統合分析森林圖怎麼畫？2026 完整教學

你已經從每一篇納入的研究擷取出效應量、算好了合併估計值，現在就差那張對多數讀者來說就等於統合分析的圖：森林圖（forest plot）。傳統做法得走 R 的 metafor 或 meta，或是 RevMan，光是把各欄位、鑽石、權重對齊，就可能耗掉一個下午。這篇教學要教你怎麼用白話描述就畫出統合分析的森林圖，讓 AI 幫你組好每一列、信賴區間與合併鑽石，而你只要專心做資料綜合。

讀完這篇教學，你將能夠：

• 不寫程式就畫出統合分析的森林圖，每篇研究一列，含點估計值與信賴區間。
• 畫出勝算比、風險比、平均差或風險比例（hazard ratio），並把無效應線放在正確位置。
• 加上研究權重、合併摘要鑽石，以及審稿人期待看到的異質性統計量（I²、τ²）。
• 製作次群組森林圖，並為你的系統性回顧或期刊投稿匯出可印刷的圖。

以下全部都在 SciDraw AI 編輯器裡完成，使用的是森林圖產生器——你提供研究與效應量，AI 把圖畫出來，再用文字慢慢調整。

森林圖在傳達什麼

森林圖把許多研究堆疊成一個垂直清單。每一列是一篇研究：一個方塊標出它的效應估計值，一條水平線顯示信賴區間，方塊的大小則反映它在統合分析中的權重。一條垂直的無效應線（比值類為 1、差值類為 0）讓讀者一眼看出哪些研究是顯著的。最下方的鑽石呈現合併估計值——中心是摘要效應，寬度是合併後的信賴區間。

這張圖必須讓三件事清清楚楚：每篇研究的效應與精準度、各篇貢獻了多少、以及它們合起來說了什麼。把這三點做對，整張圖就能講完整個故事。

步驟一：描述你想要的森林圖

打開編輯器，告訴 AI 效應指標、研究清單與結構。效應指標決定了無效應線的位置、以及座標軸是否要用對數刻度，所以一開始就要講清楚。

填好內容的範例：

• 「畫一張包含 8 篇隨機試驗的統合分析森林圖。效應指標：勝算比，x 軸用對數刻度。每篇研究一列，右側以文字列出研究名稱、OR 與 95% CI，方塊大小依研究權重決定，並在 OR = 1 處畫一條垂直虛線當無效應線。最下方加一個標示『整體』的隨機效應合併鑽石。」

步驟二：輸入研究與效應量

每一列都需要一個標籤和一個含信賴區間的效應估計值。你可以丟給 AI 一張小表格，或直接內嵌條列。

• 「把以下研究加成各列：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)……」
• 「在右側欄位顯示每列對齊的 OR 數值與 95% CI。」
• 「在左側加一欄，列出每篇研究的第一作者與年份。」

如果你的效應指標是連續變項，就換個說法：「使用平均差，無效應線放在 0，x 軸用線性刻度。」

步驟三：加上權重、合併鑽石與異質性

讓森林圖不只是一排誤差棒的，正是這些統合分析的細節。請明確地把它們要出來：

• 「把每篇研究的方塊大小設成與其權重成比例，並在右側加一欄『權重 (%)』。」
• 「在最下方加一個隨機效應合併鑽石，寬度為摘要估計值的 95% CI。」
• 「在鑽石下方加上異質性統計量：I² = 38%、τ² = 0.04、p = 0.12。」
• 「把合併那一列標示為『整體（隨機效應）』。」

請註明你的合併採用固定效應還是隨機效應——這會改變權重與鑽石，審稿人也會檢查。

步驟四：加上次群組與方向標籤

許多回顧會依次群組（例如劑量、地區、偏誤風險）把研究分開。AI 可以把列分組，並為每個次群組各畫一個小計鑽石。

• 「把研究分成兩個次群組——『高劑量』與『低劑量』——各自有一個小計鑽石，最底下再放一個整體鑽石。」
• 「在兩個小計之間加一個次群組異質性檢定。」
• 「加上座標軸方向標籤：左側『有利於治療』、右側『有利於對照』。」

