フォレストプロットとメタアナリシス：実践ガイド
フォレストプロットは、各研究の効果量と信頼区間、そして統合推定値を示すダイヤモンドを描いた図です。研究どうしの結果が一致しているか、統合した効果がどれくらいの大きさかを一つの図で確認できます。このガイドでは、必要なデータ、固定効果と変量効果、異質性と小規模研究効果、そして LabTools で無料でプロットを描く方法を説明します。
このガイドの内容
8 件の研究のオッズ比と 95% CI。固定効果モデルによる統合オッズ比は 0.74（95% CI 0.68–0.80）です。 作例の全体を見る
フォレストプロットが示すもの
各行が 1 件の研究で、効果の推定値にマーカー、信頼区間に水平線が描かれます。縦の効果なしの線は、比（オッズ比、リスク比、ハザード比）では 1、差（平均差、標準化平均差、リスク差）では 0 の位置にあります。一番下のダイヤモンドは統合推定値を表し、その中心が統合した効果、幅が信頼区間です。
比は対数軸で描きます。オッズ比 0.5 は 2 と同じだけ効果なしから離れており、統合も対数スケールで行うためです。
必要なデータ
各論文で報告されている効果量と、その信頼区間の下限と上限を、1 研究 1 行で用意します。重みの列は任意です。重みがない場合は区間の幅から重み（逆分散）が計算されるので、精度の高い研究ほど大きく寄与します。
フォレストプロットの作例には、オッズ比を報告した 8 件の研究と、手順を追うためにダウンロードできる CSV があります。
固定効果か変量効果か
固定効果モデルは、すべての研究が一つの真の効果を推定しており、違いは偶然によるものだけだと仮定します。変量効果モデルは、真の効果が研究間でばらつくと仮定し、その分散（τ²）を推定して、より広く慎重な区間を与えます。対象集団、用量、デザインが研究ごとに異なる場合は、通常、変量効果を選ぶのが誠実です。両方のダイヤモンドを描けば、その選択がどれだけ結果に影響するかがわかります。
異質性は、Cochran の Q（研究間の不一致が偶然で説明できる範囲を超えているかの検定）、I²（ばらつきのうち真の違いによる割合、0〜100%）、τ²（研究間分散そのもの）でまとめます。
LabTools でフォレストプロットを作る
- Charts & Plots で Upload File をクリックして表（CSV または Excel）を読み込むか、Paste Data で貼り付けます。
- Chart チップで Forest Plot を選びます。
- Columns で Study/Label Column、Effect Size Column、CI Lower Bound Column、CI Upper Bound Column（任意で Weight Column）を選びます。研究のドロップダウンには現在数値の列しか表示されないため、研究には番号を付けてください。
- Statistical Analysis で Effect Size Type（OR、RR、HR では対数軸になり、線は 1 の位置）、Meta-Analysis Model（Fixed Effects、Random Effects、Both）、Confidence Level を設定します。
- Layout & Typography で「Favours」のラベルと Sort Studies By を設定し、Publication Features で Journal Style（APA、Nature、JAMA、Cochrane）と統計表の位置を選びます。
- Export（Ctrl+E）で PNG、SVG、PDF として出力します。
このプロットは DerSimonian–Laird 法で変量効果を統合します。REML、予測区間、Egger の検定を使うには、コマンドラインから labtools stats meta を実行するか、MCP で LabTools に接続した AI アシスタントに依頼してください。
小規模研究効果と出版バイアス
小規模な研究が大規模な研究よりも大きな効果を報告している場合、統合推定値が過大になっている可能性があります。多くは、小規模で効果のなかった結果が公表されないためです。ファンネルプロットはこれを視覚的に示し、研究の規模と効果の順位相関や Egger の回帰検定は数値で示します。この作例では、研究の規模と log(OR) の Kendall の τ は 0.143（p = 0.62）で、小規模研究効果の兆候はありません。ただし、8 件の研究ではこれらの検定の検出力は低くなります。
報告すべきこと
- 効果の指標とスケール（例：オッズ比、対数スケールで統合）。
- モデル（固定効果または変量効果）と τ² の推定法。
- 統合推定値とその信頼区間、および Q、I²、τ²。
- 小規模研究効果や出版バイアスの評価と、それが何件の研究に基づくか。
よくある質問
フォレストプロットは何に使いますか？
同じ問いを扱った複数の研究の結果を並べて示すためです。各研究の効果量と信頼区間を 1 行ずつ、統合（メタアナリシス）推定値を一番下にダイヤモンドで示します。メタアナリシスやシステマティックレビューの標準的な図です。
フォレストプロットはどう読みますか？
各行が 1 件の研究で、マーカーがその推定値、水平線が信頼区間です。縦線は「効果なし」（比では 1、差では 0）で、区間がこれをまたぐ研究は単独では有意ではありません。ダイヤモンドは統合推定値で、その幅が信頼区間です。
信頼区間から標準誤差はどう求めますか？
差の 95% CI の場合：SE = (upper − lower) / (2 × 1.96)。比（OR、RR、HR）の場合は対数スケールで：SE = (ln(upper) − ln(lower)) / (2 × 1.96)。LabTools は区間をそのまま受け取り、この計算を自動で行います。
I² が高いとはどういう意味ですか？
研究結果のばらつきの大部分が、偶然ではなく研究間の真の違い（対象集団、用量、方法）を反映しているということです。一般に 75% 前後以上を高いとみなします。変量効果の推定値を報告し、異質性の原因を探り、新しい研究の効果がどこに入りそうかを示す予測区間も検討してください。
DerSimonian–Laird と REML のどちらを使いますか？
どちらも変量効果モデルの研究間分散 τ² を推定します。DerSimonian–Laird は古典的な既定の方法（RevMan で使用）で、REML は特に研究数が少ない場合に好まれることが多いです。LabTools のフォレストプロットは DerSimonian–Laird を使い、labtools stats meta では両方に加えて予測区間と Egger の検定を利用できます。