亚组分析森林图生成器万能加强版

文摘   科学   2024-02-08 09:01   上海  


本文介绍了利用MSTATA软件,通过已经分析好的亚组分析结果 excel 表格,一键转换为森林图,支持MD、HR、OR、RR等多种指标,并支持自由调色、自由调参、可选多种杂志外观风格,是迄今为止最为强大、高度定制化的森林图工具。


MSTATA 软件之前一直有提供森林图工具,可以用原始数据直接进行疗效分析,并做亚组分析,直接生成森林图。


但通过用户调研,还有一部分用户却希望不用原始数据分析作为起点,而是想直接利用自己从其他途径已经做好的亚组分析现成结果,想找一个强力的工具一键转化成森林图。这样可以自由修改,随心所欲。


MSTATA 之前也有提供这样的工具,但还不够强大,对P值、P for interaction等支持还不够理想,因此我们重新开发了这一版强力工具,仅在 MSTATA 的 VIP 版上线,功能实在太炸裂了!


除了亚组分析森林图,后续还将在 VIP 版上线普通回归森林图、分层普通回归森林图、双指标森林图,分组双指标森林图,meta分析森林图,meta分析结合文献质量评级森林图等,市面上目前还没有如此灵活和高度定制化的森林图工具,敬请期待。


请点击www.mstata.com, 进入 VIP 服务器入口,点击 “统计作图” 菜单栏,“森林图大全”,进入“用已经分析好的结果 Excel 表制作两组疗效比较的亚组分析森林图”


用已经分析好的结果 Excel 表制作两组疗效比较的亚组分析森林图

摘自 “Ray, K. K., Wright, R. S., Kallend, D., Koenig, W., Leiter, L. A., Raal, F. J., Bisch, J. A., Richardson, T., Jaros, M., Wijngaard, P. L. J., Kastelein, J. J. P., & ORION-10 and ORION-11 Investigators. (2020). Two Phase 3 Trials of Inclisiran in Patients with Elevated LDL Cholesterol. The New England Journal of Medicine, 382(16), 1507–1519.”

本软件可以把您手工制作的这样的 Excel 表格一键转换成森林图:


一键转换成这样的图:

亚组分析森林图是一种在统计学和医学研究中常用的图形,用于展示两组疗效比较的结果在不同亚组中的差异。它是一种特殊类型的森林图,森林图通常用来汇总和展示多个研究结果的效应量和置信区间。亚组分析森林图则是将参与者根据某些特定的特征(如年龄、性别、疾病严重程度等)分成不同的亚组,分别展示每个亚组中两组疗效比较的结果,从而帮助研究人员或医生了解特定亚组内的疗效差异,为临床决策提供更精准的指导。

亚组分析森林图的基本构成

  • 效应量(Effect Size):通常是两组间差异的量度,比如相对风险(RR)、风险差(RD)、比值比(OR)或均数差(MD)。

  • 置信区间(Confidence Interval):效应量的估计范围,通常设定为95%,表示如果无数次重复该实验,大约有95%的置信区间会包含真实效应量。

  • 亚组(Subgroups):研究参与者根据特定特征分成的不同组别。

  • 线(Lines):表示效应量的点估计和置信区间,通常水平展示。点估计通常用方块表示,其大小可能表示研究权重或样本量的大小;置信区间则用线段表示。

另外,有些亚组分析森林图也可包括:

P值(P value)

P值是用来衡量观察到的数据在零假设下出现的概率。在临床研究中,零假设通常是指两个治疗效果之间没有差异。P值越小,表示拒绝零假设的证据越强,即两个治疗之间存在显著差异的证据越强。在亚组分析森林图中,每个亚组的效应量旁边通常会报告一个P值,用来表示该亚组中治疗效果差异的统计显著性。

  • P值<0.05 通常被认为是统计学上显著的,意味着有95%的置信水平认为两个治疗效果存在显著差异。

  • P值≥0.05 则表示没有足够的证据拒绝零假设,即治疗效果之间的差异可能不是统计学上显著的。

交互作用的P值(P for interaction)

交互作用的P值是用来衡量不同亚组间效应量差异的统计显著性。它测试的是一个或多个变量对另一个变量效果的影响是否随着第三个变量(如亚组变量)的不同而改变。在亚组分析中,交互作用的P值用来评估治疗效果是否在不同亚组间存在显著差异。

