不得不说,这两幅图的样式虽然不一样,但是都显示了HR及可信区间、P值等信息,而且两幅图都有亚组,我在刚开始学习的时候也是非常疑惑,但是当我手动实现过亚组分析和多因素回归的森林图后,一切就很简单了,无非是长得像而已,但是表达的意思完全不一样! 准备数据 使用survival包中的colon数据集用于演示,这是一份关...
除了Meta分析外,越来越多的临床研究开始在亚组分析(Subgroup analysis)的部分引入森林图,以此来呈现亚组分析的结果(不同人群之间,如年龄,性别,疾病分期等亚组)。 也有的研究在敏感性分析(Sensitivity analysis)的部分以森林图的形式呈现敏感性分析的结果(对缺失数据进行不同的填补方式,如末次结转,多重填补等)。还有...
关键在于“Subgroup”和“group”这两列变量,“group”是亚组的分类变量,“Subgroup”就是该亚组的名称。 然后进行HR和95%CI的对数转换,转换后运行最后的命令,即可得到亚组分析森林图的雏形,最后通过PS或其他修图软件对图形进行完善和美化,一切都OK了! Stata的相关命令和森林图雏形如下(PS也很简单,这里就不多说了...
亚组分析的森林图 此类森林图和普通森林图实际上没有什么区别,只是根据我们的分组的一些因素(地区、性别等),把我们的研究分成了不同的亚组,然后分别进行探讨。我们也举一个R软件自带数据的例子(Fleiss93cont),展示一下亚组分析的森林图,如图3。 图形解释:总体的结果有差异性(固定效应模型),以地区亚洲和欧洲做亚...