Meta分析森林图美化

ID: 157

美化Meta分析或亚组分析的Forest plot，自定义Odds Ratio点大小和置信区间线条样式。

功能特性

读取Meta分析数据（CSV/Excel格式）
绘制高质量Forest plot
自定义Odds Ratio点的大小、颜色和形状
自定义置信区间线条样式（颜色、粗细、端点样式）
支持亚组分析展示
自动计算并显示汇总效应值
输出为PNG、PDF或SVG格式

使用方法

python scripts/main.py --input <data.csv> [options]

参数说明

| 参数 | 类型 | 默认值 | 必填 | 描述 | |-----------|------|---------|----------|-------------| | --input, -i | string | - | 是 | 输入数据文件（CSV或Excel） | | --output, -o | string | forest_plot.png | 否 | 输出文件路径 | | --format, -f | string | png | 否 | 输出格式（png/pdf/svg） | | --point-size | int | 8 | 否 | OR点大小 | | --point-color | string | #2E86AB | 否 | OR点颜色 | | --ci-color | string | #2E86AB | 否 | 置信区间线条颜色 | | --ci-linewidth | int | 2 | 否 | 置信区间线条粗细 | | --ci-capwidth | int | 5 | 否 | 置信区间端点宽度 | | --summary-color | string | #A23B72 | 否 | 汇总效应点颜色 | | --summary-shape | string | diamond | 否 | 汇总效应点形状 | | --subgroup | string | - | 否 | 亚组分析列名 | | --title, -t | string | Forest Plot | 否 | 图表标题 | | --xlabel, -x | string | Odds Ratio (95% CI) | 否 | X轴标签 | | --reference-line | float | 1.0 | 否 | 参考线位置 | | --width, -W | int | 12 | 否 | 图片宽度（英寸） | | --height, -H | int | auto | 否 | 图片高度（英寸） | | --dpi | int | 300 | 否 | 图片分辨率 | | --font-size | int | 10 | 否 | 字体大小 | | --style, -s | string | default | 否 | 预设样式（default/minimal/dark） |

输入数据格式

CSV/Excel文件须包含以下列：

| 列名 | 描述 | 类型 | |------|------|------| | study | 研究名称 | Text | | or | Odds Ratio值 | Numeric | | ci_lower | 置信区间下限 | Numeric | | ci_upper | 置信区间上限 | Numeric | | weight | 权重（可选，用于点大小） | Numeric | | subgroup | 亚组标签（可选） | Text |

示例数据

study,or,ci_lower,ci_upper,weight,subgroup
Study A,0.85,0.65,1.12,15.2,Drug A
Study B,0.72,0.55,0.94,18.5,Drug A
Study C,1.15,0.88,1.50,12.3,Drug B
Study D,0.95,0.75,1.20,14.8,Drug B

示例

基本用法

python scripts/main.py -i meta_data.csv

自定义样式

python scripts/main.py -i meta_data.csv \
    --point-color="#E63946" \
    --ci-color="#457B9D" \
    --point-size=10 \
    --ci-linewidth=3 \
    -t "Meta-Analysis of Treatment Effects"

亚组分析

python scripts/main.py -i meta_data.csv \
    --subgroup subgroup_column \
    --summary-color="#F4A261" \
    -o subgroup_forest.png

输出PDF矢量图

python scripts/main.py -i meta_data.csv \
    -f pdf \
    -o forest_plot.pdf

预设样式

default

蓝色配色方案
标准字体大小
白色背景

minimal

简洁线条
灰度配色方案
无网格线

dark

深色背景
明亮数据点
适合深色主题演示

依赖项

Python >= 3.8
matplotlib >= 3.5.0
pandas >= 1.3.0
numpy >= 1.20.0
openpyxl >= 3.0.0（用于读取Excel）

输出示例

生成的Forest plot包含：

左侧：研究名称列表
中间：OR值和置信区间
右侧：权重百分比（如有）
底部：汇总效应值（菱形标记）
参考线（OR=1）

注意事项

确保输入文件编码为UTF-8
建议使用对数刻度时，OR值会自动转换
置信区间跨越1的研究在统计上不显著
权重值用于调整点大小，反映研究贡献度

风险评估

| 风险指标 | 评估 | 等级 | |----------------|------------|-------| | 代码执行 | 本地执行Python/R脚本 | Medium | | 网络访问 | 无外部API调用 | Low | | 文件系统访问 | 读取输入文件，写入输出文件 | Medium | | 指令篡改 | 标准提示词指南 | Low | | 数据暴露 | 输出文件保存至工作空间 | Low |

安全检查清单

[ ] 无硬编码凭据或API密钥
[ ] 无未授权文件系统访问（../）
[ ] 输出不暴露敏感信息
[ ] 已实施提示词注入防护
[ ] 输入文件路径已验证（无../遍历）
[ ] 输出目录限制在工作空间内
[ ] 脚本在沙箱环境中执行
[ ] 错误信息已脱敏（不暴露堆栈跟踪）
[ ] 依赖项已审计

前提条件

# Python dependencies
pip install -r requirements.txt

评估标准

成功指标

[ ] 成功执行主要功能
[ ] 输出符合质量标准
[ ] 优雅处理边缘情况
[ ] 性能可接受

测试用例

基本功能：标准输入 → 预期输出
边缘情况：无效输入 → 优雅的错误处理
性能：大数据集 → 可接受的处理时间

生命周期状态

当前阶段：Draft
下次审核日期：2026-03-06
已知问题：无
计划改进：
- 性能优化
- 额外功能支持