Stata的森林图是meta分析最核心的出图环节。很多人跑完数据，直接敲一下forestplot就把图导出了，结果图上要么文字挤成一团，要么置信区间灰扑扑的看不出显著性，要么亚组之间的间距乱得根本没法放到论文里。说实话，Stata默认的森林图能看，但离"能发表"还有不小差距。我自己在帮临床团队做网状meta分析和常规meta分析的时候，在森林图定制上踩过不少坑，所以这篇把涉及个性化定制和高级技巧的部分系统整理一下，按从基础到进阶的顺序展开，内容全部基于可复现的命令和参数。

这篇文章适合所有用Stata做meta分析的人，尤其是准备投稿、对图片质量有硬性要求的朋友。无论你是刚学会metan，还是已经在用meta套件，下面的内容都能直接抄作业。

1. 整体设计思路：为什么默认森林图不够用

1.1 默认图的短板在哪里

Stata的森林图命令默认输出虽然逻辑正确，但离出版标准至少有这几点距离:

• 图例和轴刻度经常被自动省略或压缩，读者根本看不出效应量坐标的真实区间
• 亚组分析时，默认的组间分隔非常弱，只有一条细线，分不清主效应和亚组效应
• 点估计符号、置信区间线条的粗细和颜色固定，灰度印刷或色盲读者识别困难
• 文字标签（作者、年份、权重）多的时候，图右侧会溢出，字体重叠
• 把图导出成TIFF或EPS时，分辨率、字体嵌入经常出问题

真正的问题在于，默认命令把"计算结果的正确性"放在第一位，把"展示效果"放在了次要位置。如果你需要直接把图放进论文或PPT里，必须在绘图参数层面做大量微调。

我自己在实战中体会很深的一点是：森林图的定制并不是"美化"，而是"信息分层"。图的核心信息有三个层级——效应量和置信区间、各研究的权重、亚组或整体合并结果。默认图通常只把前两项画清楚，第三项经常被弱化。所以定制思路应该围绕"如何让不同信息层级在视觉上各有归属"来展开。

1.2 定制前必须确认的命令体系

在做任何定制之前，先确认你用的是哪套命令。Stata的森林图命令体系有过一次明显迭代：

如果你还在用metan，建议逐步迁移到官方的meta系列命令。原因不只是图形选项更丰富，更重要的是后续做亚组分析、meta回归、累积meta分析时，可以直接复用meta set建立的数据结构。绘图之前先把数据用meta set声明好，后面所有图形定制都在同一套数据结构上操作，避免反复转换数据格式带来的错位问题。

2. 基础图形构件的个性化定制

2.1 控制点估计与置信区间的视觉层次

森林图最重要的视觉要素就是点估计的标记（通常是小方块）和表示置信区间的横线。默认设置下，Stata会将所有研究用同一种颜色和同一种大小标记出来，这在研究数量多或亚组嵌套时会显得非常平。

通过meta forestplot可以这样定制：

meta forestplot, point_size(2.5) // 点估计标记尺寸 point_color(navy) // 点估计颜色 ci_color(black) // 置信区间线条颜色 ci_width(2) // 置信区间线条粗细 null_line_color(gs8) // 无效线颜色（OR=1或RR=1位置） null_line_width(0.6)

这里的逻辑是用颜色和线宽把"单个研究"和"合并效应"区分开。实际操作中，我一般会把单个研究的点估计设成小尺寸灰色，把合并结果设成大尺寸深色，这样读图时视线会自然落到合并结果上。

还有一个小细节：如果做的是OR值的meta分析，null_line会画在1的位置；做MD或SMD时，无效线在0的位置。默认的无效线是一条黑色竖线，但如果你有多个亚组，且想突出不同的效应方向，可以把无效线改成虚线或浅灰色，降低它对主视觉的干扰。

meta forestplot, null_line_pattern(dash) null_line_color(gs10)

2.2 坐标轴范围的自定义与刻度策略

Stata在森林图里自动计算x轴范围时，偶尔会把个别置信区间特别宽的研究拉得很大，导致其余研究的区间缩成一团。这种情况在纳入研究异质性高时非常常见。

有两种解决思路：

• 调整坐标轴范围，牺牲极端值，保住多数研究的展示效果
• 保留坐标轴范围，但把极端值的研究单独标注"超出范围"的箭头标记

先看第一种：

meta forestplot, xrange(0.2 2.5) xlabel(0.2 0.5 1 2 2.5)

xrange指定坐标轴的下限和上限，xlabel则控制显示在坐标轴上的刻度位置。注意如果数据中有置信区间超出这个范围，Stata不会报错，但图上会有一段被截断。你要自己判断是否接受这种处理。

