作者：默思編輯部 發布：2026-09-09
森林圖（forest plot）是統合分析（meta-analysis）最經典的視覺化呈現方式，能讓讀者在同一張圖表中，一次檢視多篇相似研究的個別統計結果，以及整合後的總結統計量。
在森林圖中，每一篇納入統合分析的研究都以一個方框搭配一條水平線來呈現：方框代表點估計值，水平線則代表95%信賴區間，方框的大小則反映該篇研究在統合分析中被賦予的權重——樣本數愈大、精確度愈高的研究，方框通常也愈大。圖表最下方的菱形，則代表所有納入研究整合後的總體效果估計值，菱形的水平寬度同樣代表信賴區間的範圍。
統合分析納入的個別研究，往往是在不同方法、不同族群下執行的，這種差異可能造成統計結果的偏誤，這種現象被稱為異質性。異質性可以分為臨床異質性（研究對象、治療方式、結果指標的差異）與方法學異質性（研究設計與偏誤風險的差異），這兩類異質性最終會反映在治療效果評估的統計異質性上。
森林圖末端經常會附上一個稱為I²（I-squared）的統計量，這是相對值而非絕對值，代表整體變異中有多少百分比可歸因於真實的異質性，而非單純的抽樣誤差。一般而言，I²低於50%，代表納入研究之間的不一致程度落在可接受範圍內；若I²達到87%這類數值，則代表存在相當顯著的異質性，這時候讀者需要對這份統合分析的整合結果更加謹慎看待。
當I²數值偏高時，代表把這些研究直接合併計算出單一的總體效果估計值，可能掩蓋了不同研究之間實質存在的差異——這時候盲目相信森林圖底部那個看似精確的菱形數字，反而可能誤導臨床決策。研究者面對高異質性時，通常會進一步進行次族群分析，嘗試找出造成異質性的可能原因（例如不同劑量、不同病人族群），而不是逕自忽略這個警訊。
下次在閱讀一篇系統性回顧或統合分析時，除了關注菱形代表的整體效果估計值，也應該留意I²這個數字——如果研究作者刻意不呈現或輕描淡寫地帶過異質性指標，這本身就是一個值得留意的警訊。
正確判讀森林圖與異質性指標，是評讀系統性回顧品質的基本功，具備統計方法學背景、能協助臨床團隊正確解讀統合分析結果的研究人才，在實證醫學教育與臨床決策支援領域持續有專業需求。