  • 交互作用的P值<0.05 表示不同亚组之间的治疗效果差异是统计学上显著的,即治疗效果受到亚组特征的显著影响。

  • 交互作用的P值≥0.05 则表示没有足够的证据认为治疗效果在不同亚组之间有显著的差异。

举例说明:假设有一个研究比较了某种新药与标准治疗在治疗心脏病方面的效果,研究对象包含不同年龄组(如<60岁和≥60岁)、性别(男性和女性)以及疾病严重程度(轻度和重度)的患者。在进行亚组分析时,研究者会根据这些特征将参与者分成多个亚组,然后分别计算每个亚组中新药与标准治疗效果的比较结果(如相对风险RR)和95%置信区间。

亚组分析森林图会显示这些亚组的比较结果,每个亚组的结果用一行展示,从而可以直观地看出在哪些亚组中新药比标准治疗有显著优势,哪些亚组中差异不显著,甚至在某些亚组中可能新药的效果不如标准治疗。例如,图中可能显示<60岁年龄组的患者和轻度疾病严重程度的患者从新药中获益更多,而在≥60岁年龄组和重度疾病严重程度的患者中,新药与标准治疗的效果差异不显著。

通过这样的亚组分析森林图,研究者和医生可以更深入地理解新药的效果如何在不同类型的患者群体中变化,从而为特定的患者群体提供更个性化的治疗建议。

使用方法

请按照以下步骤进行操作:

步骤 1: 上传数据文件

  1. 准备您的亚组分析结果数据,确保它们存储在一个Excel文件中。

  2. 在工具界面中,找到上传区域,并选择您的Excel文件上传。请确保您的文件符合要求,即包含了用于生成森林图所需的所有数据列。

Excel表中,中间标黄的这三列分别代表 效应量、95% CI下限、95% CI上限,系统将根据这三列的值大小,生成横的线段,也就是森林图,并在图像中用森林图替换这三列,而其他列的文本不发生任何改动嵌入图像中,其他列的文字可以自由改动,也可以增删列数。但这三列不能动,而且必须只填数字,不得填入文本。

至少需要最左侧的列,以及标黄的三列,至多则不限,可以自由添加列。

示例 Excel 表可以在下一个页面下载,下载后修改即可

步骤 2: 选择点估计字段

  1. 文件上传后,系统将自动显示数据的预览。

  2. 您需要选择代表点估计(例如平均差异MD、比值比OR、危险比HR等)的字段。这是森林图中表示效应量大小的关键数据。

步骤 3: 选择置信区间下限和上限

  1. 接下来,您需要分别选择代表置信区间下限和上限的字段。

  2. 这两个字段是生成森林图中效应量置信区间线段的必要数据。

步骤 4: 配置森林图选项

  1. 轴参考线值:根据您的数据类型(比如组间差值difference或比值OR/RR/HR),选择适当的轴参考线值。

  2. 横坐标上下限设置:您可以让系统自动设置森林图的横坐标上下限,或者手动输入这些值。

  3. 坐标轴对数转换:根据需要选择是否对横坐标进行对数转换,这通常取决于您的数据类型。

  4. 统计量文字标签:选择或自定义适合您数据的统计量文字标签。

  5. 箭头说明文字:自定义左右箭头旁的说明文字,以清晰表达您的数据意义。

  6. 底注文字:为森林图添加底注,说明数据的具体含义或其他重要信息。

  7. 颜色风格:选择森林图的颜色风格,或自定义颜色。

步骤 5: 生成森林图

  • 完成所有必要的配置后,点击“生成/更新森林图”按钮。系统将根据您提供的数据和配置选项生成森林图。

  • 您可以查看生成的森林图,确认它是否符合您的需求。如果需要,您可以调整任何选项并重新生成图表。

注意事项

  • 请确保您上传的Excel文件中的数据格式正确,特别是点估计、置信区间下限和上限字段应仅包含数字,不得含有任何文本。

  • 如果遇到任何问题,比如上传文件后无法正确显示数据预览,请检查您的文件格式是否符合要求,或尝试重新上传文件。

通过遵循这些步骤,您应该能够顺利使用本工具生成亚组分析森林图,以直观展示您的研究结果。如果有任何疑问或需要进一步的帮助,请不要犹豫联系我们的技术支持团队。



真实世界数据
介绍真实世界数据,真实世界研究和真实世界证据
 最新文章