森林图（Forest Plot）用于可视化比较多个研究结果的效应大小和置信区间，通常用于汇总和比较不同研究的结果，特别是在荟萃分析（Meta-Analysis）中。当然，我们之前构建过的Cox比例风险回归模型也可以用森林图展示结果。森林图提供了一种方式来呈现多个研究的数据，可以帮助我们更好地理解不同研究之间的一致性和差异性，以及整体效应的大小。

我们先介绍一下森林图，大家如果不需要的话，也可以跳过这部分直接去看代码实现部分哟！

提到森林图（Forest Plot），很多人的第一反应就是**荟萃分析（Meta-Analysis）分析。实际上，除了Meta分析，森林图还有很多用处，比如我们之前构建过的Cox比例风险回归模型**也可以用森林图展示结果哟！

森林图主要用于可视化比较多个研究结果的效应大小和置信区间（Confidence Interval，CI），通常用于汇总和比较不同研究的结果，它可以更直观地反映出效应量（例如RR、OR、HR或WMD等）大小及其95%CI，帮助我们更好地理解不同研究之间的一致性和差异性。我们在前面的看完还不会来揍/找我 | 基于 LASSO 回归筛选变量以构建预测模型 | 附完整代码 + 注释中的用法讲解部分有提到，很多文章都会进行单因素Cox回归 + Lasso回归 + 多因素Cox回归等步骤去筛选潜在的预测因子用于构建临床预测模型（当然还有其他各种排列组合方式），通过这些步骤我们就可以得到需要的效应量指标，之后就可以使用森林图对结果进行可视化啦！

总的来说，森林图主要用于Meta分析和临床实验。

补充小知识：RR、OR、HR、WMD

RR、OR、HR、WMD，它们都是常用于描述疾病风险、效应量或差异的统计指标：

RR（Risk Ratio）： 风险比，也称为相对风险（Relative Risk），用于比较两组人群中患病或经历某一事件的风险。它是两组中患病风险的比值，通常用于疫情研究和临床试验中。

公式：RR = (A / (A + B)) / (C / (C + D))

OR（Odds Ratio）： 概率比，用于描述两组中某一事件发生的几率之比。OR通常用于回顾性研究或病例对照研究，特别是在疾病罕见的情况下。

公式：OR = (A / B) / (C / D)

HR（Hazard Ratio）： 风险比率，通常用于生存分析（Survival Analysis）中，用于比较不同处理组或暴露组之间的事件（如死亡）发生风险的比率。HR衡量了不同组之间事件发生的速度或危险性。

HR的值小于1表示较低的危险，大于1表示较高的危险。

WMD（Weighted Mean Difference）： 加权均值差异，用于比较两组之间连续变量的差异，例如，两种治疗方法对患者血压的影响。WMD考虑了每个研究的样本大小，通过对差异进行加权来计算平均差异。

公式：WMD = Σ (weight_i * (mean_i_group1 - mean_i_group2))

这些统计指标在不同类型的研究中用于衡量效应大小或风险关系。研究设计和数据类型将决定选择哪种指标以及如何解释其结果。RR和OR通常用于疫情和病例对照研究，HR用于生存分析，而WMD用于比较连续性变量的差异。

下图就是一张普普通通平平无奇的森林图！

在生存分析的森林图中，通常使用线段来表示每个回归系数的置信区间，以及点来表示估计的风险比，而线段的长度可以表示置信区间的宽度。这有助于直观地比较不同因素对生存分析结果的影响。

咱们在后面的代码实战与结果解读部分再对森林图进行详解解读好不好！

接下来，我们进入大家最最最喜爱的部分！代码实战 + 结果解读！

要绘制多因素Cox回归的森林图，通常我们需要以下数据：

今天用到的数据，是咱们之前在看完还不会来揍/找我 | 构建 Cox 比例风险回归模型 | 绘制森林图 (forestplot) | 附完整代码 + 注释中得到的Cox回归结果，小伙伴们一定不想再苦哈哈跑前面的流程去获得数据对不啦！所以，我已经把直接可以用来进行今日份实战的数据上传到了GitHub，大家可以在公众号后台回复森林图，即可获得存放这些数据的链接。不过我在分享过程中也会把每一步的输入数据和输出结果进行展示，大家可以作为参考并调整自己的数据格式，然后直接用自己的数据跑，也是没有任何问题的！