Medizinische Forschungsmethoden · Forest Plots
Forest Plot lesen: Effektmaße, 95%-Konfidenzintervalle und Gesamteffekt
Einen Forest Plot in eine belegte Ergebnisinterpretation überführen Gewünschte Ausgaben / Lieferziel: Eine Prüftabelle der Effektmaße, ein Interpretationsentwurf und eine Liste offener Fragen.
Klären Sie zuerst jede Zeile, dann Effektmaß, Nullwert, Ergebnisrichtung und Konfidenzintervall, zuletzt Gesamteffekt und Heterogenität. Die Grafik zeigt Schätzungen und Unsicherheit, beweist allein aber weder Kausalität noch Qualität oder klinische Bedeutung.
Im Mittelpunkt stehen klassische Meta-Analyse-Forest-Plots in systematischen Übersichten. Kohortenmodelle und Untergruppen nutzen ähnliche Grafiken; Zeilen müssen keine unabhängigen Studien sein, ein Gesamteffekt kann fehlen. Nicht jede Grafik folgt denselben Regeln.
Lesen Sie Methoden, Ergebnisse und Legende zusammen. Der Auswahlleitfaden behandelt Einschluss, diese Seite berichtete Ergebnisse. Sie ist keine Rechenanleitung und erlaubt nicht, unterschiedliche Endpunkte, Zeitpunkte oder doppelte Studien direkt zusammenzufassen.
Eine konkrete Aufgabe mit RigorMed
Einen Forest Plot in eine belegte Ergebnisinterpretation überführen
Dies sind vorgeschlagene Eingaben und anzufragende Ausgaben, keine neue Ausführung, Kundenergebnisse oder Fertigstellungsgarantie.
Benötigte Materialien: Eine rechtmäßig zugängliche Arbeit, die Ergebnistabelle der Grafik als lesbarer Text, das Effektmaß und die Abbildungslegende.
Gewünschte Ausgaben / Lieferziel: Eine Prüftabelle der Effektmaße, ein Interpretationsentwurf und eine Liste offener Fragen.
Beispielanfrage
Erklären Sie ausschließlich anhand meiner lesbaren Text-Ergebnistabelle und Legende je Zeile Effektrichtung, 95%-Konfidenzintervall und Nullwert. Listen Sie unklare Studiendesigns oder Synthesemethoden getrennt auf und entwerfen Sie eine Interpretation für eine Forschungsbesprechung. Nicht bereitgestellte Zahlen nicht aus der Grafik ableiten.
Was noch geprüft werden muss
Prüfen Sie Nullwert 1 bei Verhältnismaßen und 0 bei Differenzmaßen. Ob das Intervall den Nullwert einschließt oder nicht, belegt nicht automatisch klinischen Nutzen, Kausalität oder Wirkungslosigkeit.
Fünf Schritte statt nur auf die Raute schauen
Frage und Zeileneinheit erkennen
Population, Vergleich, Endpunkt und Zeitpunkt prüfen; Studien, Modelle und Untergruppen unterscheiden. Mehrere Berichte derselben Studie, überlappende Populationen und Analysetypen im Original prüfen. Zeilenzahl ist nicht automatisch Zahl unabhängiger Studien.
Maß, Nullwert und Achse bestätigen
Verhältnismaße RR und OR haben meist Nullwert 1, Mittelwertdifferenz MD und standardisierte Differenz SMD meist 0. Verhältnisplots verwenden oft logarithmische Achsen: Teilstriche lesen, nicht gleiche Bildabstände interpretieren. Neue Etiketten machen unterschiedliche Maße nicht zusammenfassbar.
Richtung vor Größe prüfen
Ist der Endpunkt günstig oder schädlich? Vergleichsreihenfolge und Skalenrichtung klären. RR unter 1 bedeutet nicht immer Nutzen; das MD-Vorzeichen hängt von Einheit und Gruppenfolge ab. Links/rechts mit den Originaldefinitionen abgleichen.
Schätzung, Intervall und Gewicht zusammen lesen
Im klassischen Meta-Plot markiert das Quadrat den Punktschätzer, die Linie meist das 95%-Konfidenzintervall, seine Fläche das Modellgewicht, keinen Qualitätsscore. Tatsächliches Niveau prüfen. Keine Mehrheitszählung über Nullwertkreuzungen; große Quadrate sind nicht automatisch Studien mit geringem Bias.
Modell und Geltungsbereich prüfen
Mitte der unteren Raute ist üblicherweise der Gesamtschätzer, Breite sein Konfidenzintervall; Legende beachten. Fixed-Effect- oder Random-Effects-Verfahren, Vergleichbarkeit und Bias prüfen. Random Effects beschreibt einen mittleren Effekt, garantiert keine gleiche Richtung in allen Studien oder Populationen.
