forestplot（tabletext， graph．pos ＝4， hrzl＿lines ＝list（＂3＂＝gpar（lty＝2）， ＂11＂ ＝gpar（lwd＝1， columns＝c（1：3，5）， col ＝＂＃000044＂）， ＂12＂ ＝gpar（lwd＝1， lty＝2， columns＝c（1：3，5）， col ＝＂＃000044＂））， cochrane＿from＿rmeta，new＿page ＝TRUE， is．summary＝c（TRUE，TRUE，rep（FALSE，8），TRUE）， clip＝c（0．1，2．5）， xlog＝TRUE， col＝fpColors（box＝＂royalblue＂，line＝＂darkblue＂，summary＝＂royalblue＂，hrz＿lines ＝＂red＂））
＃ 添加标题forestplot（tabletext， graph．pos ＝4， title＝＂Hazard Ratio＂， hrzl＿lines ＝list（＂3＂＝gpar（lty＝2）， ＂11＂ ＝gpar（lwd＝1， columns＝c（1：3，5）， col ＝＂＃000044＂）， ＂12＂ ＝gpar（lwd＝1， lty＝2， columns＝c（1：3，5）， col ＝＂＃000044＂））， cochrane＿from＿rmeta，new＿page ＝TRUE， is．summary＝c（TRUE，TRUE，rep（FALSE，8），TRUE）， clip＝c（0．1，2．5）， xlog＝TRUE， col＝fpColors（box＝＂royalblue＂，line＝＂darkblue＂，summary＝＂royalblue＂，hrz＿lines ＝＂＃444444＂））
＃ 定义x轴forestplot（tabletext， graph．pos ＝4， title＝＂Hazard Ratio＂， hrzl＿lines ＝list（＂3＂＝gpar（lty＝2）， ＂11＂ ＝gpar（lwd＝1， columns＝c（1：3，5）， col ＝＂＃000044＂）， ＂12＂ ＝gpar（lwd＝1， lty＝2， columns＝c（1：3，5）， col ＝＂＃000044＂））， cochrane＿from＿rmeta，new＿page ＝TRUE， is．summary＝c（TRUE，TRUE，rep（FALSE，8），TRUE）， xlab＝＂ ＜－－－PCI Better－－－ －－－Medical Therapy Better－－－＞＂， clip＝c（0．1，2．5）， xlog＝TRUE， col＝fpColors（box＝＂royalblue＂，line＝＂darkblue＂，summary＝＂royalblue＂，hrz＿lines ＝＂＃444444＂））
＃ 取消对头2行和最后1行字体的特殊设置forestplot（tabletext， graph．pos ＝4， title＝＂Hazard Ratio＂， hrzl＿lines ＝list（＂3＂＝gpar（lty＝2）， ＂11＂ ＝gpar（lwd＝1， columns＝c（1：3，5）， col ＝＂＃000044＂）， ＂12＂ ＝gpar（lwd＝1， lty＝2， columns＝c（1：3，5）， col ＝＂＃000044＂））， cochrane＿from＿rmeta，new＿page ＝TRUE， is．summary＝c（rep（FALSE，11））， xlab＝＂ ＜－－－PCI Better－－－ －－－Medical Therapy Better－－－＞＂， clip＝c（0．1，2．5）， xlog＝TRUE， zero＝1， col＝fpColors（box＝＂royalblue＂，line＝＂darkblue＂，summary＝＂royalblue＂，hrz＿lines ＝＂＃444444＂））
示例代码②：需要定义亚组的数据
＃＃＃ 准备数据
library（forestplot）＃数据来源：https：／／www．r－bloggers．com／forest－plot－with－horizontal－bands／data ＜－ read．csv（＂forestplotdata．csv＂， stringsAsFactors＝FALSE）
head（data）＃ Variable Count Percent Point．Estimate Low High PCI．Group Medical．Therapy．Group P．Value＃ 1 Overall 2166 100 1．3 0．90 1．50 17．2 15．6 NA＃ 2 NA NA NA NA NA NA NA NA＃ 3 Age NA NA NA NA NA NA NA 0．05＃ 4 ＜＝ 65 1534 71 1．5 1．05 1．90 17．0 13．2 NA＃ 5 ＞ 65 632 29 0．8 0．60 1．25 17．8 21．3 NA＃ 6 NA NA NA NA NA NA NA NA
