Forest Plot är det absolut vanligaste sättet att illustrera resultat i meta-analyser. Den ger en bra överblick kring många av de viktigaste resultaten. I en Forest plot kan du utläsa följande information.

  • Alla värden från studien är justerade så att ingen skillnad mellan grupperna ger värdet 0. Så om någon punkt är vid 1 kg innebär inte det en faktisk ökning i 1 kg hos den gruppen i studien utan det innebär att resultatet var 1 kg bättre för den gruppen än den andra gruppen i den studien.
  • Till vänster ser du vilken studie som gäller (1)
  • Till höger om studiens namn, inne i själva grafen ser du en linje som visar tre saker
    1. Själva pricken på linjen är medelvärdet i den studien (2 och 3)
    2. Bredden på linjen visar konfidensintervallet. Detta är ett mått på hur stor spridningen har varit i resultat i den aktuella studien och värdena berättar inom vilket spann som du med 95 procent säkerhet kan säga att det verkliga medelvärdet kommer hamna.
    3. Storleken på pricken visar hur stor vikt studien har i själva meta-analysen. Fler deltagare i en studie innebär större vikt (jämför punkt 2 och 3)
  • Den sträckade linjen som går igenom hela grafen visar på nollpunkten (4). Alltså där det inte är någon skillnad mellan grupperna.
  • Alla studier vars linje för konfidensintervall som korsar den linjen har i sig själva inte påvisat någon signifikant skillnad mellan grupperna.
  • Den ihåliga romben visar summan av resultatet för en subanalys (6). I det här fallet visar den övre resultatet för yngre personer och den undre ihåliga romben visar resultatet för äldre personer.  Om romben är till höger eller vänster om mittlinjen (4) innebär det att resultatet är signifikant i den ena eller andra riktningen.
  • Den svarta romben visar på det totala resultatet för hela analysen (5). I det här fallet blev det alltså ett signifikant bättre resultat för proteingruppen.
Hur du tolkar en forest plot i en meta-analys
Hur du tolkar en forest plot i en meta-analys. 1) de inkluderade studierna. 2) Skillnaden mellan de två undersökta interventionerna eller interventionen och placebo. 3) Storleken på en prick visar på studiens tyngd i meta-analysen. Fler deltagare innebär större prick. 4) Den sträckade linjen representerar 0-värdet. Alla studier vars standardavvikelser korsar denna linje har i sig själv inte visat på något signifikant resultat. 5) Det slutliga resultatet i meta-analysen. Om pricken korsar nollpunkten är värdet icke signifikant. 6) Subanalys i meta-analysen. Punkten fungerar i övrigt som den punkt som anger slutresultatet.

Förutom de vanligare punkterna som jag tagit upp här ovanför finns det lite annat som också inkluderas i en forest plot då och då. Det är till exempel ganska vanligt att man lägger till värdena som man använt sig av för att rita ut värdena. Detta ger ju inte speciellt mycket extra information.

Många gånger kan man dock också få se de faktiska värdena för de två interventionerna i en tabell till höger eller vänster om själva forest ploten. Detta gör att man kan kan se hur stor förändringen verkligen är. I grafen här ovanför ser vi till exempel att protein ger en extra effekt med uppskattningsvis 200 µm. Detta säger inte särskilt mycket egentligen utan att man vet den verkliga effekten från interventionerna. Om den totala effekten är 1000 µm och 1200 µm så är det ju en ökning i effekt med 20 %. Men om den totala effekten istället varit 100000 µm och 100200 µm så är den extra effekten endast 0,2 %.

Det här är den vanliga typen av forest plot men du hittar varianter med lite olika beteckningar ganska ofta. Men förstår du bilden här ovanför kommer du med största sannolikhet även att förstå andra typer.

14 svar på “Hur du tolkar en forest plot i en meta-analys”
  1. […] Resultatet i meta-analysen som vi genomförde för nästan två år sen när den studie vi tidigare missat blev inkluderad. Tryck på bilden för att se den i full storlek. Det var ingen signifikant skillnad mellan dieterna. Om du vill veta hur du tolkar den här typen av graf kan du läsa inlägget Hur du tolkar en forest plot i en meta-analys […]

  2. […] En meta-analys från förra året som tittat på mortalitet hos vegetarianer jämfört med personer som äter kött fann att om man uteslöt studierna på sjundedagsadventister från analysen så kunde man inte se någon skillnad mellan de två grupperna (86). Skillnaden i risk för hjärt- och kärlsjukdom fanns dock fortfarande där. Här under kan du se forest-plotten från den meta-analysen. Vill du veta hur man tolkar den här typen av resultat kan du läsa här. […]

  3. […] I den första översiktsartikeln kom man fram till att fruktos kunde försämra insulinkänsligheten i levern samtidigt som det inte påverkade saker så som insulinnivåer i fastande, blodsocker och insulinresistens mätt med en teknik som heter HOMA (13). Alla resultaten i de här studierna redovisas med så kallade forest plots och du kan titta på graferna här. Om du inte vet hur man tolkar en forest plot så har jag skrivit om det tidigare i artikeln ”Hur du tolkar en forest plot i en meta-analys”. […]

  4. […] För dig som vet hur du tolkar en forest plot så kommer resultatet för meta-analysen här under. Det fanns endast flera studier när det gäller några få jämförelser så jag har inkluderat de som är lite mer intressanta här under. Vill du veta hur du tolkar en forest plot (en väldigt bra sak att kunna) så har jag skrivit en kortare artikel om det tidigare, Hur du tolkar en forest plot. […]

  5. […] vad de där konstiga graferna/diagrammen i bilden visar och du vill lära dig det så har jag en artikel om det på Träningslära som förklarar det mesta (bild 4). Dessa kallas för forest-plots och det är verkligen användbart att veta hur de fungerar […]

Lämna ett svar

Din e-postadress kommer inte publiceras. Obligatoriska fält är märkta *