做Meta分析的时候，最让人头疼的其实不是文献筛选，也不是质量评价，而是最后把结果汇成图那一刻。数据整理好了、统计方法也定好了，一打开软件却不知道从哪里下手，尤其是森林图——它是审稿人第一个盯的图，也是很多人卡壳的地方。

我用RevMan画森林图已经好几年了，从RevMan 5.3一直用到现在的5.4与网页版，踩过不少坑，也总结出一套相对顺手的操作路径。这篇东西不是软件官方手册的翻译，而是按我自己实际的作图流程整理的，重点放在“为什么这么做”和“踩过的坑”上。想学森林图的临床医生、公卫研究生，或者刚接触系统评价的科研人员，都可以照着走一遍。

1. 整体设计与工具选型：为什么我推荐用RevMan画森林图

1.1 RevMan到底是什么，它能帮你做什么

RevMan全称Review Manager，是Cochrane协作网官方开发的系统评价制作软件，最核心的功能就是做Meta分析并生成森林图。它和Stata、R语言这类通用统计软件定位不一样，RevMan从立项那一刻起，就是为循证医学系统评价量身定制的。

对多数临床研究者来说，RevMan最大的价值在于它把文献管理数据录入、效应量合并、异质性检验、森林图绘制和偏倚风险评估打包在一个界面里。你不需要写一行代码，全部靠菜单点击和表格录入完成。尤其是Cochrane系统评价的选题，基本可以直接用RevMan的模板走完流程，从最开始的Protocol到最终的完整系统评价，软件都替你想好了模块。

我自己实测下来的感受是：RevMan的森林图模块对新手极其友好，它会自动计算每个研究的权重、效应量和置信区间，并根据你选择的效应模型自动合并结果。“录入数据-出图-调整”这个过程，熟练之后十分钟内就能完成。

1.2 和R、Stata相比，为什么先学RevMan

很多老手习惯用R或Stata做Meta分析，它们确实更灵活，能处理复杂网络Meta分析或剂量反应分析，但代价是必须会写代码。R里常用meta或metafor包，Stata里则是metan命令，参数和数据结构都得额外学一套。

RevMan的定位完全不同，它解决的是80%常规Meta分析场景：二分类数据、连续型数据、生存数据的效应量合并与图形展示。

我的建议很明确：如果是第一次做Meta分析，目标就是发一篇常规的系统评价或学位论文，直接学RevMan就够了。等以后遇到RevMan解决不了的特殊分析需求，再回头补R也不迟。先搞定一个能出结果的工具，比在多个工具间反复横跳有效得多。

1.3 森林图背后的统计逻辑，先看懂再动手点

很多教程上来就教“从哪里点击”，却不解释森林图每个元素代表什么。结果学员图是画出来了，但不会解读，放到论文里被审稿人一追问就露馅。

森林图本质上是把每项独立研究的效应量和置信区间画在同一坐标系里，然后按各研究权重合并出一个总效应。图上的每一条横线代表一个纳入研究的置信区间，横线上的方块是点估计值，方块大小代表该研究在合并中的权重占比，最下方的菱形是全部研究合并后的总效应量及置信区间。

中间那条竖线叫“无效线”，二分类数据下通常位于OR/RR/HR=1的位置，连续型数据则位于MD/SMD=0的位置。某研究的横线如果横跨无效线，说明这个研究自身的效应无统计学意义；而最终菱形如果整体位于无效线左侧或右侧，不跨越无效线，提示合并效应有统计学意义。

理解这一层，你操作的时候就不会瞎点。做数据分析前先明确两点：数据是二分类还是连续型，打算用固定效应模型还是随机效应模型。这两件事不定清楚，画出来的全是废图。

2. 画图之前必须搞懂的数据准备

2.1 从文献里提取哪些数据，全列给你

我发现很多人在RevMan里录数据录到一半卡住，根本原因不是操作不会，而是文献数据没提前整理好。到软件里才翻原文找数据，效率极低还容易出错。

录入RevMan之前，建议你先用Excel单独整理一张“数据提取表”。二分类数据要包含以下几列：研究名称（作者+年份）、试验组事件数、试验组总人数、对照组事件数、对照组总人数。连续型数据则要包含：两组各多少人、均数、标准差。

有一个基础但容易糊涂的点：事件数和总人数的区别。以“死亡”为例，事件数是研究期间死亡的人数，总数是这组全部参与分析的人数。RevMan界面上填的就是这两类数字，千万别把“事件”填成“非事件”，否则算出来的OR/RR方向直接反掉。

提示：把原始数据整理成表格时，建议顺手把提取数据的原文页码或段落标注出来。录入RevMan后如果数值有疑问，能快速溯源核对，这一步在投稿阶段会帮你省下大量返工时间。

2.2 效应量怎么选：OR、RR、HR、MD还是SMD

效应量的选择不是一个自由选项，它必须与研究设计和数据类型匹配。选错了，RevMan算出的合并结果会存在方向或解释上的问题。

对于随机对照试验（RCT）里的二分类结局，一般推荐用RR（相对危险度），因为RR更容易被临床医生理解。但如果是病例对照研究，则必须用OR，因为RR在该设计下无法直接计算。如果你做的是剂量-反应或观察性研究的效应合并，OR也有一定适用场景。

