【R语言】--- 森林图

基本简介

森林图(forest plot),一般是指在平面直角坐标系中,以一条垂直于X轴的无效线(通常坐标X=1或0)为中心,用若干条平行于X轴的线段,来表示每个研究的效应量大小及其95%可信区间,并用一个棱形来表示多个研究合并的效应量及可信区间,它是Meta分析中最常用的结果综合表达形式。实际上,除了Meta分析,森林图还有很多用处。森林图可以直观的反映出效应量(例如RR、OR、HR或者WMD)大小及其95% CI等。

基本用法

本篇文章利用ggplot2包进行绘制森林图(严格意义上应该叫meta分析效应量图),关于ggplot2的基本用法这里不在叙述。

示例

这里想用发表在SBB上的一篇meta分析文章(https://doi.org/10.1016/j.soilbio.2020.108118)中的图作为模板,进行绘制。

#清空工作台
rm(list=ls())
## 加载程序包
library(ggplot2)#作图
library(ggthemes)#主题
##建立数据集
dataset <- data.frame(
  Varnames = c("Tropical forest","Temperate forest","Boreal forest","All forest","Cropland","Grassland","Overall"),
  lnRR = c(0.9, 2, -0.3, 0.4, 0.5, -1.3, 2.3),
  Lower=c(0.55, 1.79, -0.08, 0.2, 0.28, -1.05, 2.01),
  Upper=c(1.05, 2.21, -0.42, 0.6, 0.62, -1.45, 2.5))
#转换为因子,设置排列顺序使用
dataset$Varnames<-factor(dataset$Varnames,levels= c("Tropical forest","Temperate forest","Boreal forest","All forest","Cropland","Grassland","Overall"))
#查看数据集
dataset
##作图
a<-ggplot(dataset, aes(lnRR, Varnames))+
  geom_point(size=5,color = "orange")+
  geom_errorbarh(aes(xmax =Upper, xmin = Lower),size= 1,height = 0.1, colour = "orange") +
  scale_x_continuous(limits= c(-2.5, 2.5))+
  geom_vline(aes(xintercept = 0),color="gray",linetype="dashed", size = 1.5) +
  xlab('Effect size (lnRR) ')+ 
  ylab(' ')+
  theme_few()+
  theme(axis.text.x = element_text(size = 14, color = "black"))+
  theme(axis.text.y = element_text(size = 14, color = "black"))+
  theme(title=element_text(size=14))+
  geom_hline(aes(yintercept = 6.5), colour = "gray", 
             linetype = "dashed", size = 0.5)+#画横线
  geom_hline(aes(yintercept = 4.5), colour = "gray", 
             linetype = "dashed", size = 0.5)+#画横线
  geom_hline(aes(yintercept = 3.5), colour = "gray", 
           linetype = "dashed", size = 0.5)+#画横线
  annotate("text", label = "QM=5.85, P=0.018",###添加注释文字1
    x = 1.69, y = 3.3, size =4.5, colour = "black")+
  annotate("text", label = "QM=0.85, P<0.01",###添加注释文字2
           x = 1.69, y = 4.3, size =4.5, colour = "black")+
  annotate("text", label = "QM=5.85, P=0.000",###添加注释文字3
           x = 1.6, y = 6.3, size =4.5, colour = "black")+
  annotate("text", label = "QM=10.88, P<0.0001",###添加注释文字4
           x = 1.49, y = 7.4, size =4.5, colour = "black")+
  annotate("text", label = "***",###添加注释文字1
           x = 1.3, y = 0.98, size =6, colour = "black")+
  annotate("text", label = "***",###添加注释文字2
             x = 1.55, y = 1.95, size =6, colour = "black")+
  annotate("text", label = "***",###添加注释文字3
           x = -0.7, y = 2.95, size =6, colour = "black")+
  annotate("text", label = "***",###添加注释文字4
           x = 0.9, y = 3.95, size =6, colour = "black")+
  annotate("text", label = "***",###添加注释文字5
           x = 0.90, y = 4.95, size =6, colour = "black")+
  annotate("text", label = "***",###添加注释文字6
           x = -0.7, y = 5.95, size =6, colour = "black")+
  annotate("text", label = "***",###添加注释文字7
           x = 1.75, y = 6.95, size =6, colour = "black")
#查看图a
a