Mit der Referenzgruppe auch das Intervall umkehren
Schreiben Sie den ursprünglichen Vergleich als „A gegenüber B“ oder „A−B“, bevor Sie die Seite der Linie betrachten. Die zwei Zeilen sind unabhängige synthetische Lehrbeispiele, keine Studienergebnisse, Produktausführung oder neue statistische Analyse. CI bezeichnet hier jeweils ein 95%-Konfidenzintervall.
| Ursprünglicher Vergleich und Werte | Nach alleiniger Umkehr der A/B-Reihenfolge | Prüfgrund |
|---|---|---|
| A gegenüber B: OR 2.00; CI [1.25, 3.20] | B gegenüber A: OR 0.50; CI [0.3125, 0.80] | Kehrwert des positiven Verhältnisses: [L, U] wird [1/U, 1/L]; auch die Grenzen tauschen. |
| A−B: MD −2.0; CI [−3.5, −0.5] | B−A: MD +2.0; CI [0.5, 3.5] | Vorzeichen der Differenz umkehren: [L, U] wird [−U, −L]; Einheit beibehalten. |
Zuerst die Bedingungen prüfen: Endpunktdefinition, Zeitpunkt, Stichprobe, Effektmaß und Modell einschließlich Adjustierungsvariablen bleiben gleich; nur die Vergleichsreihenfolge ändert sich. Im OR-Beispiel gilt 2.00×0.50=1. Aus der alten Obergrenze 3.20 wird die neue Untergrenze 0.3125, aus der alten Untergrenze 1.25 die neue Obergrenze 0.80. Nur den Punktschätzer ohne Intervall oder Links-/Rechtsbeschriftung zu ändern führt zu Widersprüchen.
Gruppen zu tauschen ist nicht dasselbe wie „Ereignis“ durch „Nicht-Ereignis“ zu ersetzen. Bei Risiken 0.20 und 0.10 ist RR=2.00; für das Nicht-Ereignis ist RR=0.80/0.90≈0.889, nicht 0.50. Auch dies ist eine separate Lehrrechnung. OR nicht als RR interpretieren und OR, RR, HR, MD oder SMD nicht durch Umbenennen austauschen.
Einheiten gehören zur Zielgröße: kontinuierliche Exposition pro 1 Einheit, 10 Einheiten oder 1 Standardabweichung, MD-Skaleneinheit und Bedeutung höherer Werte festhalten. Ein Verhältnis pro 1 Einheit nicht einfach mit 10 multiplizieren, um eines pro 10 Einheiten zu erhalten. Zeilen mit anderen Einheiten oder Adjustierungen sind nicht dasselbe Ergebnis. Hier werden keine Modelle neu angepasst oder Expositionsschritte umgerechnet.
Eine Prüftabelle mit einem Schätzer je Zeile erstellen: Quellseite/Tabelle/Zeile; Endpunkt und Zeit; Effektmaß; Vergleichs-/Referenzgruppe; Expositionsschritt oder Einheit; Schätzer und CI; Modell/Adjustierung; Umrechnung und offene Punkte. Ursprungswerte und Begründung erhalten. Fehlendes als „nicht berichtet“ markieren, Zahlen nicht aus dem Bild erraten.
Die vorgeschlagene Anfrage ergänzen: „Ordnen Sie meine rechtmäßig nutzbare Text-Ergebnistabelle nach diesen Feldern. Markieren Sie nur Richtungs- oder Einheitenkonflikte, bewahren Sie Originalzahlen und erläutern Sie bedingte Umrechnungen sowie Prüffragen. Erfinden Sie keine Ergebnisse und führen Sie keine neue gepoolte Analyse aus.“ Jeden Punkt vor Besprechung oder Manuskript an der Quelle prüfen. Einheitliche Richtung beweist weder Zusammenfassbarkeit noch Kausalität oder klinische Bedeutung.
Vier häufige Elemente
Diese Bedeutungen gelten für klar beschriftete klassische Meta-Analysen. Andere Grafiken benötigen ihre eigene Legende und Methode.
| Element | Übliche Bedeutung | Beweist nicht |
|---|---|---|
| Vertikale Linie | Nullwert, häufig 1 oder 0 | Jedes Maß verwendet 1 oder links ist immer besser |
| Quadrat und Fläche | Punktschätzer und Studiengewicht im Verfahren | Mehr Fläche bedeutet höhere Qualität oder Kausalität |
| Horizontale Linie | Angegebenes Intervall, häufig 95% | Nullwert enthalten bedeutet gleiche Gruppen |
| Untere Raute | Gesamtschätzer und Intervall | Vorhersage für eine neue Studie oder Wirkung in allen |
Fehlen Maß, Einheit, Niveau oder Modell, bleibt dies ungeklärt und wird an der Quelle geprüft. KI darf es nicht aus der Optik ergänzen.
