• Logo
    PaperBananaKI-Generator für akademische Illustrationen
Startseite
  • Startseite
  • Kreativstudio
  • Generator für wissenschaftliche Illustrationen
  • Poster-Maker
  • Diagramm-Generator
  • Figure Editor
  • Preise
Meine Erstellungen
  • Meine Erstellungen
  • Freunde einladen
LogoPaperBanana
StartseitePreiseFreunde einladen
LogoPaperBanana

PaperBanana – KI-gestützter Generator für akademische Illustrationen

support@paperbanana.me

KI-Tools

  • Alle Tools
  • Text zu Illustration
  • Generator für wissenschaftliche Illustrationen
  • Figure Editor
  • Diagramm-Generator
  • Poster-Maker

Hilfe

  • Über uns
  • Preise
  • Kontakt

Rechtliches

  • Datenschutzerklärung
  • Nutzungsbedingungen
  • Zulässige Nutzung

© 2026 PaperBanana. Alle Rechte vorbehalten.

PreiseKontakt
Online-Forest-Plot-Generator für Meta-Analysen

Forest Plot Maker für publikationsreife Meta-Analysen

Der Forest Plot Maker verwandelt eingefügte Excel-Daten oder eine hochgeladene CSV-Datei in ein überprüfbares Meta-Analyse-Diagramm. Vergleichen Sie Modelle mit festem und zufälligem Effekt, prüfen Sie die Heterogenität und exportieren Sie SVG oder PNG – ohne Anmeldung und Wasserzeichen.

Aus Excel einfügen oder CSV hochladenFeste und zufällige EffekteQ, I², τ² und gepoolter EffektSVG und PNG ohne Wasserzeichen

Studiendaten und Modell

Fügen Sie eine Tabelle mit den Spalten Study, Effect, Lower CI, Upper CI und optional Subgroup ein.

clinical-odds-ratios.tsv

Studienwerte und Konfidenzintervalle können verarbeitet werden.

Ihre Studiendaten bleiben in diesem Browser, sofern Sie die Abbildung nicht in PaperBanana Studio öffnen.

Live-Forest-Plot

10
Studien
0.77
gepoolter Effekt
0.00%
I²
0.00
τ²
Treatment effect across included studiesForest Plot mit Studieneffekten, 95-%-Konfidenzintervallen, Modellgewichten, gepoolter Schätzung und Heterogenitätsstatistiken.Treatment effect across included studiesOR · Zufällige Effekte (DL) · 95% CIStudieOREffekt (95-%-KI)GewichtSmith 2018Smith 2018: 0.75 [0.55, 1.02]0.75 [0.55, 1.02]9.21%Johnson 2019Johnson 2019: 0.62 [0.41, 0.94]0.62 [0.41, 0.94]5.10%Williams 2019Williams 2019: 0.88 [0.72, 1.08]0.88 [0.72, 1.08]21.37%Brown 2020Brown 2020: 0.71 [0.52, 0.97]0.71 [0.52, 0.97]9.04%Davis 2020Davis 2020: 0.93 [0.68, 1.27]0.93 [0.68, 1.27]9.00%Miller 2021Miller 2021: 0.58 [0.38, 0.89]0.58 [0.38, 0.89]4.85%Wilson 2021Wilson 2021: 0.82 [0.65, 1.03]0.82 [0.65, 1.03]16.58%Taylor 2022Taylor 2022: 0.69 [0.49, 0.97]0.69 [0.49, 0.97]7.53%Anderson 2022Anderson 2022: 0.77 [0.58, 1.02]0.77 [0.58, 1.02]11.03%Thomas 2023Thomas 2023: 0.64 [0.44, 0.93]0.64 [0.44, 0.93]6.27%Gepoolter Effekt0.77 [0.70, 0.85]PrädiktionsintervallQ = 7.73 · I² = 0.00% · τ² = 0.000.330.480.691.011.47Begünstigt BehandlungBegünstigt Kontrolle

Inverse-Varianz-Pooling mit 95-%-Konfidenzintervall. Für zufällige Effekte wird der DerSimonian-Laird-Schätzer verwendet. Gleichen Sie das Modell vor der Einreichung mit Ihrem Review-Protokoll ab.

Grundlagen des Forest Plots

Was ein Forest Plot in einer Meta-Analyse zeigt

Ein Forest Plot stellt die Schätzung jeder Studie einer Meta-Analyse auf einer gemeinsamen Skala dar. Jedes Quadrat kennzeichnet eine Effektschätzung, jede horizontale Linie das zugehörige Konfidenzintervall. Die Quadratgröße entspricht dem Studiengewicht im gewählten Modell.

