Transformez un tableau de tailles d'effet et d'intervalles de confiance en forest plot pondéré avec un losange d'effet combiné — sans macro de tableur, sans logiciel à installer.
| Étude | Taille d'effet | IC inférieur | IC supérieur | Poids % | Sous-groupe | Retirer l'étude |
|---|---|---|---|---|---|---|
Forest plots générés avec Figwise, couvrant différents types d'effet et dispositions de sous-groupes.
Un forest plot classique montrant les odds ratios de l'efficacité d'un médicament selon des sous-groupes à dose forte et à dose faible, avec pondération inverse-variance et losange combiné.
Réduction de la pression artérielle mesurée en différence moyenne en mmHg. Utilise un axe x linéaire avec la ligne de nullité à zéro.
Hazard ratios de survie globale issus d'essais phares en immunothérapie, présentés sur une échelle logarithmique avec pondération inverse-variance automatique.
Efficacité vaccinale contre l'hospitalisation, stratifiée par populations adulte et pédiatrique, avec le risque relatif comme mesure d'effet.
Un forest plot aligne les résultats de chaque étude d'une méta-analyse, une ligne par étude. Un carré marque l'estimation ponctuelle — l'odds ratio, le risque relatif, le hazard ratio ou la différence moyenne de l'étude — et la ligne horizontale qui le traverse représente l'intervalle de confiance à 95 %.
Une ligne pointillée de nullité se situe à 1,0 pour les mesures de rapport comme OR, RR et HR, ou à 0 pour les mesures de différence comme MD et SMD. Si l'intervalle de confiance d'une étude croise cette ligne, son résultat n'est pas statistiquement significatif à lui seul. La taille du carré reflète le poids de l'étude dans l'estimation combinée.
Le losange en bas représente l'effet combiné de toutes les études, sa largeur correspondant à l'intervalle de confiance combiné — c'est ce que la plupart des questions sur la lecture d'un forest plot reviennent à comprendre.
Basculez entre OR, RR, HR, MD et SMD depuis un seul menu déroulant. Le générateur de forest plot choisit automatiquement un axe logarithmique avec la ligne de nullité à 1,0 pour les mesures de rapport, ou un axe linéaire avec la ligne de nullité à 0 pour les mesures de différence.
Associez chaque étude à une étiquette de sous-groupe : le générateur regroupe automatiquement les essais liés sous un même en-tête — utile pour comparer les doses, la durée de suivi ou le plan d'étude dans un même graphique.
Laissez le champ de poids vide et cet outil de forest plot le calcule par pondération inverse-variance à partir de la largeur de l'IC de chaque étude, puis dimensionne chaque carré pour que son aire reflète la part de cette étude dans le résultat combiné.
Voici comment créer un forest plot à partir d'une liste de tailles d'effet, du choix de l'échelle appropriée jusqu'à l'exportation du graphique final.
Ajoutez une ligne par étude avec son nom, puis choisissez OR, RR, HR, MD ou SMD dans le menu du type d'effet — ce choix détermine si le graphique utilise une échelle logarithmique ou linéaire et où se situe la ligne de nullité.
Saisissez l'estimation ponctuelle ainsi que les bornes inférieure et supérieure de l'IC à 95 % pour chaque étude. Laissez la colonne du poids vide et le générateur le calcule automatiquement à partir de la largeur de l'IC.
Associez les études à une étiquette de sous-groupe pour regrouper les essais liés sous un même en-tête, puis renseignez la taille d'effet globale et son IC pour que le losange combiné s'affiche en bas du graphique.
Le forest plot se redessine au fur et à mesure de la saisie. Une fois que les carrés, les intervalles de confiance et le losange correspondent à vos attentes, téléchargez le graphique en SVG pour le modifier ou en PNG pour une soumission directe.
Réponses aux questions les plus fréquentes des chercheurs sur la lecture et la construction des forest plots.
Saisissez les données de vos études, vérifiez le graphique pondéré et téléchargez une figure prête pour soumission — le tout dans votre navigateur.