統合分析森林圖怎麼看？權重、信賴區間、菱形與I²逐一判讀

森林圖要依序看五個元素：方塊（各研究效果與權重）、橫線（信賴區間）、無效線、菱形（合併估計值）與異質性指標；本文以真實的 BCG 疫苗 13 項試驗資料逐一示範判讀。

在系統性文獻回顧與統合分析論文中，統合分析森林圖（forest plot）幾乎是審查委員與讀者第一眼會看的圖。它把每一篇研究的效果量、不確定性、在合併時所占的份量，以及最後的合併結論壓縮在一張圖上。看懂它，才能判斷「合併結果到底可不可信」；畫得正確、報告完整，也是論文能否通過審查的關鍵之一。本文不重複文獻搜尋與篩選流程（請見研究生論文的系統性文獻回顧：實用操作指南），而是專注於「圖上每一個元素代表什麼」，並以一組公開、可重現的真實資料示範。

森林圖的五個組成元素

（1）方塊：每一列代表一篇研究，方塊的位置是該研究的點估計值（例如相對風險 RR、勝算比 OR 或平均差 MD）。（2）橫線：方塊左右延伸的線段是該研究的信賴區間，通常為 95%。線越短，代表估計越精確，多半來自樣本數較大或事件數較多的研究。（3）方塊大小：方塊面積代表該研究在合併時分到的權重，權重通常與變異數的倒數有關，所以精確的研究權重較大。（4）無效線：圖中的垂直實線代表「沒有差異」——比值型指標（RR、OR、HR）為 1，差值型指標（MD、SMD）為 0。若某研究的橫線跨過無效線，代表該研究單獨看時未達統計顯著。（5）菱形：最下方的菱形是合併估計值，菱形中心是合併效果，左右兩端是其信賴區間。

Cochrane 手冊第 10 章對這些元素有明確的定義，下面直接引用原文。

另一個常被忽略的細節是橫軸尺度。比值型指標應使用對數尺度，這樣 RR = 0.5 與 RR = 2 才會與無效線等距；若用線性尺度，保護效果看起來會被壓縮，有害效果則被放大。

實例判讀：BCG 疫苗預防結核病的 13 項試驗

以下使用 R 的 metafor 套件內附的 dat.bcg 資料集。這組資料取自 Colditz 等人 1994 年發表於 JAMA 的 BCG 疫苗統合分析（原文納入 14 項前瞻性試驗與 12 項病例對照研究），metadat 套件收錄其中 13 項比較接種組與未接種組結核病發生情形的試驗，是統計教科書與 metafor 文件常用的示範資料。我們以相對風險（RR）為效果量，分別以隨機效應模式（REML 估計）與固定效應模式合併，結果如下圖所示。

讀圖重點一：個別研究方向不一致。13 項研究中，多數方塊落在 1 的左側（接種組風險較低），但 TPT Madras 1980（RR 1.01，95% CI 0.89–1.14）與 Comstock et al 1976（RR 0.98）幾乎落在無效線上，Comstock & Webster 1969 甚至落在右側，且橫線很長、方塊很小，代表該研究事件數少、估計不精確。

讀圖重點二：合併結果。隨機效應模式的合併 RR 為 0.49（95% CI 0.34–0.70），菱形完全位於 1 的左側，可解讀為整體而言接種組的結核病風險約為未接種組的一半，且差異達統計顯著。這個數值與 Colditz 等人摘要中報告的試驗合併結果（RR 0.49，95% CI 0.34–0.70）一致，可作為重現分析是否正確的核對點。

讀圖重點三：預測區間跨過 1。圖中綠色橫線是 95% 預測區間（0.15–1.55）。它回答的問題不是「平均效果在哪裡」，而是「在一個類似的新情境中，真實效果可能落在哪裡」。預測區間跨過 1，表示雖然平均效果明確，但在某些情境下疫苗可能幾乎沒有效果——這正是異質性很高時必須提醒讀者的訊息。

異質性：I²、τ² 與預測區間怎麼看

森林圖上的異質性資訊通常寫在合併列旁邊。本例的 Cochran Q 檢定為 Q(12) = 152.23，p < .0001；I² = 92.2%；τ² = 0.31。三個指標意義不同：Q 檢定只回答「有沒有異質性」，但其檢定力取決於納入研究的數量（Higgins 與 Thompson 2002 年即指出此限制），Cochrane 手冊也提醒，研究少或樣本小時此檢定的檢定力偏低，不顯著不能當成「沒有異質性」；I² 表示總變異中有多少比例來自研究間的真實差異而非抽樣誤差（Higgins 與 Thompson，2002；Higgins 等，2003）；τ² 則是研究間真實效果的變異數，單位與效果量相同，可用來計算預測區間。

Cochrane 手冊第 10.10.2 節提供 I² 的粗略解讀區間：0%–40% 可能不重要；30%–60% 可能代表中度異質性；50%–90% 可能代表顯著異質性；75%–100% 為相當大的異質性。區間刻意重疊，手冊也強調 I² 的重要性還取決於效果的大小與方向，以及異質性證據的強度。因此本例 I² = 92.2% 落在「相當大」的範圍，論文中不能只報告一個合併 RR 就結束。

