# Studien poolen und den Forest-Plot zeichnen

> Laden Sie eine Tabelle hoch, eine Zeile pro Studie. Yila berechnet die Effektstärken, passt ein Random-Effects-Modell an, zeichnet den Forest-Plot mit Heterogenitätsmaßen und prüft eine Moderatorvariable, samt R-Skript zur Reproduktion.

URL: https://yila.ai/de/playbooks/forest-plot

## Das erhalten Sie

- **Forest-Plot** (PNG + SVG): Jede Studie mit ihren Ereignis- und Gesamtzahlen, ihrem Gewicht und ihrem Schätzer auf logarithmischer Achse, dazu die Raute des gepoolten Effekts, das Prädiktionsintervall und die Zeile mit den Heterogenitätsmaßen.
- **Bubble-Plot** (PNG + SVG): Die Metaregression auf Ihre Moderatorvariable: jede Studie als Punkt, mit der angepassten Geraden und ihrem 95-%-Konfidenzband.
- **Ergebnistabelle** (CSV): Schätzer, Konfidenzintervalle und Gewichte je Studie, der gepoolte Schätzer mit seinem Prädiktionsintervall sowie die Koeffizienten der Metaregression.
- **Das Skript** (R-Skript): Die vollständige Analyse in R mit metafor, sodass Gutachter jede Zahl aus Ihrer Tabelle nachrechnen können.

## So funktioniert es

1. **Studientabelle hochladen und Effektmaß nennen**: Geben Sie Yila eine Zeile pro Studie: Ereignisse und Gesamtzahlen pro Arm oder eine Effektstärke mit ihrem Standardfehler. Sagen Sie, welches Effektmaß gepoolt werden soll und welches Studienmerkmal Unterschiede erklären könnte.
2. **Yila prüft die Tabelle und stellt das Modell auf**: Yila liest die Spalten, berechnet die Effektstärken und passt das Random-Effects-Modell an. Geben Sie an, wie jeder Arm kodiert ist (Fälle und Nicht-Fälle oder Fälle und Gesamtzahl), damit die Gruppengrößen stimmen; Studien ohne Ereignisse werden ausgewiesen, nicht stillschweigend korrigiert.
3. **Abbildungen, Tabelle und Skript erhalten**: Forest-Plot und Bubble-Plot werden gerendert, auf Überlappungen geprüft und mit der Ergebnistabelle und dem Skript gespeichert. Subgruppen, einen Funnel-Plot oder einen anderen Schätzer können Sie im selben Gespräch anfordern.

## Geeignet für

- **Ein systematisches Review**: Der zentrale Forest-Plot und die Heterogenitätsmaße, die ein Review nach PRISMA berichtet, fertig für den Ergebnisteil.
- **Ein Kapitel der Abschlussarbeit**: Eine gepoolte Analyse, deren Skript und Ergebnisse die Prüfungskommission Zeile für Zeile nachvollziehen kann.
- **Eine veröffentlichte Metaanalyse überprüfen**: Berechnen Sie den gepoolten Schätzer aus den Ereigniszahlen in ihren Tabellen nach, bevor Sie sie zitieren.

## Häufige Fragen

### Wie müssen meine Daten aussehen?

Eine Zeile pro Studie. Bei binären Endpunkten die Zahl der Ereignisse und die Zahl der Teilnehmenden (oder der Nicht-Ereignisse) in jedem Arm; bei stetigen Endpunkten Mittelwerte, Standardabweichungen und Stichprobengrößen; oder eine Effektstärke mit ihrem Standardfehler, falls Sie diese bereits haben. Geben Sie in der Anfrage an, wie die Spalten kodiert sind.

### Fixed-Effect- oder Random-Effects-Modell?

Standardmäßig ein Random-Effects-Modell, geschätzt mit REML, weil sich Studien meist in Population und Design unterscheiden. Wenn Sie einen Grund für ein Common-Effect-Modell haben, fordern Sie es an; Yila berichtet dann beide.

### Was sagen Q, I² und τ² aus?

Q testet, ob die Studien stärker voneinander abweichen, als durch Zufall zu erwarten wäre; I² ist der Anteil der Variation, der auf echte Unterschiede zwischen den Studien zurückgeht; τ² ist die Größe dieser Varianz zwischen den Studien auf der Effektskala. Das Prädiktionsintervall übersetzt τ² in den Bereich, den man für eine neue Studie erwarten würde.

### Lässt sich die Heterogenität erklären?

Ja, mit einer Metaregression auf eine Variable auf Studienebene wie geografische Breite, Dosis oder Jahr, dargestellt als Bubble-Plot. Bei wenigen Studien weist Yila darauf hin, wie wenig eine Metaregression beweisen kann.

### Relatives Risiko, Odds Ratio oder Mittelwertdifferenz?

Jedes Effektmaß, das metafor unterstützt: RR, OR und Risikodifferenz für binäre Endpunkte, Mittelwertdifferenz und SMD für stetige Endpunkte sowie weitere Maße wie Hazard Ratios aus berichteten Schätzern. Nennen Sie das Maß in der Anfrage.

### Kann ich Subgruppen oder einen Funnel-Plot ergänzen?

Ja, im selben Gespräch. Subgruppenschätzer, ein Funnel-Plot mit Egger-Test oder eine Leave-One-Out-Analyse werden in dasselbe Skript aufgenommen.

### Woher stammen die Beispieldaten?

Aus den 13 Studien zum BCG-Impfstoff, die Colditz et al. (1994) zusammengestellt haben und die das Open-Source-Paket metafor als dat.bcg mitliefert. Yila verwendet niemals Daten von Nutzern als Beispiele.

---

- [Studien poolen und den Forest-Plot zeichnen](https://yila.ai/de/playbooks/forest-plot)
- [llms.txt](https://yila.ai/de/llms.txt)
