Convierte una tabla de tamaños del efecto e intervalos de confianza de estudios en un forest plot ponderado con un rombo de efecto combinado — sin macros de hojas de cálculo ni software que instalar.
| Estudio | Tamaño del efecto | CI inferior | CI superior | Peso % | Subgrupo | Eliminar estudio |
|---|---|---|---|---|---|---|
Forest plots generados con Figwise, que abarcan diferentes tipos de efecto y disposiciones de subgrupos.
Un forest plot clásico que muestra los odds ratios de la eficacia de un fármaco en los subgrupos de dosis alta y dosis baja, con ponderación por varianza inversa y un diamante combinado.
Reducción de la presión arterial medida como diferencia de medias en mmHg. Utiliza un eje x lineal con la línea de efecto nulo en cero.
Hazard ratios de supervivencia global de ensayos clave de inmunoterapia, mostrados en una escala logarítmica con ponderación automática por varianza inversa.
Eficacia de la vacuna contra la hospitalización, estratificada por poblaciones adulta y pediátrica, utilizando el riesgo relativo como medida del efecto.
Un forest plot alinea los resultados de cada estudio de un metaanálisis, una fila por estudio. Un cuadrado marca la estimación puntual —el odds ratio, el riesgo relativo, el hazard ratio o la diferencia de medias del estudio— y la línea horizontal que lo atraviesa es el intervalo de confianza del 95%.
Una línea de nulidad discontinua se sitúa en 1.0 para medidas de razón como OR, RR y HR, o en 0 para medidas de diferencia como MD y SMD. Si el intervalo de confianza de un estudio cruza esa línea, su resultado por sí solo no es estadísticamente significativo. El tamaño del cuadrado refleja el peso del estudio en la estimación combinada.
El rombo inferior es el efecto combinado de todos los estudios, y su anchura equivale al intervalo de confianza combinado; en última instancia, la mayoría de las preguntas sobre interpretación de forest plots se reducen a leer correctamente este elemento.
Cambia entre OR, RR, HR, MD y SMD desde un único menú desplegable. El generador de forest plots elige automáticamente un eje logarítmico con la línea de nulidad en 1.0 para medidas de razón, o un eje lineal con la línea de nulidad en 0 para medidas de diferencia.
Etiqueta cada estudio con una etiqueta de subgrupo y el generador agrupa automáticamente los ensayos relacionados bajo un encabezado común; útil para comparar niveles de dosis, duración del seguimiento o diseño del estudio dentro de un mismo gráfico.
Deja el campo de peso en blanco y este generador de forest plots lo calcula mediante ponderación por varianza inversa a partir de la anchura del IC de cada estudio; después escala cada cuadrado para que su área refleje la contribución de ese estudio al resultado combinado.
Así se crea un forest plot a partir de una lista de tamaños del efecto de los estudios, desde elegir la escala adecuada hasta exportar el gráfico final.
Añade una fila por estudio con su nombre y, a continuación, elige OR, RR, HR, MD o SMD en el menú de tipo de efecto; esto determina si el gráfico usa una escala logarítmica o lineal y dónde se sitúa la línea de nulidad.
Escribe la estimación puntual junto con el límite inferior y superior de su IC del 95% para cada estudio. Deja la columna de peso en blanco y el generador la calculará automáticamente a partir de la anchura del IC.
Etiqueta los estudios con una etiqueta de subgrupo para agrupar los ensayos relacionados bajo un mismo encabezado y, a continuación, completa el tamaño del efecto general y el CI para que el diamante combinado se muestre en la parte inferior del gráfico.
El forest plot se redibuja mientras escribes. Cuando los cuadrados, los intervalos de confianza y el diamante se alineen como esperas, descarga el gráfico como SVG para seguir editándolo o como PNG para enviarlo directamente.
Respuestas a las preguntas que los investigadores hacen con más frecuencia sobre cómo leer y crear forest plots.
Introduce los datos de tus estudios, revisa el gráfico ponderado y descarga una figura lista para enviar, todo en tu navegador.