森林图解释
Forest plot interpretation
在我的研究中，我进行了 meta-analysis 病毒载量测量，以测试 A 和 B 之间的特定相互作用是否影响其水平。
这是我用R得到的森林图：
但是，我不知道如何解释它。我知道这个结果很重要，因为 p=0.0073 并且因为总体效果估计 95% CI 不与 0 重叠。但是，菱形位于森林图的右侧是什么意思？
这取决于个体效应大小的计算方式。这似乎是对每个病毒载量的 A 和 B 之间的相关性进行荟萃分析的森林图（您指示关联 p 值）。也许您使用了不同病毒载量之间的 z 变换相关性的差异和相关的标准偏差 (?)。如果是这样，您计算这种差异的方式将帮助您解释整体效应大小。它是否计算为大病毒载量值减去小病毒载量值？如果是这样，总体估计表明 A 和 B 之间的相互作用在大病毒载量中有更大的影响。 （如果菱形位于垂直虚线的左侧 - 即“无效”线 - 它会反映出小病毒载量中较大的相互作用效应。）
一个附加评论：您似乎使用随机效应来估计总体效应大小（顺便说一句，每个单独研究的黑色方块的大小反映了分配给该研究的权重）。异质性检验似乎不显着（参见异质性 p 值），这意味着异质性不会影响您的荟萃分析结果。当这个测试结果很重要时，你需要考虑一个混合效应模型（即在你的数据集中找到调节器来帮助你解释这种异质性）。否则结果不可靠。
在我的研究中，我进行了 meta-analysis 病毒载量测量，以测试 A 和 B 之间的特定相互作用是否影响其水平。
这是我用R得到的森林图：
但是，我不知道如何解释它。我知道这个结果很重要，因为 p=0.0073 并且因为总体效果估计 95% CI 不与 0 重叠。但是，菱形位于森林图的右侧是什么意思？
这取决于个体效应大小的计算方式。这似乎是对每个病毒载量的 A 和 B 之间的相关性进行荟萃分析的森林图（您指示关联 p 值）。也许您使用了不同病毒载量之间的 z 变换相关性的差异和相关的标准偏差 (?)。如果是这样，您计算这种差异的方式将帮助您解释整体效应大小。它是否计算为大病毒载量值减去小病毒载量值？如果是这样，总体估计表明 A 和 B 之间的相互作用在大病毒载量中有更大的影响。 （如果菱形位于垂直虚线的左侧 - 即“无效”线 - 它会反映出小病毒载量中较大的相互作用效应。）
一个附加评论：您似乎使用随机效应来估计总体效应大小（顺便说一句，每个单独研究的黑色方块的大小反映了分配给该研究的权重）。异质性检验似乎不显着（参见异质性 p 值），这意味着异质性不会影响您的荟萃分析结果。当这个测试结果很重要时，你需要考虑一个混合效应模型（即在你的数据集中找到调节器来帮助你解释这种异质性）。否则结果不可靠。