粘贴各研究的效应值和精度数据，无需 R 即可创建发表级漏斗图。使用 95% 或 99% 伪置信限与可选显著性等高线检查小样本研究效应。数据仅在浏览器中处理。
每行粘贴一项研究。精度可用标准误、方差或 95% 置信区间表示。
balanced-effects.tsv
您的表格仅在当前浏览器中处理。
不对称不能证明发表偏倚。请结合异质性、研究设计与敏感性分析解释。
漏斗图基础
漏斗图是 Meta 分析中的散点图，用于比较每项研究的效应值与精度指标，通常为标准误。样本更大、精度更高的研究位于顶部，较小研究在底部散布得更宽。
当散布主要来自抽样变异时，研究点通常围绕合并效应形成近似对称的倒漏斗。不对称可提示小样本研究效应，但也可能源于异质性、结局选择、方法差异或偶然因素。
本工具可计算逆方差固定效应或 DerSimonian–Laird 随机效应合并值，并从标准误、方差或 95% 置信区间推导精度。OR、RR 和 HR 会在对数尺度上分析。
每项研究提供 MD、SMD、OR、RR、HR 或通用效应值。
提供标准误、方差或 95% 置信区间上下限。
精度更高的研究显示在漏斗图顶部。
不对称需要进一步调查，并不能证明偏倚。
将任一示例载入生成器，检查数据、模型、边界与等高线。
面向证据综合
同一张图可用于探索性检查、团队讨论和论文准备。
直接将效应值提取表转换为漏斗图，无需重写 R 脚本或手工制图。
比较固定效应与随机效应中心，并讨论不对称的可能原因。
添加置信边界或显著性等高线，导出可编辑矢量图回应审稿意见。
漏斗图是探索性诊断工具，应结合研究设计、异质性、选择性报告和预设分析解释图形。
发表偏倚只是不对称的一种可能原因，真实效应差异、小研究方法较弱、结局选择和偶然因素也会形成类似图形。
少于约 10 项研究时，目测图形与正式不对称检验通常效能有限，容易误导。
说明效应指标、精度轴、Meta 分析模型、等高线类型及使用的转换。
透明的统计方法
图表遵循常见 Meta 分析约定，所有转换均可追溯，计算在浏览器本地完成。
直接使用标准误、取方差平方根，或以 z = 1.95996 从双侧 95% 置信区间推导。
MD 与 SMD 使用线性尺度；OR、RR 和 HR 在对数尺度计算，并按原始比值尺度显示。
中心为逆方差固定效应或 DerSimonian–Laird 随机效应估计；伪置信限按中心 ± z × 标准误计算。
为什么使用本工具
从研究提取表直接得到可编辑图件，同时保留统计与报告背景。
无需编写 R、Python 或电子表格公式即可得到统计合理的图件。
可直接粘贴包含标准误、方差或置信区间的常用表格。
比较逆方差固定效应与 DerSimonian–Laird 随机效应汇总值。
OR、RR 与 HR 在计算时转换到对数尺度。
导出 SVG 继续编辑，或导出 PNG 用于文档和演示。
生成与导出均在浏览器本地完成，粘贴的数据不会上传。
四步工作流
准备整洁的研究级表格，确认分析尺度，再连同设置一起导出。
提供 Study、Effect 与 SE、Variance，或 Lower CI 和 Upper CI；支持 CSV、TSV 与从 Excel 复制的数据。
选择 MD、SMD、OR、RR、HR 或 Generic，再选择固定效应或随机效应合并中心。
按解释需要显示 95%/99% 伪置信限、显著性等高线和研究标签。
核对无效行、研究数、I² 与 τ²，下载 SVG、PNG 或 JSON，并在方法部分记录设置。
漏斗图制作工具常见问题
需要 Study、Effect，以及一种精度输入：SE、Variance，或同时提供 Lower CI 和 Upper CI。请选择正确的效应指标，确保 OR、RR 和 HR 在对数尺度上分析。
从 Excel 复制研究表并粘贴到生成器，或上传 CSV/TSV。图表会在浏览器中更新，无需安装 R 或软件即可导出 SVG 或 PNG。
应把不对称理解为效应值可能随研究精度变化的线索，而不是诊断结论。请同时检查异质性、研究方法、结局选择、报告方式和偶然因素。
不能。发表偏倚只是可能原因之一；真实效应差异、小研究方法较弱、选择性结局和随机变异也会产生相同图形。等高线增强图可提供背景，但仍不能证明研究缺失。
研究较少时也能绘图，但稀疏图形很难解释。正式不对称检验在约 10 项以下通常效能较低，因此少于 10 项有效研究时工具会显示提醒。
本工具在纵轴使用标准误并反向显示，因此精度更高的研究位于顶部。其他漏斗图设计可使用样本量，但它与标准误不能直接互换。
它会围绕无效应值标出双侧显著性区域，帮助判断缺口是否主要出现在不显著区域。图形仍属于探索性结果，必须结合研究背景解释。
森林图展示各研究效应值、置信区间与合并结果；漏斗图把效应值与精度对应，用于检查小样本研究模式。两者应结合使用。