第二种思路更严谨些，适合审稿人较真的情况。可以用plot选项里的偏移功能把超界研究单独放一行，并加注"CI extends beyond axis"之类的说明。具体做法是提前算好哪些研究的区间超界，在meta forestplot的eform和subgroup之外，再配合notes()手动补充标注。

导出图的清晰度，也在这一阶段一起考虑。Stata图形窗口里的默认大小是合适屏幕预览的，但投稿时通常要求8-15cm宽的图。导出的参数我会放在第4节详细讲，这里先记住一个原则：坐标轴字体大小（建议12号以上）、点估计大小和置信区间线宽，必须按导出的物理尺寸来设定，而不是按屏幕显示的默认比例。

3. 亚组分析与标签绘制的进阶操作

3.1 亚组分析中的分组视觉分隔

亚组分析在临床meta分析里几乎是标配。用metan做亚组分析会直接在下方给出"Test of ES=1"等字样，但排列比较死板。在meta套件下，亚组分组的定制灵活很多。

基本命令：

meta forestplot, by(study_type fixed) // 按变量分组，固定效应合并

如果想同时展示每个亚组的合并效应，以及所有研究的总合并效应，可以在meta forestplot中使用by()配合pool选项实现：

meta forestplot, by(subgroup random) pool(all)

pool(all)会在每个亚组下方输出该亚组的合并菱形，再在整体底部输出总体合并结果，实现"亚组+总体"的层级展示。

实际操作中，亚组之间的间距控制很关键。默认情况下，Stata会用一行浅色横线分隔亚组，但这个分隔强度往往不够。需要修改对应图形组件的格式：

meta forestplot, by(subgroup) subgroup_line_width(1.2) subgroup_line_color(gs2)

还可以通过subgroup_label自定义亚组标签的展示格式，默认只显示变量值，可以改为"性别=男"之类的组合显示：

meta forestplot, by(sex) subgroup_label(sex_label)

sex_label是一个提前生成好的字符串变量，这样图上显示的就不是原始变量值(coded 0/1)，而是可读性强的自定义文本。

3.2 文字标签的个性化与排版控制

森林图两侧的文字区经常被忽略，其实这里是定制空间最大的区域。Stata允许通过lcols和rcols分别指定左侧和右侧展示哪些数据列。

假设你的数据里有作者、年份、样本量、效应量、置信区间、权重这些变量，这样设置能得到一个经典的布局：

meta forestplot, lcols(study_id year) rcols(es ci_es weight)

这里study_id是研究者姓名缩写，es是效应量的对数值，ci_es是字符串形式的置信区间文本，weight是研究权重。关键是es和ci_es通常不是数据里的原始变量，而是需要生成的显示字符串。开发者常犯的错误是直接把数值变量放到rcols()里，结果图上全是长小数，非常难看。

我自己通常在meta set之前先把这些显示变量生成好：

gen es_disp = string(es, "%6.2f") gen ci_disp = "(" + string(ll, "%6.2f") + ", " + string(ul, "%6.2f") + ")" gen w_disp = string(weight, "%4.1f")

然后绘图时用rcols(es_disp ci_disp w_disp)。这样图右侧的三列数字就是整齐的保留两位小数格式，整个图的质感立刻提升一个档次。

左侧文字列过多时，可以用text_size()和column_gap()控制字号和列间距。

meta forestplot, lcols(study_id year) text_size(80) // 相对大小，80表示默认字号的80% column_gap(2) // 列之间的距离

字体大小text_size用的是相对值，100为默认，小于100缩小，大于100放大。投稿要求压缩图片大小时，把text_size(90)和plotregion(margin(...))配合调整，可以避免左右文字被裁剪。

3.3 隐藏默认脚注、标题的另类用途

Stata森林图默认会在图上方生成一个标题，显示"Study"等字样，在底部生成各种检验统计量。有时这些默认文本显得冗余，可以用以下方式隐藏：

meta forestplot, title("") note("")

