Meta 分析森林图生成器

为系统评价和 meta 分析创建可发表的森林图，支持自定义样式和统计注释。

快速开始

from scripts.forest_plotter import ForestPlotter

plotter = ForestPlotter()

# Generate forest plot
plot = plotter.create_plot(
    studies=["Study A", "Study B", "Study C"],
    effect_sizes=[1.2, 0.8, 1.5],
    ci_lower=[0.9, 0.5, 1.1],
    ci_upper=[1.5, 1.1, 1.9],
    overall_effect=1.15
)

核心功能

1. 基础森林图

fig = plotter.plot(
    data=studies_df,
    effect_col="HR",
    ci_lower_col="CI_lower",
    ci_upper_col="CI_upper",
    study_col="study_name"
)

必需的数据列：

• 研究名称/标识符
• 效应量（OR、HR、RR、MD 等）
• 置信区间下限
• 置信区间上限
• 权重（可选，用于精度）

2. 统计注释

fig = plotter.plot_with_stats(
    data,
    heterogeneity_stats={
        "I2": 45.2,
        "p_value": 0.03,
        "Q_statistic": 18.4
    },
    overall_effect={
        "estimate": 1.15,
        "ci": [0.98, 1.35],
        "p_value": 0.08
    }
)

异质性指标： | 指标 | 解释 | |--------|---------------| | I² < 25% | 低异质性 | | I² 25-50% | 中等异质性 | | I² > 50% | 高异质性 | | Q p 值 < 0.05 | 显著异质性 |

3. 亚组分析

fig = plotter.subgroup_plot(
    data,
    subgroup_col="treatment_type",
    subgroups=["Surgery", "Radiation", "Combined"]
)

4. 自定义样式

fig = plotter.plot(
    data,
    style="publication",
    journal="lancet",  # or "nejm", "jama", "nature"
    color_scheme="monochrome",
    show_weights=True
)

CLI 使用

# From CSV data
python scripts/forest_plotter.py \
  --input meta_analysis_data.csv \
  --effect-col OR \
  --output forest_plot.pdf

# With custom styling
python scripts/forest_plotter.py \
  --input data.csv \
  --style lancet \
  --width 8 --height 10

输出格式

• PDF: 发表质量，矢量图形
• PNG: 网页/演示，300 DPI
• SVG: 可在 Illustrator/Inkscape 中编辑
• TIFF: 期刊投稿格式

参考资料

• references/forest-plot-styles.md - 期刊特定格式
• examples/sample-plots/ - 示例输出

---

Skill ID: 207 | Version: 1.0 | License: MIT