Stata的森林图是meta分析最核心的出图环节。很多人跑完数据直接敲一下forestplot就把图导出了结果图上要么文字挤成一团要么置信区间灰扑扑的看不出显著性要么亚组之间的间距乱得根本没法放到论文里。说实话Stata默认的森林图能看但离能发表还有不小差距。我自己在帮临床团队做网状meta分析和常规meta分析的时候在森林图定制上踩过不少坑所以这篇把涉及个性化定制和高级技巧的部分系统整理一下按从基础到进阶的顺序展开内容全部基于可复现的命令和参数。这篇文章适合所有用Stata做meta分析的人尤其是准备投稿、对图片质量有硬性要求的朋友。无论你是刚学会metan还是已经在用meta套件下面的内容都能直接抄作业。1. 整体设计思路为什么默认森林图不够用1.1 默认图的短板在哪里Stata的森林图命令默认输出虽然逻辑正确但离出版标准至少有这几点距离:图例和轴刻度经常被自动省略或压缩读者根本看不出效应量坐标的真实区间亚组分析时默认的组间分隔非常弱只有一条细线分不清主效应和亚组效应点估计符号、置信区间线条的粗细和颜色固定灰度印刷或色盲读者识别困难文字标签作者、年份、权重多的时候图右侧会溢出字体重叠把图导出成TIFF或EPS时分辨率、字体嵌入经常出问题真正的问题在于默认命令把计算结果的正确性放在第一位把展示效果放在了次要位置。如果你需要直接把图放进论文或PPT里必须在绘图参数层面做大量微调。我自己在实战中体会很深的一点是森林图的定制并不是美化而是信息分层。图的核心信息有三个层级——效应量和置信区间、各研究的权重、亚组或整体合并结果。默认图通常只把前两项画清楚第三项经常被弱化。所以定制思路应该围绕如何让不同信息层级在视觉上各有归属来展开。1.2 定制前必须确认的命令体系在做任何定制之前先确认你用的是哪套命令。Stata的森林图命令体系有过一次明显迭代命令原始版本特点当前状态metan用户编写经典好用选项多且杂乱仍可安装使用meta forestplot官方Stata 14与meta set流程深度整合图形定制更规范推荐使用forestplot用户编写独立工具用于非meta数据也可部分场景适用如果你还在用metan建议逐步迁移到官方的meta系列命令。原因不只是图形选项更丰富更重要的是后续做亚组分析、meta回归、累积meta分析时可以直接复用meta set建立的数据结构。绘图之前先把数据用meta set声明好后面所有图形定制都在同一套数据结构上操作避免反复转换数据格式带来的错位问题。2. 基础图形构件的个性化定制2.1 控制点估计与置信区间的视觉层次森林图最重要的视觉要素就是点估计的标记通常是小方块和表示置信区间的横线。默认设置下Stata会将所有研究用同一种颜色和同一种大小标记出来这在研究数量多或亚组嵌套时会显得非常平。通过meta forestplot可以这样定制meta forestplot, point_size(2.5) // 点估计标记尺寸 point_color(navy) // 点估计颜色 ci_color(black) // 置信区间线条颜色 ci_width(2) // 置信区间线条粗细 null_line_color(gs8) // 无效线颜色OR1或RR1位置 null_line_width(0.6)这里的逻辑是用颜色和线宽把单个研究和合并效应区分开。实际操作中我一般会把单个研究的点估计设成小尺寸灰色把合并结果设成大尺寸深色这样读图时视线会自然落到合并结果上。还有一个小细节如果做的是OR值的meta分析null_line会画在1的位置做MD或SMD时无效线在0的位置。默认的无效线是一条黑色竖线但如果你有多个亚组且想突出不同的效应方向可以把无效线改成虚线或浅灰色降低它对主视觉的干扰。meta forestplot, null_line_pattern(dash) null_line_color(gs10)2.2 坐标轴范围的自定义与刻度策略Stata在森林图里自动计算x轴范围时偶尔会把个别置信区间特别宽的研究拉得很大导致其余研究的区间缩成一团。这种情况在纳入研究异质性高时非常常见。有两种解决思路调整坐标轴范围牺牲极端值保住多数研究的展示效果保留坐标轴范围但把极端值的研究单独标注超出范围的箭头标记先看第一种meta forestplot, xrange(0.2 2.5) xlabel(0.2 0.5 1 2 2.5)xrange指定坐标轴的下限和上限xlabel则控制显示在坐标轴上的刻度位置。注意如果数据中有置信区间超出这个范围Stata不会报错但图上会有一段被截断。