Die vertikale Referenzlinie markiert den Nulleffekt: 1 für Odds Ratios, Risk Ratios und Hazard Ratios, 0 für Mittelwertdifferenzen. Sofern ein Pooling angemessen ist, fasst eine Raute die kombinierte Schätzung zusammen. Q, I² und τ² beschreiben die statistische Heterogenität zwischen den Studien.

Dieser Forest Plot Maker verarbeitet Schätzungen und Konfidenzintervalle, die Forschende bereits in Excel verwalten. Er validiert die Zeilen, leitet Standardfehler ab, berechnet feste oder zufällige Effekte nach DerSimonian–Laird und hält die fertige Abbildung als SVG bearbeitbar.

01

Studienschätzung

Das Quadrat zeigt den in jeder eingeschlossenen Studie berichteten Effekt.

02

Konfidenzintervall

Die horizontale Linie zeigt die Präzision der jeweiligen Schätzung.

03

Studiengewicht

Die Quadratgröße entspricht dem inversen Varianzgewicht im gewählten Modell.

04

Gepoolte Raute

Die Raute zeigt den kombinierten Effekt und sein 95-%-Intervall.

Methodische Quellen

Forest-Plot-Methoden anhand verlässlicher Quellen prüfen

Nutzen Sie den Generator zur Vorbereitung der Abbildung. Prüfen Sie anschließend Effektmaße, Modellwahl und Berichtsdetails anhand Ihres Protokolls und maßgeblicher Leitlinien.

Quellen geprüft: September 2026

QuelleSchwerpunktVerwendungReferenz

Quelle

Cochrane Handbook

Schwerpunkt

Meta-Analyse-Methoden

Verwendung

Prüfen Sie das Effektmaß, die Eignung des Poolings, die Interpretation der Heterogenität und ob feste oder zufällige Effekte dem Review-Protokoll entsprechen.

Referenz

Chapter 10

Quelle

CDC

Schwerpunkt

Darstellung von Forest Plots

Verwendung

Prüfen Sie erforderliche Studienfelder, Beschriftungen, Achseneinstellungen, Konfidenzintervalle und die allgemein verständliche Erläuterung neben der Abbildung.

Referenz

Forest Plot Guidelines

Quelle

metafor

Schwerpunkt

Statistische Implementierung

Verwendung

Vergleichen Sie inverse Varianzgewichtung, Analyse mit festem Effekt, zufällige Effekte nach DerSimonian–Laird und die Forest-Plot-Ausgabe mit einer etablierten R-Implementierung.

Referenz

rma.uni Reference

Ein sorgfältig gestalteter Plot macht inkompatible Studien nicht für ein Pooling geeignet. Prüfen Sie die klinische und methodische Heterogenität, bevor Sie die Raute interpretieren.

Beispiele für Forest Plots mit OR-, RR-, HR-, MD- und SMD-Daten

Laden Sie ein Beispiel und prüfen Sie Studientabelle, Modell, Gewichte, Konfidenzintervalle, gepoolten Effekt und Subgruppenanordnung.

Für Evidenzsynthesen entwickelt

Forest Plots für Reviews, Abschlussarbeiten und Manuskripte

Erstellen Sie einen ersten Plot aus Excel, prüfen Sie Modell und Heterogenität und exportieren Sie eine Abbildung, die Ihr Team nachvollziehen kann.

Medizinische Forscherin erstellt einen Forest Plot aus Daten eines systematischen Reviews

Systematische Reviews und Abschlussarbeiten

Verwandeln Sie eine Tabelle extrahierter Effekte in eine klare Abbildung, ohne Fehlerbalken manuell in Excel zu erstellen.

Biostatistiker prüft Heterogenität und Modellergebnisse eines Forest Plots

Prüfung des Meta-Analyse-Modells

Vergleichen Sie feste und zufällige Effekte, während gepoolte Schätzungen, Gewichte, Q, I² und τ² sichtbar bleiben.

Forschungsteam prüft während einer Revision einen publikationsreifen Forest Plot

Manuskriptrevisionen

Aktualisieren Sie eine Studie oder Subgruppe und exportieren Sie ein neues SVG oder PNG, ohne die gesamte Abbildung neu aufzubauen.

Funktionen des Forest Plot Maker

Forest Plot aus Excel- oder CSV-Daten erstellen

Bearbeiten Sie Eingaben, Modellwahl, Berechnung und Export in einem durchgängigen Browser-Workflow.

Mit sauberen, plotfertigen Studiendaten beginnen

Ordnen Sie gängige Excel- und CSV-Spalten automatisch zu, überspringen Sie unvollständige Zeilen und kennzeichnen Sie Intervalle, die die berichtete Schätzung nicht enthalten.