生存分析类的数据，比如“复发时间”“死亡时间”，要选HR（风险比），RevMan对这类数据的录入相对特殊，需要单独选择Time-to-event类型，在录入时有些细节需要注意，比如必须输入O-E、V值。这种情况我用得不多，就不展开误人子弟了。

连续型结局方面，当各研究对同一结局采用了完全相同的测量量表时，用MD（均数差）；当各研究用了不同量表（比如同为焦虑评分但一个用HAMA一个用BAI），必须用SMD（标准化均数差）。简单记忆法就是：单位一样用MD，单位或量表不一样直接用SMD。

2.3 新手最容易做错的3个数据录入操作

结合我自己和身边同事的经验，这3个数据录入错误出现的频次很高，每次都能直接导致森林图结果异常。

一是把试验组和对照组的数据填反。这种事发生得极为频繁，尤其当原文献的表格列顺序是“对照在先、干预在后”时，照抄就容易填反。填反之后RevMan不会报错，但森林图的效应方向会完全颠倒，原本显示干预有益的图会变成有害，这是新手里最危险的操作。

二是忽略方向一致性。有些量表的分数是“越高越好”，有些是“越低越好”。如果不同研究的测量方向相反，录入时就需要做方向转换，否则合并出来的效应量会被互相抵消。这一点在录入前就要判断清楚，不要等图出来了再怀疑软件算错了。

三是样本量填错。比如有的试验组实际纳入95人，但因为失访只分析了90人，此时应录入90还是95？绝大多数Meta分析默认采用“available case analysis”，也就是你提取的应该是实际参与分析的人数。建议在数据提取表中同时记录随机分组人数和分析人数，最后统一按你确定的规则录入，并在方法部分写清楚。

3. RevMan从零到森林图全流程实操

3.1 新建Review与模块选择

打开RevMan 5.4，界面上直接选择“New Review”，软件会弹出一个新系统评价的向导。第一个界面选择Review类型，一般做干预性系统评价就选“Intervention review”——这项操作直接决定了后续模块结构。

我给一个通用的套路：标题写清楚“干预+对照+人群+结局”的基本要素，例如“Exercise for chronic low back pain”这种格式即可。之后一路按默认选项点“Next”就行，向导里那些细化选项，比如“附加表格”“风险偏倚评估工具”，等到Review主体建好后再按需添加，不会影响森林图绘制。

Review建好之后，左侧是导航结构树（Outline pane），从上到下依次是Title、Protocol information、Main text、Tables、Studies and references、Data and analyses、Figures等。我们要做森林图，核心区域就在“Data and analyses”这里面。

注意：RevMan的界面语言是全英文的。第一次使用不要慌，你只需要记住几个关键词：Data and analyses（数据与分析）、Add Comparison（添加比较）、Add Outcome（添加结局指标）、Add Study Data（添加研究数据）。把这几个核心导航搞清楚，操作就已成功大半。

3.2 添加比较与结局指标，选对数据类型

在左侧导航树中找到“Data and analyses”，右键点击，选择“Add Comparison”，给比较起一个能看懂的名字，例如“药物A vs 安慰剂”。这个比较其实就是一张森林图的最上层框架，你的研究数据都会挂在它下面。

接着右键点击刚才建好的比较，选择“Add Outcome”，此时RevMan会问你结局的数据类型。这是整个操作流程中非常关键的一步，如果是二分类数据选“Dichotomous”，连续型数据选“Continuous”，生存数据选“Time-to-event”。

选错数据类型，后面的录入界面会完全不同。比如二分类结局让你填事件数和总数，而连续型结局让你填均数和标准差，这两者的森林图计算逻辑也完全不同，所以务必提前想清楚。

在Outcome名称处，最好按论文正文的结局命名方式填写，比如“死亡率”或“VAS评分变化”。下方的“Group Labels”可以设置两组名称，比如试验组叫“Exercise”，对照组叫“Control”，出图时这些标签会直接显示在森林图左侧。

3.3 录入研究数据，一步步来别急

Outcome建好之后，双击进入详细页面。下方面板会出现一个空表格，上方有一行工具栏按钮，其中有“Add Study Data”按钮。点击它，RevMan会弹出当前Review中已有的研究列表，选择要纳入这项结局分析的研究，点击OK。

选择研究时一次可以选多个，RevMan允许你同时把多项研究的空行都添加出来，然后逐个填数据。我习惯先把研究名称全部添加好，再对照Excel数据表统一录入，这样效率更高，也减少重复点击的次数。

数据录完后要点击工具栏上的“Forest plot”图标或直接右键选择“View”→“Forest plot”，结果区域会立即生成森林图。如果我选出的是二分类结局，默认方法通常是Mantel-Haenszel法；连续型则默认Inverse Variance法。这里不用过于纠结，RevMan会依据数据类型自动选择最常用的计算方法。

3.4 看完图还要会微调：效应模型和图形参数

图生成后第一件事不是截图，而是确认效应模型的设置。右键点击表格上方的Outcome名称，选择“Properties”，在“Analysis”标签页中可以看到“Effect Measure”和“Analysis Model”两项设置。