你要自己判断是否接受这种处理。第二种思路更严谨些适合审稿人较真的情况。可以用plot选项里的偏移功能把超界研究单独放一行并加注CI extends beyond axis之类的说明。具体做法是提前算好哪些研究的区间超界在meta forestplot的eform和subgroup之外再配合notes()手动补充标注。导出图的清晰度也在这一阶段一起考虑。Stata图形窗口里的默认大小是合适屏幕预览的但投稿时通常要求8-15cm宽的图。导出的参数我会放在第4节详细讲这里先记住一个原则坐标轴字体大小建议12号以上、点估计大小和置信区间线宽必须按导出的物理尺寸来设定而不是按屏幕显示的默认比例。3. 亚组分析与标签绘制的进阶操作3.1 亚组分析中的分组视觉分隔亚组分析在临床meta分析里几乎是标配。用metan做亚组分析会直接在下方给出Test of ES1等字样但排列比较死板。在meta套件下亚组分组的定制灵活很多。基本命令meta forestplot, by(study_type fixed) // 按变量分组固定效应合并如果想同时展示每个亚组的合并效应以及所有研究的总合并效应可以在meta forestplot中使用by()配合pool选项实现meta forestplot, by(subgroup random) pool(all)pool(all)会在每个亚组下方输出该亚组的合并菱形再在整体底部输出总体合并结果实现亚组总体的层级展示。实际操作中亚组之间的间距控制很关键。默认情况下Stata会用一行浅色横线分隔亚组但这个分隔强度往往不够。需要修改对应图形组件的格式meta forestplot, by(subgroup) subgroup_line_width(1.2) subgroup_line_color(gs2)还可以通过subgroup_label自定义亚组标签的展示格式默认只显示变量值可以改为性别男之类的组合显示meta forestplot, by(sex) subgroup_label(sex_label)sex_label是一个提前生成好的字符串变量这样图上显示的就不是原始变量值(coded 0/1)而是可读性强的自定义文本。3.2 文字标签的个性化与排版控制森林图两侧的文字区经常被忽略其实这里是定制空间最大的区域。Stata允许通过lcols和rcols分别指定左侧和右侧展示哪些数据列。假设你的数据里有作者、年份、样本量、效应量、置信区间、权重这些变量这样设置能得到一个经典的布局meta forestplot, lcols(study_id year) rcols(es ci_es weight)这里study_id是研究者姓名缩写es是效应量的对数值ci_es是字符串形式的置信区间文本weight是研究权重。关键是es和ci_es通常不是数据里的原始变量而是需要生成的显示字符串。开发者常犯的错误是直接把数值变量放到rcols()里结果图上全是长小数非常难看。我自己通常在meta set之前先把这些显示变量生成好gen es_disp string(es, %6.2f) gen ci_disp ( string(ll, %6.2f) , string(ul, %6.2f) ) gen w_disp string(weight, %4.1f)然后绘图时用rcols(es_disp ci_disp w_disp)。这样图右侧的三列数字就是整齐的保留两位小数格式整个图的质感立刻提升一个档次。左侧文字列过多时可以用text_size()和column_gap()控制字号和列间距。meta forestplot, lcols(study_id year) text_size(80) // 相对大小80表示默认字号的80% column_gap(2) // 列之间的距离字体大小text_size用的是相对值100为默认小于100缩小大于100放大。投稿要求压缩图片大小时把text_size(90)和plotregion(margin(...))配合调整可以避免左右文字被裁剪。3.3 隐藏默认脚注、标题的另类用途Stata森林图默认会在图上方生成一个标题显示Study等字样在底部生成各种检验统计量。有时这些默认文本显得冗余可以用以下方式隐藏meta forestplot, title() note()但想提醒一点删除底部统计量有风险。审稿人通常希望图上能看到异质性I²、Q检验p值等信息。更好的做法是保留这些统计量但将其格式化为更整齐的样式。