面對高異質性，應事先規劃並報告探討來源的分析。以本資料為例，我們以研究地點的緯度作為調節變項進行統合迴歸，緯度可解釋約 75.6% 的研究間變異（殘差 I² 降為 68.4%），緯度越高、保護效果越強。但只有 13 項研究，這類分析屬於觀察性質，應視為探索而非確證。Cochrane 手冊第 10.10.1 節也提醒：只有在研究的對象、介入與結果足夠同質、能產生有意義的摘要時，才應考慮進行統合分析。

固定效應與隨機效應：兩個菱形為何不同

圖中兩個菱形差異明顯：固定效應模式的合併 RR 為 0.65（95% CI 0.60–0.70），隨機效應模式為 0.49（95% CI 0.34–0.70）。依 Cochrane 手冊第 10.10.4.1 節，固定效應模式假設每項研究的真實效果完全相同；隨機效應模式則假設真實效果在研究間存在差異、（通常）呈常態分布。當研究間沒有異質性時，兩者結果相同；只要存在異質性，隨機效應合併估計值的信賴區間就會比固定效應寬。

差異的主要來源是權重。本例在固定效應模式下，大型的 TPT Madras 1980 試驗分到 41.4% 的權重，幾乎主導結果，而它的 RR 接近 1；改用隨機效應模式後，各研究權重被拉近，TPT Madras 只占 10.2%。因此固定效應的菱形較窄、也較靠近 1，隨機效應的菱形較寬，反映出研究間變異帶來的額外不確定性。

判斷原則：模式的選擇應依據研究設計與專業考量在研究計畫書中事先決定，而不是看哪一個結果比較顯著再選。若兩個模式結論方向不同，應在結果與討論中如實說明，並把它視為異質性或小型研究效應的警訊。

判讀與檢查的五步驟

不論是審閱別人的統合分析，還是檢查自己的圖，都可以依下列順序進行：

• 第一步：確認效果量與尺度。是 RR、OR、HR 還是 MD？無效線在 1 還是 0？比值型指標是否使用對數尺度？左右兩側分別代表「有利於哪一組」是否標示清楚？
• 第二步：逐列掃描個別研究。方向是否一致？有沒有橫線極長、方塊極小的研究？有沒有單一研究權重特別大（本例固定效應下單一研究超過四成）？
• 第三步：讀菱形。菱形是否跨過無效線？信賴區間的上下限在實務上代表什麼意義，而不只是 p 值是否小於 0.05。
• 第四步：讀異質性。報告 Q、I²、τ² 三者；I² 超過 50% 時，檢查是否有預先規劃的次組分析（subgroup analysis）或統合迴歸，並找出預測區間。
• 第五步：比較模式與敏感度分析。固定與隨機效應結論是否一致？移除權重最大或品質最差的研究後，結論是否改變？

若五步驟中任一步出現問題（例如 I² = 92% 卻只報告固定效應結果），就是審查委員最可能提出修改意見的地方。

寫進論文時的報告建議

森林圖下方的圖說應交代效果量、合併模式與 τ² 估計方法（例如 REML）、信賴區間水準，以及異質性統計量；正文則應同時報告合併估計值與信賴區間、I²、τ² 與預測區間，並說明異質性探討與敏感度分析的結果。繪圖方面，R 的 metafor 套件（Viechtbauer，2010）可用 forest() 函式直接畫出符合上述規範的森林圖，也能完成統合迴歸與敏感度分析，所有程式碼可附於補充資料以利重現。常見的統計報告疏漏也可參考論文中常見的統計報告錯誤與如何避免。

若您已完成資料萃取、需要協助選擇合併模式、繪製森林圖或撰寫結果段落，Editverse 臺灣的統計分析服務可依您提供的萃取資料表進行分析與圖表製作。我們只處理客戶自行提供、且有權分享的資料檔案，不會也無法存取任何醫院或機構的資料庫與帳號；分析結果的解讀與最終結論仍由研究團隊負責。

參考文獻

• Deeks JJ, Higgins JPT, Altman DG, McKenzie JE, Veroniki AA. Chapter 10: Analysing data and undertaking meta-analyses. In: Cochrane Handbook for Systematic Reviews of Interventions version 6.5. Cochrane; 2024. https://www.cochrane.org/authors/handbooks-and-manuals/handbook/current/chapter-10
• Colditz GA, Brewer TF, Berkey CS, Wilson ME, Burdick E, et al. Efficacy of BCG vaccine in the prevention of tuberculosis. Meta-analysis of the published literature. JAMA. 1994. PMID: 8309034
• Higgins JPT, Thompson SG, Deeks JJ, Altman DG. Measuring inconsistency in meta-analyses. BMJ. 2003. PMID: 12958120
• Higgins JPT, Thompson SG. Quantifying heterogeneity in a meta-analysis. Stat Med. 2002. PMID: 12111919
• Viechtbauer W. Conducting meta-analyses in R with the metafor package. J Stat Softw. 2010. DOI: 10.18637/jss.v036.i03
• metadat 套件. dat.bcg: Studies on the Effectiveness of the BCG Vaccine Against Tuberculosis. https://wviechtb.github.io/metadat/reference/dat.bcg.html

資料查核日期：2026-10-01。法規、費用與程序可能變動，引用前請回到原始來源再次確認。