Você extraiu os tamanhos de efeito de cada estudo incluído, calculou sua estimativa combinada, e agora precisa da figura que é uma metanálise para a maioria dos leitores: o forest plot. O caminho tradicional passa pelos pacotes metafor ou meta do R, ou pelo RevMan, e fazer as colunas, o diamante e os pesos se alinharem pode consumir uma tarde inteira. Este guia mostra como fazer um forest plot para metanálise descrevendo-o em linguagem comum, para que a IA monte as linhas, os intervalos de confiança e o diamante combinado enquanto você se concentra na síntese.
Ao final deste guia você será capaz de:
- Fazer um forest plot para metanálise com uma linha por estudo, estimativas pontuais e intervalos de confiança — sem programar.
- Plotar odds ratios, risk ratios, diferenças de médias ou hazard ratios com a linha de nenhum efeito posicionada corretamente.
- Adicionar pesos dos estudos, o diamante de resumo combinado e estatísticas de heterogeneidade (I², τ²) onde os revisores esperam.
- Construir forest plots por subgrupo e exportar uma figura pronta para impressão para sua revisão sistemática ou submissão a periódico.
Tudo abaixo acontece dentro do editor SciDraw AI usando o gerador de forest plot — você fornece os estudos e os tamanhos de efeito, a IA desenha o gráfico, e você o refina com palavras.
O que um forest plot comunica
Um forest plot resume muitos estudos em uma única pilha vertical. Cada linha é um estudo: um quadrado marca sua estimativa de efeito, uma linha horizontal mostra o intervalo de confiança, e o tamanho do quadrado reflete seu peso na metanálise. Uma linha vertical de nenhum efeito (em 1 para razões, 0 para diferenças) permite que os leitores vejam num relance quais estudos são significativos. Na parte de baixo, um diamante mostra a estimativa combinada — seu centro é o efeito de resumo, sua largura é o intervalo de confiança combinado.
A figura precisa deixar três coisas óbvias: o efeito e a precisão de cada estudo, o quanto cada um contribuiu, e o que dizem em conjunto. Acerte isso e o gráfico conta a história inteira.
Passo 1: Descreva o forest plot que você quer
Abra o editor e diga à IA a medida de efeito, os estudos e a estrutura. A medida de efeito determina onde fica a linha nula e se o eixo está em escala logarítmica, então informe-a logo de início.
Modelo: "Crie um forest plot para uma metanálise de [N] estudos. Medida de efeito: [odds ratio / risk ratio / diferença de médias / hazard ratio]. Plote cada estudo com sua estimativa pontual e intervalo de confiança de 95%, um quadrado dimensionado pelo peso, uma linha vertical de nenhum efeito em [1 / 0], e um diamante de resumo combinado na parte de baixo. Use um eixo x [logarítmico]."
Um exemplo preenchido:
- "Crie um forest plot para uma metanálise de 8 ensaios randomizados. Medida de efeito: odds ratio em eixo x logarítmico. Uma linha por estudo com o nome do estudo, OR e IC 95% como texto à direita, um quadrado dimensionado pelo peso do estudo, e uma linha vertical tracejada de nenhum efeito em OR = 1. Adicione um diamante combinado de efeitos aleatórios na parte de baixo rotulado como 'Geral'."
Passo 2: Insira os estudos e os tamanhos de efeito
Cada linha precisa de um rótulo e de uma estimativa de efeito com seu intervalo. Você pode entregar à IA uma pequena tabela ou listá-los diretamente no texto.
- "Adicione estes estudos como linhas: 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)..."
- "Mostre o OR numérico e o IC 95% em uma coluna à direita alinhada a cada linha."
- "Adicione uma coluna à esquerda com o primeiro autor e o ano de cada estudo."
Se sua medida de efeito for contínua, mude o enquadramento: "Use diferença de médias com a linha de nenhum efeito em 0 e um eixo x linear."
Passo 3: Adicione pesos, o diamante combinado e a heterogeneidade
O que separa um forest plot de uma fileira de barras de erro é o detalhe metanalítico. Peça-o explicitamente:
- "Dimensione o quadrado de cada estudo proporcionalmente ao seu peso e adicione uma coluna 'Peso (%)' à direita."
- "Adicione um diamante combinado de efeitos aleatórios na parte de baixo; sua largura é o IC 95% da estimativa de resumo."
- "Adicione estatísticas de heterogeneidade abaixo do diamante: I² = 38%, τ² = 0,04, p = 0,12."
- "Rotule a linha combinada como 'Geral (efeitos aleatórios)'."
Informe se sua combinação é de efeito fixo ou de efeitos aleatórios — isso muda os pesos e o diamante, e os revisores vão verificar.