meta forestplot里有一个bootstrap选项但存在显著的性能问题。我在处理超过40篇研究的meta分析时完整bootstrap会非常慢。建议不要直接默认开启bootstrap否则出图速度会慢到怀疑人生。基于我多年的临床协作经验我倾向于在初始探索时关闭重采样选项只在最终结果需要精确置信区间时启用。如果需要把合并的I²、tau²这些指标放在图下方可以用moke结合summary()手动构建文字。不过这个操作对Stata版本要求高建议先跑一遍默认输出看看哪些统计量已经自动显示哪些需要手动补充再决定是否增加。4. 网状meta分析森林图的定制要点4.1 网状meta与普通meta的绘图差异网状meta分析里森林图通常不只展示一个效应量而是展示所有干预两两比较相对某一共同参照的效应量。此时森林图不再是简单的一行一研究而是一行一干预对比。用network套件时常规流程是这样network set lnOR se, study(study) treatment(treat) network forest ALLALL会输出所有相对参照干预的对比结果。但真正需要定制的是图的顺序和显示内容。默认情况下network forest会按照干预名称的字母顺序排列这通常不是你要的展示顺序。临床meta分析里优先展示的是新干预相对标准治疗的对比其次是各干预间的比较最后才是参照组自身。调整方式有两种生成一个有序变量控制treatment标签的因子顺序使用network forest的特定排序选项network forest ALL, sort(treat_order)treat_order是一个按你要的展示顺序编码的变量。提前设置好排序编码比事后手动重新整理图省力得多。网状meta的森林图在网络图上展示多臂研究和两个臂间比较时经常需要放大文字才能看清所有的比较。比较曲线上的每一条线都是有含义的不能贪图清晰度而删掉某一部分。我处理这类图时一般把图宽设为2000像素以上再缩放导出来。4.2 常用定制选项速查表定制目标命令或选项注意事项固定/随机效应切换fixed/random随机效应模型在部分版本需加前缀亚组内合并方式pool(subgroup)结合random、fixed控制合并模型显示预测区间pred随机效应模型下才有意义隐藏单个研究权重nowt权重列不显示调整权重显示格式weight_label(...)配合字符串变量使用控制图形边界plotregion(margin(...))配合左右列标签宽度调整效应量标记大小pointsize()对不同版本命令写法略不同4.3 高级定制合并特定干预比较有时不想要网状meta全图只希望森林图展示某几个特定对比比如新药A vs 安慰剂新药B vs 安慰剂。这样做缩小图幅、突出重点network forest A B C, ref(placebo)这样会只显示A、B、C三种干预相对安慰剂的结果不会把几十种干预的全网图铺出来。配合前面提到的sort()选项可以进一步调整A、B、C在图上出现的上下顺序。对于需要加入亚组变量的网状meta可以这样操作network forest ALL, by(region)这会按照region变量构建分面图每个区域子图结构一致方便对比不同地区之间的一致性和差异性。5. 常见冲突与报错排查实录5.1 置信区间显示为缺失这种情况绝大多数不是数据错误而是显示字符串变量生成了错误格式。检查string()函数的小数位数gen ci_disp ( string(ll, %6.1f) , string(ul, %6.1f) )如果ll或ul是缺失值这个字符串就会变成(., .)。出现缺失时先检查原始数据里是否有缺失值以及在meta set前是否已经drop掉没有完整数据的记录。个别研究的置信区间超宽也会导致字符串长度超过Stata默认的短字符串存储长度这种情况建议先tostring后检查长度。5.2 图形导出后两侧文字被裁剪这是最常被私信问的问题。屏幕上看好好的森林图导出成PNG或TIFF后作者名Smith变成了Sm...。原因是Stata图形导出时按照图形区域的物理宽度计算文字布局而图形窗口里的显示宽度往往和导出尺寸不一致。解决办法是显式指定导出时的宽度并同时调整plotregion边距graph export forest.tif, width(2400) replace由于Stata不同版本对图形尺寸单位的解释不同第一版导出后要立刻查看图的左右边缘是否有文字溢出。如果溢出检查column_gap是否过大以及text_size是否设置得过大。