但想提醒一点：删除底部统计量有风险。审稿人通常希望图上能看到异质性I²、Q检验p值等信息。更好的做法是保留这些统计量，但将其格式化为更整齐的样式。

meta forestplot里有一个bootstrap选项，但存在显著的性能问题。我在处理超过40篇研究的meta分析时，完整bootstrap会非常慢。建议不要直接默认开启bootstrap，否则出图速度会慢到怀疑人生。基于我多年的临床协作经验，我倾向于在初始探索时关闭重采样选项，只在最终结果需要精确置信区间时启用。

如果需要把合并的I²、tau²这些指标放在图下方，可以用moke结合summary()手动构建文字。不过这个操作对Stata版本要求高，建议先跑一遍默认输出，看看哪些统计量已经自动显示，哪些需要手动补充，再决定是否增加。

4. 网状meta分析森林图的定制要点

4.1 网状meta与普通meta的绘图差异

网状meta分析里，森林图通常不只展示一个效应量，而是展示"所有干预两两比较相对某一共同参照"的效应量。此时森林图不再是简单的一行一研究，而是"一行一干预对比"。

用network套件时，常规流程是这样：

network set lnOR se, study(study) treatment(treat) network forest ALL

ALL会输出所有相对参照干预的对比结果。但真正需要定制的是图的顺序和显示内容。

默认情况下，network forest会按照干预名称的字母顺序排列，这通常不是你要的展示顺序。临床meta分析里，优先展示的是新干预相对标准治疗的对比，其次是各干预间的比较，最后才是参照组自身。调整方式有两种：

• 生成一个有序变量，控制treatment标签的因子顺序
• 使用network forest的特定排序选项

network forest ALL, sort(treat_order)

treat_order是一个按你要的展示顺序编码的变量。提前设置好排序编码，比事后手动重新整理图省力得多。

网状meta的森林图在网络图上展示多臂研究和两个臂间比较时，经常需要放大文字才能看清所有的比较。比较曲线上的每一条线都是有含义的，不能贪图清晰度而删掉某一部分。我处理这类图时，一般把图宽设为2000像素以上，再缩放导出来。

4.2 常用定制选项速查表

4.3 高级定制：合并特定干预比较

有时不想要网状meta全图，只希望森林图展示某几个特定对比，比如"新药A vs 安慰剂""新药B vs 安慰剂"。这样做缩小图幅、突出重点：

network forest A B C, ref(placebo)

这样会只显示A、B、C三种干预相对安慰剂的结果，不会把几十种干预的全网图铺出来。配合前面提到的sort()选项，可以进一步调整A、B、C在图上出现的上下顺序。

对于需要加入亚组变量的网状meta，可以这样操作：

network forest ALL, by(region)

这会按照region变量构建分面图，每个区域子图结构一致，方便对比不同地区之间的一致性和差异性。

5. 常见冲突与报错排查实录

5.1 置信区间显示为"缺失"

这种情况绝大多数不是数据错误，而是显示字符串变量生成了错误格式。检查string()函数的小数位数：

gen ci_disp = "(" + string(ll, "%6.1f") + ", " + string(ul, "%6.1f") + ")"

如果ll或ul是缺失值，这个字符串就会变成"(., .)"。出现缺失时，先检查原始数据里是否有缺失值，以及在meta set前是否已经drop掉没有完整数据的记录。个别研究的置信区间超宽，也会导致字符串长度超过Stata默认的短字符串存储长度，这种情况建议先tostring后检查长度。

5.2 图形导出后两侧文字被裁剪

这是最常被私信问的问题。屏幕上看好好的森林图，导出成PNG或TIFF后，作者名"Smith"变成了"Sm..."。原因是Stata图形导出时按照图形区域的物理宽度计算文字布局，而图形窗口里的显示宽度往往和导出尺寸不一致。

解决办法是显式指定导出时的宽度，并同时调整plotregion边距：

graph export "forest.tif", width(2400) replace

由于Stata不同版本对图形尺寸单位的解释不同，第一版导出后要立刻查看图的左右边缘是否有文字溢出。如果溢出，检查column_gap是否过大，以及text_size是否设置得过大。实际操作里，把column_gap从默认值降到80或60，往往就能解决左侧标签过宽压到图形区的问题。

5.3 权重列显示成小数且超出边界

权重列显示成小数是因为你直接放入了原始数值变量。解决方法是提前生成显示变量，限制小数位数。权重通常保留一位或两位小数就够了，用%4.1f格式。另外，如果权重数值较大（例如超过100），字符串宽度会变宽，需要同步增大对应rcols列的宽度限制，否则也会触发边界裁剪。