Forest Plot Maker verwenden
Forest-Plot-Datenprüfung für Effekt- und Konfidenzintervallspalten

Feste und zufällige Effekte vor der Berichterstattung vergleichen

Wechseln Sie das Pooling-Modell ohne erneute Dateneingabe und verfolgen Sie Änderungen bei Gewichten, gepoolter Raute, Q, I² und τ².

Forest Plot Maker verwenden
Steuerelemente für feste und zufällige Effekte neben den Modellergebnissen des Forest Plots

Bearbeitbare Abbildung für die Einreichung exportieren

Laden Sie ein bearbeitbares SVG oder hochauflösendes PNG mit Studienbeschriftungen, exakten Intervallen, Gewichten und Methodenhinweisen herunter.

Forest Plot Maker verwenden
Publikationsexport für Forest Plot als SVG, PNG und Ergebnis-CSV

Darum nutzen Forschende das Tool

Feste und zufällige Effekte sicher vergleichen

Nutzen Sie Ihre Review-Zeit für die Frage, ob die Studien zusammengehören – nicht für Diagrammbehelfe und manuelle Ausrichtung.

Für Excel vorbereitet

Vorhandene Daten direkt einfügen

Übertragen Sie Daten direkt aus Excel, CSV oder TSV in den Plot, ohne jede Studie in einem langen Assistenten einzugeben.

Live-Analyse

Modelländerungen sofort sehen

Wechseln Sie zwischen festen und zufälligen Effekten und prüfen Sie Gewichte und gepooltes Ergebnis in derselben Ansicht.

Überprüfbar

Statistiken transparent halten

Zeigen Sie den exakten Effekt, das 95-%-Konfidenzintervall und Gewicht jeder Studie sowie Q, I² und τ².

Kein erzwungenes Pooling

Pooling bewusst wählen

Blenden Sie die gepoolte Raute aus, wenn klinische oder methodische Heterogenität eine einzelne Zusammenfassung unzulässig macht.

SVG-Export

Vektorqualität erhalten

Nutzen Sie SVG für spätere Bearbeitungen und hochauflösendes PNG für Word, Präsentationen und gängige Einreichungssysteme.

Standardmäßig lokal

Unveröffentlichte Daten lokal halten

Parsing und Berechnung erfolgen im Browser, bis Sie die Abbildung bewusst im Editor öffnen.

Workflow in vier Schritten

Forest Plot aus Excel in 4 Schritten erstellen

Bereiten Sie die Studienschätzungen vor, importieren Sie die Tabelle, wählen Sie das Analysemodell und exportieren Sie den fertigen Forest Plot.

01

Studieneffekte und 95-%-Intervalle vorbereiten

Verwenden Sie eine Zeile pro Studie mit Bezeichnung, Effektschätzung, unterer und oberer Konfidenzgrenze sowie optionaler Subgruppe.

02

Excel-Daten einfügen oder CSV hochladen

Der Forest Plot Maker erkennt gängige Spaltenüberschriften und meldet Zeilen, die nicht sicher geplottet werden können.

03

Effektmaß und Modell wählen

Wählen Sie OR, RR, HR, MD oder SMD und vergleichen Sie den festen Effekt mit zufälligen Effekten nach DerSimonian–Laird.

04

Forest Plot prüfen und exportieren

Prüfen Sie Studiengewichte, gepoolte Raute, Prädiktionsintervall und Heterogenität, bevor Sie SVG, PNG oder die Ergebnis-CSV exportieren.

Forest Plot Maker verwenden
Workflow in vier Schritten von Excel-Studiendaten zum publikationsreifen Forest Plot
Der Generator übernimmt Darstellung und Berechnungen. Das Review-Team bleibt für die Kompatibilität der Studien und die Modellwahl verantwortlich.

Forschungsworkflow fortsetzen

Workflow Ihres systematischen Reviews fortsetzen

Dokumentieren Sie die Studienauswahl, fassen Sie die Evidenz visuell zusammen, prüfen Sie Zeitschriftenvorgaben und bereiten Sie das fertige Review für die Präsentation vor.

PRISMA-Flussdiagramm-Generator für Screening-Zahlen eines systematischen Reviews

PRISMA-Flussdiagramm-Generator

Validieren Sie Zahlen zu Identifizierung, Screening, Eignung und Einschluss in einem PRISMA-2020-Flussdiagramm.

Funnel Plot Maker zur Untersuchung von Small-Study-Effekten in einer Meta-Analyse

Funnel Plot Maker

Tragen Sie Studieneffekte gegen Standardfehler auf, um Muster kleiner Studien nach der Evidenzsynthese zu untersuchen.