＃＃＃ 绘制森林图
＃＃ 简单森林图
＃ 构建tabletext，更改列名称，将 count 和 percent 合并np ＜－ ifelse（！is．na（data＄Count）， paste（data＄Count，＂ （＂，data＄Percent，＂）＂，sep＝＂＂）， NA）View（np）
＃ 写出将要在图中展现出来的文本tabletext ＜－ cbind（c（＂Subgroup＂，＂＂，data＄Variable）， c（＂No． of Patients （％）＂，＂＂，np）， c（＂4－Yr Cum． Event Rate PCI＂，＂＂，data＄PCI．Group）， c（＂4－Yr Cum． Event Rate Medical Therapy＂，＂＂，data＄Medical．Therapy．Group）， c（＂P Value＂，＂＂，data＄P．Value）View（tabletext）
＃＃绘制森林图forestplot（labeltext＝tabletext， graph．pos＝3， mean＝c（NA，NA，data＄Point．Estimate）， lower＝c（NA，NA，data＄Low）， upper＝c（NA，NA，data＄High）， boxsize＝0．5）
接下来要对森林图进行优化：
＃＃ 定义亚组subgps ＜－ c（4，5，8，9，12，13，16，17，20，21，24，25，28，29，32，33）data＄Variable［subgps］ ＜－ paste（＂ ＂，data＄Variable［subgps］）View（data）
png（filename ＝ ＂Forestplot．png＂，width＝960， height＝640）forestplot（labeltext＝tabletext， graph．pos＝3， ＃为Pvalue箱线图所在的位置 mean＝c（NA，NA，data＄Point．Estimate）， lower＝c（NA，NA，data＄Low）， upper＝c（NA，NA，data＄High）， title＝＂Hazard Ratio Plot＂， ＃定义标题 xlab＝＂ ＜－－－PCI Better－－－ －－－Medical Therapy Better－－－＞＂， ＃定义x轴 ＃＃根据亚组的位置，设置线型，宽度造成“区块感” hrzl＿lines＝list（＂3＂ ＝ gpar（lwd＝1， col＝＂black＂）， ＂7＂ ＝ gpar（lwd＝60， lineend＝＂butt＂， columns＝c（2：6）， col＝＂＃99999922＂）， ＂15＂ ＝ gpar（lwd＝60， lineend＝＂butt＂， columns＝c（2：6）， col＝＂＃99999922＂）， ＂23＂ ＝ gpar（lwd＝60， lineend＝＂butt＂， columns＝c（2：6）， col＝＂＃99999922＂）， ＂31＂ ＝ gpar（lwd＝60， lineend＝＂butt＂， columns＝c（2：6）， col＝＂＃99999922＂））， ＃fpTxtGp函数中的cex参数设置各部分字体大小 txt＿gp＝fpTxtGp（label＝gpar（cex＝1．25）， ticks＝gpar（cex＝1．1）， xlab＝gpar（cex ＝ 1．2）， title＝gpar（cex ＝ 1．2））， col＝fpColors（box＝＂＃1c61b6＂， lines＝＂＃1c61b6＂， zero ＝ ＂gray50＂）， ＃＃fpColors函数设置颜色 zero＝1， ＃箱线图中基准线的位置 cex＝0．9， lineheight ＝ ＂auto＂， colgap＝unit（8，＂mm＂）， lwd．ci＝2， boxsize＝0．5， ＃箱子大小，线的宽度 ci．vertices＝TRUE， ci．vertices．height ＝ 0．4） ＃森林图可信区间两端添加小竖线，设置高度dev．off（）
森林图怎么看：
（1）森林图中横短线与中线相交表示无统计学意义；
（2）95％ CI上下限均＞1，即在森林图中，其95％ CI横线不与无效竖线相交，且该横线落在无效线右侧时，说明该指标大于竖线代表的结局；
（3）95％ CI上下限均＜1，即在森林图中，其95％ CI横线不与无效竖线相交，且该横线落在无效线左侧时，说明该指标小于于竖线代表的结局。
（4）最后以菱形所在位置代表总体的评价结果。具体数据具体分析哈！
