貼上各研究的效應值和精度資料，無需 R 即可建立發表級漏斗圖。使用 95% 或 99% 偽信賴限與可選顯著性等高線檢查小樣本研究效應。資料僅在瀏覽器中處理。
每行貼上一項研究。精度可用標準誤、變異數或 95% 信賴區間表示。
balanced-effects.tsv
您的表格僅在目前瀏覽器中處理。
不對稱不能證明發表偏倚。請結合異質性、研究設計與敏感度分析解釋。
漏斗圖基礎
漏斗圖是統合分析中的散點圖，用於比較每項研究的效應值與精度指標，通常為標準誤。樣本更大、精度更高的研究位於頂部，較小研究在底部散佈得更寬。
當散佈主要來自抽樣變異時，研究點通常圍繞合併效應形成近似對稱的倒漏斗。不對稱可提示小樣本研究效應，但也可能源於異質性、結局選擇、方法差異或偶然因素。
本工具可計算逆變異數固定效應或 DerSimonian–Laird 隨機效應合併值，並從標準誤、變異數或 95% 信賴區間推導精度。OR、RR 和 HR 會在對數尺度上分析。
每項研究提供 MD、SMD、OR、RR、HR 或通用效應值。
提供標準誤、變異數或 95% 信賴區間上下限。
精度更高的研究顯示在漏斗圖頂部。
不對稱需要進一步調查，並不能證明偏倚。
將任一範例載入生成器，檢查資料、模型、邊界與等高線。
面向證據綜合
同一張圖可用於探索性檢查、團隊討論和論文準備。
直接將效應值提取錶轉換為漏斗圖，無需重寫 R 指令碼或手工製圖。
比較固定效應與隨機效應中心，並討論不對稱的可能原因。
新增信賴邊界或顯著性等高線，匯出可編輯向量圖回應審稿意見。
漏斗圖是探索性診斷工具，應結合研究設計、異質性、選擇性報告和預設分析解釋圖形。
發表偏倚只是不對稱的一種可能原因，真實效應差異、小研究方法較弱、結局選擇和偶然因素也會形成類似圖形。
少於約 10 項研究時，目測圖形與正式不對稱檢驗通常效能有限，容易誤導。
說明效應指標、精度軸、統合分析模型、等高線型別及使用的轉換。
透明的統計方法
圖表遵循常見 統合分析約定，所有轉換均可追溯，計算在瀏覽器本地完成。
直接使用標準誤、取變異數平方根，或以 z = 1.95996 從雙側 95% 信賴區間推導。
MD 與 SMD 使用線性尺度；OR、RR 和 HR 在對數尺度計算，並按原始比值尺度顯示。
中心為逆變異數固定效應或 DerSimonian–Laird 隨機效應估計；偽信賴限按中心 ± z × 標準誤計算。
為什麼使用本工具
從研究提取表直接得到可編輯圖件，同時保留統計與報告背景。
無需編寫 R、Python 或電子表格公式即可得到統計合理的圖件。
可直接貼上包含標準誤、變異數或信賴區間的常用表格。
比較逆變異數固定效應與 DerSimonian–Laird 隨機效應彙總值。
OR、RR 與 HR 在計算時轉換到對數尺度。
匯出 SVG 繼續編輯，或匯出 PNG 用於文件和演示。
生成與匯出均在瀏覽器本地完成，貼上的資料不會上傳。
四步工作流
準備整潔的研究級表格，確認分析尺度，再連同設定一起匯出。
提供 Study、Effect 與 SE、Variance，或 Lower CI 和 Upper CI；支援 CSV、TSV 與從 Excel 複製的資料。
選擇 MD、SMD、OR、RR、HR 或 Generic，再選擇固定效應或隨機效應合併中心。
按解釋需要顯示 95%/99% 偽信賴限、顯著性等高線和研究標籤。
核對無效行、研究數、I² 與 τ²，下載 SVG、PNG 或 JSON，並在方法部分記錄設定。
漏斗圖製作工具常見問題
需要 Study、Effect，以及一種精度輸入：SE、Variance，或同時提供 Lower CI 和 Upper CI。請選擇正確的效應指標，確保 OR、RR 和 HR 在對數尺度上分析。
從 Excel 複製研究表並貼上到生成器，或上傳 CSV/TSV。圖表會在瀏覽器中更新，無需安裝 R 或軟體即可匯出 SVG 或 PNG。
應把不對稱理解為效應值可能隨研究精度變化的線索，而不是診斷結論。請同時檢查異質性、研究方法、結局選擇、報告方式和偶然因素。
不能。發表偏倚只是可能原因之一；真實效應差異、小研究方法較弱、選擇性結局和隨機變異也會產生相同圖形。等高線增強圖可提供背景，但仍不能證明研究缺失。
研究較少時也能繪圖，但稀疏圖形很難解釋。正式不對稱檢驗在約 10 項以下通常效能較低，因此少於 10 項有效研究時工具會顯示提醒。
本工具在縱軸使用標準誤並反向顯示，因此精度更高的研究位於頂部。其他漏斗圖設計可使用樣本量，但它與標準誤不能直接互換。
它會圍繞無效應值標出雙側顯著性區域，幫助判斷缺口是否主要出現在不顯著區域。圖形仍屬於探索性結果，必須結合研究背景解釋。
森林圖展示各研究效應值、信賴區間與合併結果；漏斗圖把效應值與精度對應，用於檢查小樣本研究模式。兩者應結合使用。