Synthetische Lehrwerte: den Bereich betrachten
Angenommen RR 0.80, 95% CI 0.60–1.06. Das Intervall enthält Nullwert 1 und ist mit Verhältnissen unter sowie etwas über 1 vereinbar. Es beweist weder Wirkungslosigkeit noch automatisch Nutzen; Endpunkt und Vergleichsrichtung prüfen. Es sind Lehrwerte, keine echte Studie oder Neuberechnung.
Ein separates Lehrbeispiel ist MD −2.0, 95% CI −3.5–−0.5, ohne 0. Für praktische Bedeutung braucht es weiterhin Einheit, Gruppenfolge, Kriterium eines wichtigen Unterschieds und Bias. Es ist nicht direkt mit dem RR vergleichbar oder zusammenfassbar. Auch ein Intervall ohne Nullwert belegt keine Kausalität.
Heterogenität und Vorhersageintervalle sind keine Nebensache
Variation mit Populationen, Interventionen oder Expositionen, Endpunkten, Methoden und Richtungen interpretieren. I² und τ² sind bei wenigen Studien unsicher: kein einzelner Schwellenwert entscheidet automatisch Modell, Zusammenfassung oder Qualität. Ein unauffälliger Heterogenitätstest beweist keine identischen Effekte.
Das Random-Effects-Konfidenzintervall beschreibt Unsicherheit des mittleren Effekts, nicht die ganze Streuung. Ein berichtetes Vorhersageintervall gesondert mit Methoden und Annahmen lesen: es beschreibt mögliche zugrunde liegende Effekte ähnlicher Studien. Wenige Studien oder unpassende Verteilungsannahmen erfordern Vorsicht; kein Patienten- oder neues Studienergebnis wird garantiert.
Fünf Prüfungen vor dem Schreiben
Grafikinterpretation mit Original und formalen Ausgaben verbinden:
- Sind Zeileneinheiten, Studien, Endpunkt, Vergleich und Zeitpunkt klar?
- Stimmen Maß, Nullwert, Achse, Einheit und Richtung überein?
- Sind Schätzungen, Niveaus, Gewichte und Modelle belegt?
- Sind Heterogenität, Bias und Anwendbarkeit statt nur Signifikanz erklärt?
- Stimmen Text, Tabellen und Legende, sind Beispiele gekennzeichnet?
Bei nur Abstract, unscharfem Bild oder fehlender Legende ungeprüfte Angaben nennen. Teilweises Lesen ist keine vollständige Bewertung oder klinische Beratung.
Häufige Fragen
Bedeutet Nullwertkreuzung keine Wirkung?
Sie beweist keine Wirkungslosigkeit. Das Intervall passt zum Nullwert und anderen Werten. Schätzung, Präzision, wichtige Unterschiede und Grenzen berücksichtigen, nicht nur binäre Signifikanz.
Eine Untergruppe kreuzt, eine nicht: unterscheiden sie sich?
Das folgt nicht daraus. Ein passender Unterschieds- oder Interaktionstest zur vorab festgelegten Frage ist nötig. Verschiedene gruppeninterne Signifikanz bedeutet nicht verschiedene Effekte zwischen Gruppen.
Beweist ein Forest Plot oder eine Raute hohe Review-Qualität?
Nein. Suche, Auswahl, Extraktion, Bias, Vergleichbarkeit und Synthese prüfen. Eine klare Grafik beweist nicht, dass diese Schritte richtig erfolgten.
Geprüfte Quellen
Die offiziellen Quellen wurden am 2026-10-09 / RigorMed: 2026-10-13 / 2026-10-22 geprüft; Bedingungen und Daten werden vor Veröffentlichung erneut geprüft.
- Cochrane Handbook Kapitel 10: Analyse und Meta-Analyse
Elemente, Gewichte, Heterogenität, Untergruppen und Vorhersageintervalle im Interventionsreview-Kontext.
- Cochrane Handbook Kapitel 15: Interpretation
Effekte, Konfidenzintervalle sowie statistische und praktische Bedeutung.
- Cochrane Handbook Kapitel 6: Effektmaße wählen und Schätzer berechnen
Abschnitte 6.1.2, 6.4.1 und 6.5.1: Vergleichsreihenfolge, Verhältnisse/Differenzen, Ereignisse und Skalenrichtung. Zahlenumrechnungen sind unabhängig aus Definitionen abgeleitete synthetische Lehrbeispiele, keine Studienergebnisse des Kapitels.
Mit einer konkreten Aufgabe beginnen
Einen Forest Plot in eine belegte Ergebnisinterpretation überführen
Übergeben Sie rechtmäßig nutzbare Materialien und die Beispielanfrage dieser Seite im Arbeitsbereich. Prüfen Sie vor der Bestätigung die Hinweise zu Materialien und Credits, dann die entstandenen Ausgaben.