实际操作里把column_gap从默认值降到80或60往往就能解决左侧标签过宽压到图形区的问题。5.3 权重列显示成小数且超出边界权重列显示成小数是因为你直接放入了原始数值变量。解决方法是提前生成显示变量限制小数位数。权重通常保留一位或两位小数就够了用%4.1f格式。另外如果权重数值较大例如超过100字符串宽度会变宽需要同步增大对应rcols列的宽度限制否则也会触发边界裁剪。5.4 子组标签的默认值不显示如果亚组变量的取值是数字0、1但你希望图上显示对照组和治疗组通过生成标签变量并按该变量排序实现是个比较稳妥的做法。如果直接修改变量值标签部分版本的meta forestplot会读取因子的显示标签正常显示但部分版本会忽略标签一直显示原始取值。所以最安全的方式是创建一个新的字符串变量直接作为by选项的输入。5.5 汇总的菱形没有出现出现这个问题的位置通常在meta set的效应量选择上。如果meta set里声明的是es和se而不是ll、ul和weightStata无法进行合并计算也就画不出汇总菱形。确认一下meta set输入的是对数尺度下的效应量和标准误还是原始尺度下的置信区间。前者更通用对后续做meta回归、累积meta分析也友好。后者画图方便但很多高级选项会失效。6. 一个小技巧用图例和标注提升论文档次最后分享一个我踩了多次坑之后总结出来的小技巧。在森林图的中央图形区域默认没有图例说明方块代表点估计横线代表95%置信区间菱形代表合并效应。这些信息审稿人默认你会懂但为了让非专业读者也能快速理解建议在图的左下角用text()手工添加一个简洁说明text(0.95 0.1 Square: point estimate; line: 95% CI; diamond: pooled effect, placement(c) size(small) color(gs6))这里placement(c)让文字居中避免被图形边缘裁剪。颜色用灰色gs6是故意为之——不抢主图视线又能让在读图的人第一时间获得图例解释。这个方法比修改图例选项难一点因为需要精确估算文本在图中的相对坐标但效果非常自然。另外一个快速提升观感的操作是设置图形背景。meta forestplot, graphregion(color(white)) plotregion(color(white))论文投稿时白色背景是最稳妥的不要用Stata默认的浅灰色背景。原因不仅是美观更关键的是灰色背景在打印时会造成边缘色块不统一。这个设置可能在部分版本里是默认项但显式写出来万一换台电脑重跑数据时设置不会悄悄丢失。7. 图形导出的最终检查清单根据我在多个投稿周期里的体感整理了一份森林图导出前的检查清单点估计大小和置信区间线宽是否至少能在8cm宽的印刷图里清晰辨认左右两侧的文字列是否完整显示没有省略号或被截断x轴刻度范围是否符合效应量的实际范围是否包含了无效线位置图例和注释是否完整颜色在灰度打印下的区分度是否足够亚组标签和分界线是否清晰可见不依赖屏幕彩色显示随机效应模型下是否显示了预测区间如果设定隐藏请确认理由文件导出的分辨率是否满足投稿要求一般不低于300dpi期刊是否要求同时提供可编辑矢量图EPS或SVG格式准备好没有meta forestplot的导出格式不复杂常用命令是graph export按需指定jpg、tif、eps、svg等格式。如果想在Word里继续微调导出EMF或WMF格式更方便如果要放进LaTeX直接导出PDF或EPS。graph export forest_plot.tif, width(3000) replace graph export forest_plot.eps, replace有一个经验是宽度3000像素在屏幕上看着很大但实际印刷时8cm宽、300dpi分辨率只需要大约945像素就够了所以3000像素导出的TIFF一定满足要求而且在放大查看时也不会发现字体发虚。唯一要注意的是文件体积会比较大投稿系统如果限制附件大小可以考虑压缩或者降为2400像素。说实话Stata森林图的个性化定制没有太多高深的技术关键在细节数据列怎么显示、间距怎么调、颜色怎么选、导出的物理尺寸怎么定。把这些细节捋顺你的森林图就能从能看变成能发。就我个人经验而言自打改用meta系列命令并把显示变量提前准备好之后森林图的制作效率至少提升了一倍。以前每次都要对着metan的几十个选项来回试错现在数据整理好绘图命令基本是稳定的几行代码改一改就能跑。希望这篇内容能帮你少走点弯路用最短的时间调出自己满意的森林图。
建堆推导)