Passo 4: Adicione subgrupos e rótulos de direção
Muitas revisões dividem os estudos por subgrupo (por exemplo, dose, região, risco de viés). A IA pode agrupar as linhas e dar a cada subgrupo seu próprio diamante de subtotal.
- "Agrupe os estudos em dois subgrupos — 'Dose alta' e 'Dose baixa' — cada um com seu próprio diamante de subtotal, e depois um diamante geral bem na parte de baixo."
- "Adicione um teste de heterogeneidade de subgrupo entre os dois subtotais."
- "Adicione rótulos de direção no eixo: 'Favorece o tratamento' à esquerda, 'Favorece o controle' à direita."
Rótulos de direção sob o eixo são um detalhe pequeno que impede os leitores de interpretar errado qual lado ajuda. Para refinar qualquer rótulo individual depois, veja como editar texto e rótulos em figuras de IA.
Erros comuns (e como corrigi-los)
- Linha de nenhum efeito errada. Uma linha nula em 1 num gráfico de diferença de médias não faz sentido. Correção: "Coloque a linha de nenhum efeito em 0 para diferenças de médias e em 1 para medidas de razão."
- Eixo linear para razões. Odds ratios e risk ratios são assimétricos em escala linear. Correção: "Use escala logarítmica no eixo x para que os intervalos de confiança pareçam simétricos."
- Pesos dos estudos ausentes. Quadrados de tamanho igual escondem quais estudos dirigem o resultado. Correção: "Dimensione os quadrados pelo peso e adicione uma coluna de peso."
- Sem diamante combinado. Uma pilha de estudos sem um resumo não é uma figura de metanálise. Correção: "Adicione o diamante de resumo combinado na parte de baixo."
- Omitir a heterogeneidade. Os leitores precisam de I² e τ² para julgar a síntese. Correção: "Adicione I², τ² e o p-valor de heterogeneidade abaixo do diamante."
- Colunas desalinhadas. Nomes de estudos, estimativas e ICs que não se alinham parecem desleixados. Correção: "Alinhe as colunas de estudo, estimativa, IC e peso em faixas verticais limpas."
Exporte e use
Quando o gráfico estiver pronto, exporte-o para seu destino:
- "Exporte isto como um PNG de 300 DPI dimensionado para a largura completa de uma página de revista."
- "Me dê um SVG para eu editar no Illustrator antes da submissão."
- "Exporte em alta resolução com fundo branco para o material suplementar."
Um forest plot costuma ser uma figura dentro de um pacote maior de revisão sistemática. Combine-o com como fazer um diagrama de fluxo PRISMA para seu fluxo de seleção de estudos e como fazer um diagrama CONSORT se você também estiver relatando os próprios ensaios. Continue refinando texto com como editar texto e rótulos em figuras de IA. Tudo permanece editável no editor SciDraw AI.
Perguntas frequentes
Como faço um forest plot para metanálise sem R ou RevMan?
Abra o gerador de forest plot, informe sua medida de efeito (odds ratio, risk ratio, diferença de médias ou hazard ratio), liste cada estudo com sua estimativa e IC 95%, e a IA monta as linhas, os pesos e o diamante combinado. Você refina tudo digitando instruções — sem precisar de metafor nem RevMan.
Qual a diferença entre um forest plot de odds ratio e um de risk ratio? Ambos são medidas de razão plotadas em eixo x logarítmico com a linha de nenhum efeito em 1, então o layout é idêntico. A diferença está no cálculo subjacente e na interpretação; basta informar ao gerador qual medida seus dados usam e ele rotula o eixo de acordo.
Onde fica a linha de nenhum efeito? Em 1 para medidas de razão (odds ratio, risk ratio, hazard ratio) em escala logarítmica, e em 0 para medidas de diferença (diferença de médias, diferença de médias padronizada) em escala linear. Informar a medida de efeito logo de início a posiciona corretamente.
Como mostro os pesos dos estudos em um forest plot? Peça à IA para dimensionar o quadrado de cada estudo proporcionalmente ao seu peso e adicionar uma coluna "Peso (%)". Quadrados maiores significam que o estudo contribuiu mais para a estimativa combinada — uma convenção central das figuras de metanálise.
Posso fazer um forest plot por subgrupo? Sim. Diga ao gerador de forest plot como agrupar os estudos, e ele cria subgrupos separados, cada um com um diamante de subtotal, mais um diamante geral e um teste opcional de heterogeneidade de subgrupo.
Faça seu forest plot agora
Pule a configuração do RevMan. Liste seus estudos, nomeie sua medida de efeito e deixe a IA montar um forest plot limpo, ponderado e pronto para publicação com um diamante combinado. Abra o gerador de forest plot ou vá direto ao editor SciDraw AI para fazer o seu agora.