Prüftool kontrolliert Einreichungsvorgaben für einen Forest Plot

Prüftool für Zeitschriftenabbildungen

Prüfen Sie Abmessungen, Auflösung, Dateiformat, Farbmodus und Typografie vor der Einreichung.

Generator für wissenschaftliche Poster ordnet den Forest Plot eines systematischen Reviews an

Generator für wissenschaftliche Poster

Fügen Sie den Forest Plot und die zugrunde liegende Evidenz in ein bearbeitbares Konferenzposter ein.

FAQ zum Forest Plot Maker

Fragen zum Forest Plot Maker

Welche Daten benötige ich für einen Forest Plot?+

Ein Forest Plot benötigt pro Studie eine Zeile mit Bezeichnung, Effektschätzung sowie unterer und oberer Grenze des 95-%-Konfidenzintervalls. Mit einer optionalen Subgruppenspalte können Sie verwandte Studien gruppieren. Wählen Sie anschließend OR, RR, HR, MD oder SMD, damit Referenzlinie und Berechnungen die richtige Skala verwenden.

Wie erstelle ich einen Forest Plot aus Excel- oder CSV-Daten?+

Kopieren Sie die Tabelle aus Excel in das Studiendatenfeld oder laden Sie eine CSV- oder TSV-Datei hoch. Verwenden Sie Spalten wie Study, Effect, Lower CI, Upper CI und Subgroup. Der Forest Plot Maker validiert die Zeilen und aktualisiert das Diagramm lokal in Ihrem Browser – ohne Benutzerkonto.

Welches Forest-Plot-Modell sollte ich verwenden: feste oder zufällige Effekte?+

Verwenden Sie ein Modell mit festem Effekt, wenn das Protokoll einen gemeinsamen zugrunde liegenden Effekt annimmt. Wählen Sie zufällige Effekte, wenn die wahren Effekte zwischen Studien variieren können. Die Entscheidung sollte von Review-Frage, Studienkompatibilität und vorab festgelegter Methode abhängen, nicht allein von I². Vergleichen Sie hier beide Ergebnisse und begründen Sie die endgültige Wahl im Manuskript.

Wie berechnet der Forest Plot Maker Gewichte und gepoolte Effekte?+

Der Forest Plot Maker leitet Standardfehler aus jedem 95-%-Konfidenzintervall ab und verwendet eine inverse Varianzgewichtung. Bei zufälligen Effekten wird vor der Normalisierung der Gewichte die Varianz zwischen Studien, τ², nach DerSimonian–Laird geschätzt. Die gepoolte Raute zeigt die gewichtete Schätzung und das 95-%-Konfidenzintervall des gewählten Modells.

Wie erstelle ich einen Forest Plot ohne Pooling?+

Deaktivieren Sie die Option für den gepoolten Effekt, um einzelne Schätzungen und Konfidenzintervalle ohne zusammenfassende Raute darzustellen. Diese Darstellung eignet sich, wenn klinische, methodische oder konzeptionelle Unterschiede eine kombinierte Schätzung irreführend machen. Die Studien können weiterhin nach Subgruppe sortiert und auf einer einheitlichen Effektskala verglichen werden.

Welche Formate kann ich für einen publikationsreifen Forest Plot exportieren?+

Exportieren Sie SVG zur skalierbaren Bearbeitung, PNG für Manuskripte oder Präsentationen und CSV für die berechneten Ergebnisse. Die Abbildung enthält Studienbeschriftungen, Konfidenzintervalle, Modellgewichte, gepoolte Statistiken und Heterogenitätsangaben ohne Wasserzeichen. Prüfen Sie vor der Einreichung die Vorgaben der Zielzeitschrift zu Abmessungen, Schriftarten, Auflösung und Dateiformat.

Warum werden verhältnisbasierte Effektmaße logarithmisch dargestellt?+

Odds Ratios, Risk Ratios und Hazard Ratios sind positiv und haben den Nulleffektwert 1. Pooling und Darstellung auf einer logarithmischen Skala behandeln reziproke Effekte symmetrisch und halten Konfidenzintervalle mathematisch konsistent. Mittelwertdifferenzen und standardisierte Mittelwertdifferenzen verwenden eine lineare Skala mit 0 als Nulleffekt.

Von extrahierten Daten zur überprüfbaren Abbildung

Jetzt einen publikationsreifen Forest Plot erstellen

Fügen Sie die Studientabelle ein, vergleichen Sie Modelle, prüfen Sie die Heterogenität und exportieren Sie eine klare Abbildung, ohne Excel-Fehlerbalken neu aufzubauen.

Forest Plot Maker verwenden