对于二分类结局，“Effect Measure”默认是OR，如果文章方法部分定了RR或RD，就在这里切换。接下来确定“Analysis Model”，RevMan提供两种：Fixed-effect固定效应模型和Random-effects随机效应模型。选择原则我会在下一节详细说明，这里你先记住：当异质性不显著（I² < 50%）时用固定效应，异质性较大时用随机效应。

图形显示也可以微调。双击森林图区域，弹出“Forest Plot Settings”，里面可以调整X轴范围（这取决于效应量数值范围）、横线显示的统计指标、留白大小，还可在“Labels”里丰富研究名称的展示样式。我做投稿图时通常会隐藏掉“SE”列，只保留研究名称、效应量、权重和置信区间这几列，画面更干净也更容易被期刊接收。

3.5 导出图片和打印：别用截图糊弄

图调整满意之后，导出方式有讲究。右键点击森林图→“Copy Special”，可以选择“Bitmap”或“Enhanced Metafile”格式，前者是位图，后者是矢量图。

我建议导出“Enhanced Metafile”，因为矢量图放到论文里任意缩放都不失真，审稿阶段放大看细节也清楚。粘贴到Word里后，再在Word里调整大小。如果你用的是RevMan Web网页版，可以直接点右上角的导出按钮，选择PNG格式下载，但清晰度往往会低于桌面版的矢量导出，投稿前需要换算一下像素是否达标。

提示：导出之前先检查森林图上方是否有多余的默认信息（比如“SE”列没隐藏、无效线标签重叠等）。这些问题在屏幕上看不明显，但打印出来就很显眼，我吃过几次亏，每次都要重出一遍。

4. 常见问题排查与避坑实录

4.1 森林图不显示或数据对不上，先查这4个地方

我接手过不少学生求助的问题，很多看起来奇奇怪怪的现象，最后追查下来都是小问题。整理成速查表，你按顺序排查即可。

4.2 异质性高到崩溃，效应模型到底怎么选

异质性检验几乎是Meta分析必问的问题。RevMan的森林图下方会自动显示Tau2、Chi2、df和I2这些指标。I2的解读比较简单：25%、50%、75%可粗略对应低、中、高异质性。当然这不是绝对标准，样本量小的Meta分析I2往往参考价值有限，需要结合森林图各研究横线的重叠程度一起判断。

异质性低时选择固定效应模型，前提是所有研究估计的是同一个真实效应量，观察到的差异主要来自抽样误差。但现实里干预措施在不同人群、不同剂量、不同随访时间下，真实效应大概率存在差异，此时随机效应模型更合理，它承认研究间存在真实差异，并把这种差异纳入权重计算。

我的习惯是：I2小于50%且临床异质性不明显时，用固定效应模型作为主要分析；I2大于50%时直接采用随机效应模型，并在论文里写明理由。如果异质性极大（比如I2超过75%），不要急着合并，先做亚组分析或敏感性分析，找出异质性的来源再决定是否合并。

4.3 关于“权重”的疑团：为什么大研究权重反而小

有些人在读森林图时会惊讶，为什么某个看起来样本量很大的研究权重反而不高。这背后的逻辑需要稍微懂一点统计学：RevMan计算权重时，不只是看样本量，而是看效应量的标准误。样本量大但事件率极端的试验，标准误未必就小。

对于固定效应模型中的M-H法，权重主要由各组事件数和总数决定；对于随机效应模型，则额外加入了研究间方差。这意味着同一个研究在不同模型下权重会变化，这是正常的。如果你发现某研究的置信区间特别宽，但权重却很高，通常说明这项研究提供的信息量在当前模型下确实较大，不必纠结于直觉判断。

4.4 投稿时森林图被退回，多半是图例和标注问题

我曾经有一篇文章，森林图在前三轮审稿都没问题，第四轮被提了个意见：图中缩写没有图例解释。这类细节非常容易被忽略，但影响很实际。

正文图注部分需要明确说明图中所有元素的含义，包括：方块代表每项研究的效应量点估计，横线代表95%置信区间，菱形代表合并效应量及其置信区间，竖线为无效线，权重为该研究在合并分析中的贡献比例。

另外，RevMan默认显示的统计量名称也要留意。比如二分类结局默认显示“Odds Ratio”，如果你的论文方法部分写的是RR，但图上是OR，审稿人一眼就能看出前后不一致。建议把“Properties”里的效应量改成与论文一致后再出图。

最后再说几句操作心得

我个人在实际操作中的体会是：RevMan这套软件的操作本身并不难，真正容易出错的反而在图前准备和结果解读。每次开始做图前，先花十分钟把以下三件事想清楚：数据类型选对没有，效应量选对没有，效应模型定了没有。这三件事想明白，你的森林图基本已经成功了80%。

另外，建议新手不要一上来就拿自己的数据练手，可以先用一篇已发表Meta分析的原始数据复现一下它的森林图流程。数据能对上、图形能复现，就说明你对整个流程的掌握已经过关，这时再处理自己的数据，底气会完全不一样。