5.4 子组标签的默认值不显示

如果亚组变量的取值是数字0、1，但你希望图上显示"对照组"和"治疗组"，通过生成标签变量并按该变量排序实现，是个比较稳妥的做法。如果直接修改变量值标签，部分版本的meta forestplot会读取因子的显示标签正常显示，但部分版本会忽略标签，一直显示原始取值。所以最安全的方式是创建一个新的字符串变量，直接作为by选项的输入。

5.5 汇总的菱形没有出现

出现这个问题的位置通常在meta set的效应量选择上。如果meta set里声明的是es和se，而不是ll、ul和weight，Stata无法进行合并计算，也就画不出汇总菱形。确认一下meta set输入的是对数尺度下的效应量和标准误，还是原始尺度下的置信区间。前者更通用，对后续做meta回归、累积meta分析也友好。后者画图方便，但很多高级选项会失效。

6. 一个小技巧：用图例和标注提升论文档次

最后分享一个我踩了多次坑之后总结出来的小技巧。在森林图的中央图形区域，默认没有图例说明"方块代表点估计，横线代表95%置信区间，菱形代表合并效应"。这些信息审稿人默认你会懂，但为了让非专业读者也能快速理解，建议在图的左下角用text()手工添加一个简洁说明：

text(0.95 0.1 "Square: point estimate; line: 95% CI; diamond: pooled effect", placement(c) size(small) color(gs6))

这里placement(c)让文字居中，避免被图形边缘裁剪。颜色用灰色gs6是故意为之——不抢主图视线，又能让在读图的人第一时间获得图例解释。这个方法比修改图例选项难一点，因为需要精确估算文本在图中的相对坐标，但效果非常自然。

另外一个快速提升观感的操作是设置图形背景。

meta forestplot, graphregion(color(white)) plotregion(color(white))

论文投稿时白色背景是最稳妥的，不要用Stata默认的浅灰色背景。原因不仅是美观，更关键的是灰色背景在打印时会造成边缘色块不统一。这个设置可能在部分版本里是默认项，但显式写出来，万一换台电脑重跑数据时，设置不会悄悄丢失。

7. 图形导出的最终检查清单

根据我在多个投稿周期里的体感，整理了一份森林图导出前的检查清单：

• 点估计大小和置信区间线宽是否至少能在8cm宽的印刷图里清晰辨认
• 左右两侧的文字列是否完整显示，没有省略号或被截断
• x轴刻度范围是否符合效应量的实际范围，是否包含了无效线位置
• 图例和注释是否完整，颜色在灰度打印下的区分度是否足够
• 亚组标签和分界线是否清晰可见，不依赖屏幕彩色显示
• 随机效应模型下是否显示了预测区间，如果设定隐藏请确认理由
• 文件导出的分辨率是否满足投稿要求（一般不低于300dpi）
• 期刊是否要求同时提供可编辑矢量图，EPS或SVG格式准备好没有

meta forestplot的导出格式不复杂，常用命令是graph export，按需指定jpg、tif、eps、svg等格式。如果想在Word里继续微调，导出EMF或WMF格式更方便；如果要放进LaTeX，直接导出PDF或EPS。

graph export "forest_plot.tif", width(3000) replace graph export "forest_plot.eps", replace

有一个经验是：宽度3000像素在屏幕上看着很大，但实际印刷时8cm宽、300dpi分辨率只需要大约945像素就够了，所以3000像素导出的TIFF一定满足要求，而且在放大查看时也不会发现字体发虚。唯一要注意的是文件体积会比较大，投稿系统如果限制附件大小，可以考虑压缩或者降为2400像素。

说实话，Stata森林图的个性化定制没有太多高深的技术，关键在细节：数据列怎么显示、间距怎么调、颜色怎么选、导出的物理尺寸怎么定。把这些细节捋顺，你的森林图就能从"能看"变成"能发"。

就我个人经验而言，自打改用meta系列命令并把显示变量提前准备好之后，森林图的制作效率至少提升了一倍。以前每次都要对着metan的几十个选项来回试错，现在数据整理好，绘图命令基本是稳定的几行代码改一改就能跑。希望这篇内容能帮你少走点弯路，用最短的时间调出自己满意的森林图。