Dr Fan's
0%

玩转森林图——forestploter包

Posted on In

之前和别人讨论过森林图相关的东西，这两天摸鱼正好看到了一个非常有趣的新R包，能够比较快地画出好看的森林图，感觉相见恨晚，分享给大家~后面附了完整代码和工程文件

前言

Meta分析的常客

提到森林图（forest plot）大家肯定不会陌生，或多或少都见过，它在Meta分析中必不可少，能够简单直观展现汇总的结果。下图就是NEJM上一张比较典型的森林图。

Schumacher M., Rücker G., Schwarzer G. (2014) Meta-Analysis and the Surgeon General’s Report on Smoking and Health. New England Journal of Medicine 370:186-188. doi: 10.1056/NEJMc1315315

forest-1

临床研究中的新应用

最近几年，在临床研究的论文中，它又用来作为亚组分析（Subgroup analysis）的展示（不同人群之间，如年龄，性别，疾病分期等亚组），其简洁美观受到了医学顶流期刊JAMA、BMJ、LANCET、NEJM的青睐，经常可以在各种RCT研究中看到。也有的研究在敏感性分析（Sensitivity analysis）的部分以森林图的形式呈现敏感性分析的结果（对缺失数据进行不同的填补方式，如末次结转，多重填补等）。例子太多了，柳叶刀官网随便打开篇文章就有森林图。

Marks D.I., Kirkwood A.A., Rowntree C.J., Aguiar M., Bailey K.E., Beaton B., et al. (2022) Addition of four doses of rituximab to standard induction chemotherapy in adult patients with precursor B-cell acute lymphoblastic leukaemia (UKALL14): a phase 3, multicentre, randomised controlled trial. The Lancet Haematology 9:e262-e275. doi: 10.1016/S2352-3026(22)00038-2

forest-2

然后有时候也能看到这种比较花里胡哨的，它本质上也是森林图，就是旋转了一下

Nyberg T., Ferguson N.M., Nash S.G., Webster H.H., Flaxman S., Andrews N., et al. (2022) Comparative analysis of the risks of hospitalisation and death associated with SARS-CoV-2 omicron (B.1.1.529) and delta (B.1.617.2) variants in England: a cohort study. Lancet (London, England). doi: 10.1016/S0140-6736(22)00462-7

forest-3

R语言代码及实战

简单介绍

之前我自己画森林图用的是forestplot包，它有个问题就是调整宽度挺不友好的，经常是R里面画好了以后还要拖到AI里做进一步美化，非常的麻烦，这次的新包很聪明的加了一列有宽度的空白区域，部分解决了这个问题。
R包作者是 Alim Dayim，他的Github首页 https://github.com/adayim，forestploter包的项目页 https://github.com/adayim/forestploter，项目页有详细的R包使用说明，本文代码基于作者简单修改。

完整文件代码

懒人可直接下载我的完整工程文件，点开直接跑就行，亲测可以运行 点击这里下载工程文件

准备工作

我的工作环境，R version 4.1.3，代码在RStudio中运行。
它提供的示例对没有R语言基础的人来说有点云里雾里，所以我简化了一下过程。点击这里，下载这个表格，用EXCEL打开，将你的数据按照以下Excel表格修改，然后还是保存为csv格式。
注意： 数据准备其实是最重要的，第一行列名更改一定要同步改代码，不然就跑不下去了

forest-3

#设置一下镜像，不然国内网速下不动
options("repos"=c(CRAN="http://mirrors.tuna.tsinghua.edu.cn/CRAN/"))
#安装R包
if(!require(forestploter))install.packages('forestploter',update = F,ask = F)
if(!require(grid))install.packages('grid',update = F,ask = F)
#读取刚刚保存的文件
data<-read.csv("mydata.csv")
#删除一些NA行，以及留空给森林图
data$Treatment <- ifelse(is.na(data$Treatment), "", data$Treatment)  #如果改了列名，将Treatment修改
data$Placebo <- ifelse(is.na(data$Placebo), "", data$Placebo) #如果改了列名，将Placebo修改
data$` ` <- paste(rep(" ", 20), collapse = " ")
data$`HR (95% CI)` <-data$HR

