nessun effetto sbagliata. Una linea del nulla a 1 su un grafico di differenze medie non ha senso. Correzione: "Metti la linea di nessun effetto a 0 per le differenze medie e a 1 per le misure di rapporto."
• Asse lineare per i rapporti. Gli odds ratio e i rischi relativi sono asimmetrici su scala lineare. Correzione: "Usa una scala logaritmica per l'asse x così gli intervalli di confidenza appaiono simmetrici."
• Pesi degli studi mancanti. Quadrati di uguale dimensione nascondono quali studi guidano il risultato. Correzione: "Dimensiona i quadrati in base al peso e aggiungi una colonna del peso."
• Nessun diamante combinato. Una pila di studi senza una sintesi non è una figura di meta-analisi. Correzione: "Aggiungi il diamante riassuntivo combinato in fondo."
• Omettere l'eterogeneità. I lettori hanno bisogno di I² e τ² per giudicare la sintesi. Correzione: "Aggiungi I², τ² e il p-value di eterogeneità sotto il diamante."
• Colonne non allineate. Nomi degli studi, stime e IC che non combaciano sembrano trascurati. Correzione: "Allinea le colonne di studio, stima, IC e peso in corsie verticali pulite."

Esporta e usa

Quando il grafico è pronto, esportalo per la tua destinazione:

• "Esporta questo come PNG a 300 DPI dimensionato per la larghezza di un'intera pagina di rivista."
• "Dammi un SVG così lo modifico in Illustrator prima della sottomissione."
• "Esporta ad alta risoluzione con sfondo bianco per il file supplementare."

Un forest plot è di solito una figura in un pacchetto più ampio di revisione sistematica. Abbinalo a come creare un diagramma di flusso PRISMA per il flusso di selezione degli studi e a come creare un diagramma CONSORT se stai anche riportando gli studi stessi. Continua a rifinire il testo con come modificare testo ed etichette nelle figure AI. Tutto resta modificabile nell'editor di SciDraw AI.

Domande frequenti

Come creo un forest plot per una meta-analisi senza R o RevMan? Apri il generatore di forest plot, dichiara la tua misura dell'effetto (odds ratio, rischio relativo, differenza media o hazard ratio), elenca ogni studio con la sua stima e l'IC al 95%, e l'AI costruisce le righe, i pesi e il diamante combinato. Rifinisci tutto digitando istruzioni — niente metafor o RevMan.

Qual è la differenza tra un forest plot con odds ratio e uno con rischio relativo? Entrambe sono misure di rapporto rappresentate su un asse x logaritmico con la linea di nessun effetto a 1, quindi il layout è identico. La differenza sta nel calcolo sottostante e nell'interpretazione; basta indicare al generatore quale misura usano i tuoi dati e adatta l'etichetta dell'asse di conseguenza.

Dove va la linea di nessun effetto? A 1 per le misure di rapporto (odds ratio, rischio relativo, hazard ratio) su scala logaritmica, e a 0 per le misure di differenza (differenza media, differenza media standardizzata) su scala lineare. Dichiarare la misura dell'effetto fin dall'inizio la posiziona correttamente.

Come mostro i pesi degli studi in un forest plot? Chiedi all'AI di dimensionare il quadrato di ogni studio in proporzione al suo peso e di aggiungere una colonna "Peso (%)". Quadrati più grandi significano che lo studio ha contribuito di più alla stima combinata — una convenzione fondamentale delle figure di meta-analisi.

Posso creare un forest plot per sottogruppi? Sì. Indica al generatore di forest plot come raggruppare gli studi, e crea sottogruppi separati, ciascuno con un diamante di subtotale, più un diamante complessivo e un eventuale test di eterogeneità tra sottogruppi.

Crea il tuo forest plot adesso

Salta la configurazione di RevMan. Elenca i tuoi studi, indica la tua misura dell'effetto, e lascia che l'AI assembli un forest plot pulito, ponderato e pronto per la pubblicazione con un diamante combinato. Apri il generatore di forest plot oppure vai direttamente all'editor di SciDraw AI per creare il tuo adesso.