座標軸下方的方向標籤是個小細節，卻能避免讀者誤判哪一側才有利。之後若要潤飾任何單一標籤，請參考如何編輯 AI 圖表中的文字與標籤。

常見錯誤（以及如何修正）

• 無效應線位置錯誤。 在平均差圖上把無效應線放在 1 毫無意義。修正： 「平均差請把無效應線放在 0，比值類指標放在 1。」
• 比值類用線性刻度。 勝算比與風險比在線性刻度上會偏斜。修正： 「x 軸請用對數刻度，讓信賴區間看起來對稱。」
• 缺少研究權重。 一樣大小的方塊會藏住哪些研究主導了結果。修正： 「方塊依權重決定大小，並加一欄權重。」
• 沒有合併鑽石。 一堆研究卻沒有摘要，就不是統合分析的圖。修正： 「在最下方加上合併摘要鑽石。」
• 省略異質性。 讀者需要 I² 與 τ² 才能判斷這次綜合的品質。修正： 「在鑽石下方加上 I²、τ² 與異質性 p 值。」
• 欄位沒對齊。 研究名稱、估計值、CI 沒對齊看起來很草率。修正： 「把研究、估計值、CI、權重各欄對齊成乾淨的垂直欄道。」

匯出與使用

圖做好之後，依照目標用途匯出：

• 「把這張匯出成 300 DPI 的 PNG，尺寸符合整頁期刊版面寬度。」
• 「給我 SVG，方便我投稿前在 Illustrator 裡修改。」
• 「匯出高解析度、白色背景的版本，給補充檔案用。」

森林圖通常是更大的系統性回顧套件中的一張圖。可以搭配如何製作 PRISMA 流程圖來呈現你的研究篩選流程；如果你同時也要報告試驗本身，再搭配如何製作 CONSORT 流程圖。文字的微調隨時可參考如何編輯 AI 圖表中的文字與標籤。這一切都在 SciDraw AI 編輯器裡保持可編輯。

常見問題

不用 R 或 RevMan 要怎麼畫統合分析森林圖？ 打開森林圖產生器，說明你的效應指標（勝算比、風險比、平均差或風險比例），列出每篇研究及其估計值與 95% CI，AI 就會幫你建好各列、權重與合併鑽石。所有東西都用打字下指令來調整——不需要 metafor，也不需要 RevMan。

勝算比森林圖和風險比森林圖有什麼差別？ 兩者都是比值類指標，畫在對數 x 軸上、無效應線在 1，所以版面完全相同。差別在於背後的計算與詮釋；只要告訴產生器你的資料用的是哪一種指標，它就會據此標示座標軸。

無效應線該放在哪裡？ 比值類指標（勝算比、風險比、風險比例）放在對數刻度上的 1；差值類指標（平均差、標準化平均差）放在線性刻度上的 0。一開始就講清楚效應指標，它就會擺對。

森林圖上要怎麼顯示研究權重？ 請 AI 把每篇研究的方塊大小設成與權重成比例，並加一欄「權重 (%)」。方塊越大，代表該研究對合併估計值的貢獻越多——這是統合分析圖的核心慣例。

可以做次群組森林圖嗎？ 可以。告訴森林圖產生器你要怎麼分組，它就會建立各個次群組、每組一個小計鑽石，再加上一個整體鑽石，以及可選的次群組異質性檢定。

現在就畫你的森林圖

跳過 RevMan 的繁瑣設定。列出你的研究、指定效應指標，讓 AI 組出一張乾淨、含權重、附合併鑽石、可直接投稿的森林圖。打開森林圖產生器，或直接前往 SciDraw AI 編輯器，現在就動手畫。