绘图开始

首先设置一下参数，我把它有的一些参数都列举出来了，平时其实可以不用都设置，根据喜好即可

# 森林图参数
tm <- forest_theme(base_size = 10,#字符大小
                   ci_pch = 19,#森林图可信区间展示形状
                   ci_col = "blue",#森林图可信区间展示颜色
                   xaxis_lwd = 1.0,#横坐标宽度
                   refline_lwd = 2.0,#无效线宽度
                   refline_lty = "dashed",#无效线类型
                   refline_col = "red",#无效线颜色
                   footnote_cex = 0.6,#脚注字体大小
                   footnote_fontface = "italic",#脚注字体样式
                   footnote_col = "#636363")#脚注颜色
# 简单点的设置如下
tm <- forest_theme(base_size = 10,#字符大小
                   refline_col = "red",#无效线颜色
                   footnote_col = "blue")

#绘图时一定要根据自己数据情况调整参数，比如X轴范围和分割点，每个人的差异会比较大
p <- forest(data[,c(1:3, 9:10)], #根据我们数据情况，展示的是1~3列和最后2列
            est = data$est, #HR值
            lower = data$low, #95%区间下限
            upper = data$hi, #95%区间上限
            sizes = data$se,#点估计框大小，用标准误映射
            ci_column = 4,#可信区间在第几列展示
            ref_line = 1,#X轴对应无效线，默认为1
            arrow_lab = c("Placebo Better", "Treatment Better"),#箭头标签
            xlim = c(0, 4),#X轴范围
            ticks_at = c(0.5, 1, 2, 3),#设置X轴分割点
            footnote = "示例数据，随意修改",#脚注内容
            theme = tm)

#展示
plot(p)
#保存成PDF格式
pdf("forestplot.pdf",height = 8,width = 8)
p
dev.off()

forest-4

简单美化一下，汇总列突出显示

tm <- forest_theme(base_size = 10,
                   # 置信区间点形状，线类型/颜色/宽度
                   ci_pch = 16,
                   ci_col = "#762a83",
                   ci_lty = 1,
                   ci_lwd = 1.5,
                   ci_Theight = 0.2, # Set an T end at the end of CI 
                   # 参考线宽/类型/颜色
                   refline_lwd = 1,
                   refline_lty = "dashed",
                   refline_col = "grey20",
                   # 垂直的线宽/类型/颜色
                   vertline_lwd = 1,
                   vertline_lty = "dashed",
                   vertline_col = "grey20",
                   # 填充和边框的摘要颜色
                   summary_fill = "#4575b4",
                   summary_col = "#4575b4",
                   # 脚注
                   footnote_cex = 0.6,
                   footnote_fontface = "italic",
                   footnote_col = "blue")
p <- forest(data[,c(1:3, 9:10)], #根据我们数据情况，展示的是1~3列和最后2列
            est = data$est, #HR值
            lower = data$low, #95%区间下限
            upper = data$hi, #95%区间上限
            sizes = data$se,#点估计框大小，用标准误映射
            is_summary = c(TRUE,rep(FALSE, nrow(data)-1)),  #这里是为了突出第一行菱形汇总
            ci_column = 4,#可信区间在第几列展示
            ref_line = 1,#X轴对应无效线，默认为1
            arrow_lab = c("Placebo Better", "Treatment Better"),#箭头标签
            xlim = c(0, 4),#X轴范围
            ticks_at = c(0.5, 1, 2, 3),#设置X轴分割点
            footnote = "示例数据，随意修改",#脚注内容
            theme = tm)
plot(p)

forest-4

这个R包还提供了一些编辑调整，全部加上效果如下。根据自己选择修改，也可以导出到AI里进一步调整，看个人习惯。

# 编辑第3行，设置为红色，斜体
g <- edit_plot(p, row = 3, gp = gpar(col = "red", fontface = "italic"))
# 分组信息加粗，需要根据自己数据行号调整
g <- edit_plot(g,
               row = c(2, 5, 10, 13, 17, 20),
               gp = gpar(fontface = "bold"))
# 加大标题
g <- insert_text(g,
                 text = "Treatment group",
                 col = 2:3,
                 part = "header",
                 gp = gpar(fontface = "bold"))
# 表头下面加下划线
g <- add_underline(g, part = "header")
# 将第五行的背景色整成绿色的
g <- edit_plot(g, row = 5, which = "background",
               gp = gpar(fill = "darkolivegreen1"))
# 第10行直接加入文字
g <- insert_text(g,
                 text = "This is a long text. Age and gender summarised above.\nBMI is next",
                 row = 10,
                 just = "left",
                 gp = gpar(cex = 0.6, col = "green", fontface = "italic"))

plot(g)

forest-4