再把图a复制一张

b<-ggplot(dataset, aes(lnRR, Varnames))+
  geom_point(size=5,color = "orange")+
  geom_errorbarh(aes(xmax =Upper, xmin = Lower),size= 1,height = 0.1, colour = "orange") +
  scale_x_continuous(limits= c(-2.5, 2.5))+
  geom_vline(aes(xintercept = 0),color="gray",linetype="dashed", size = 1.5) +
  xlab('Effect size (lnRR) ')+ 
  ylab(' ')+
  theme_few()+
  theme(axis.text.x = element_text(size = 14, color = "black"))+
  theme(axis.text.y = element_text(size = 14, color = "black"))+
  theme(title=element_text(size=14))+
  geom_hline(aes(yintercept = 6.5), colour = "gray", 
             linetype = "dashed", size = 0.5)+#画横线
  geom_hline(aes(yintercept = 4.5), colour = "gray", 
             linetype = "dashed", size = 0.5)+#画横线
  geom_hline(aes(yintercept = 3.5), colour = "gray", 
             linetype = "dashed", size = 0.5)+#画横线
  annotate("text", label = "QM=5.85, P=0.018",###添加注释文字1
           x = 1.65, y = 3.3, size =4.5, colour = "black")+
  annotate("text", label = "QM=0.85, P<0.01",###添加注释文字2
           x = 1.69, y = 4.3, size =4.5, colour = "black")+
  annotate("text", label = "QM=5.85, P=0.000",###添加注释文字3
           x = 1.6, y = 6.3, size =4.5, colour = "black")+
  annotate("text", label = "QM=10.88, P<0.0001",###添加注释文字4
           x = 1.49, y = 7.4, size =4.5, colour = "black")+
  annotate("text", label = "***",###添加注释文字1
           x = 1.3, y = 0.98, size =6, colour = "black")+
  annotate("text", label = "***",###添加注释文字2
           x = 1.55, y = 1.95, size =6, colour = "black")+
  annotate("text", label = "***",###添加注释文字3
           x = -0.7, y = 2.95, size =6, colour = "black")+
  annotate("text", label = "***",###添加注释文字4
           x = 0.9, y = 3.95, size =6, colour = "black")+
  annotate("text", label = "***",###添加注释文字5
           x = 0.90, y = 4.95, size =6, colour = "black")+
  annotate("text", label = "***",###添加注释文字6
           x = -0.7, y = 5.95, size =6, colour = "black")+
  annotate("text", label = "***",###添加注释文字7
           x = 1.75, y = 6.95, size =6, colour = "black")
#拼图
#加载组合多图所需包
library(patchwork)
#组合a和b两张图并分别把小图给命名a和b
c<-(a+b)+ plot_annotation(tag_levels = 'a')
#查看结果
c

参考文献

[1] https://zhuanlan.zhihu.com/p/340207465
[2] Feng, J. G., Zhu, B., 2021. Global patterns and associated drivers of priming effect in response to nutrient addition. Soil Biology and Biochemistry 153, 108118. https://doi.org/10.1016/j.soilbio.2020.108118.

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 206,839评论 6 482
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 88,543评论 2 382
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 153,116评论 0 344
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 55,371评论 1 279
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 64,384评论 5 374
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,111评论 1 285
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 38,416评论 3 400
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,053评论 0 259
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 43,558评论 1 300
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,007评论 2 325
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,117评论 1 334
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,756评论 4 324
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 39,324评论 3 307
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,315评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,539评论 1 262
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 45,578评论 2 355
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,877评论 2 345

推荐阅读更多精彩内容