Publikationsreife Forest Plots aus Effektstärken und Konfidenzintervallen.
Laden Sie Studienbezeichnungen, Effektschätzer und Intervallgrenzen hoch, beschreiben Sie Subgruppen oder Zusammenfassungszeilen und erstellen Sie mit KI einen sauberen Forest Plot als manuskriptreife PNG-Datei.
Laden Sie Daten hoch und beschreiben Sie das gewünschte Diagramm.
Kostet 5 Credits. Aus Ihren hochgeladenen Daten und Ihrem Prompt entsteht eine publikationsreife PNG-Datei.
Vorschau
Seitenverhältnis: 16:9
Das sind Beispielvorschauen. Laden Sie Ihren Datensatz hoch, um Ihren eigenen Forest Plot zu erstellen.
Nutzen Sie diese Beispiele als Vorlage für Metaanalysen, Subgruppeneffekte, adjustierte Modelle, Sensitivitätsanalysen, gewichtete Studien und manuskriptreife Forest Plots.
Prompt
Erstellen Sie auf Grundlage der hochgeladenen Datei treatment_effect_meta_analysis.csv einen publikationsreifen Forest Plot, der die Behandlungseffekte über die Studien hinweg vergleicht. Verwenden Sie die Spalte mit den Studienbezeichnungen, tragen Sie die Effektschätzer mit 95-%-Konfidenzintervallen ab, setzen Sie bei Verhältnismaßen die Nulllinie bei 1.0 und fügen Sie eine Raute für den gepoolten Effekt nur hinzu, wenn die hochgeladenen Daten eine Gesamt- oder Pooled-Zeile enthalten.
Prompt
Erstellen Sie auf Grundlage der hochgeladenen Datei diagnostic_odds_ratio_by_cohort.xlsx einen sauberen Forest Plot für diagnostische Odds Ratios. Verwenden Sie bei Bedarf eine logarithmische x-Achse für die Odds Ratio, zeigen Sie horizontale 95-%-Konfidenzintervalle, skalieren Sie die Marker nach der Gewichtung, falls eine Gewichtsspalte vorhanden ist, und halten Sie die Spalten für Schätzwert und Gewicht auf der rechten Seite kompakt.
Prompt
Erstellen Sie auf Grundlage der hochgeladenen Datei subgroup_treatment_effects.csv einen Forest Plot nach Subgruppen. Gruppieren Sie die Zeilen nach der hochgeladenen Subgruppenspalte, zeigen Sie Studienschätzer und Konfidenzintervalle innerhalb jeder Subgruppe, ergänzen Sie Zusammenfassungszeilen je Subgruppe nur, wenn sie vorliegen, und verwenden Sie zurückhaltende Akzente in Blau und Grün mit klaren Studienbezeichnungen.
Prompt
Erstellen Sie auf Grundlage der hochgeladenen Datei adjusted_model_coefficients.tsv einen Forest Plot für adjustierte Modellkoeffizienten. Verwenden Sie die Namen der Prädiktoren als Zeilenbeschriftungen, tragen Sie die standardisierten Beta-Schätzer mit 95-%-Konfidenzintervallen ab, setzen Sie die Nulllinie bei 0.0, färben Sie negative und positive Effekte dezent unterschiedlich und fügen Sie keine Raute für einen gepoolten Effekt hinzu.
Prompt
Erstellen Sie auf Grundlage der hochgeladenen Datei sensitivity_analysis_intervals.csv einen Forest Plot für eine Sensitivitätsanalyse. Zeigen Sie jedes Analyseszenario als eigene Zeile, tragen Sie Mittelwertdifferenzen mit unterer und oberer Konfidenzgrenze ab, setzen Sie die Nulllinie bei 0.0, ergänzen Sie ein dezentes Referenzband nur, wenn es angefordert oder in den Daten enthalten ist, und halten Sie die Abbildung manuskripttauglich.
Prompt
Erstellen Sie auf Grundlage der hochgeladenen Datei weighted_study_comparison.xlsx einen Forest Plot mit gewichteten Studien. Verwenden Sie Studienbezeichnungen, Odds-Ratio-Schätzer, untere und obere Konfidenzgrenzen sowie die Gewichte aus den hochgeladenen Spalten; skalieren Sie die Markergröße nach der Gewichtung, setzen Sie die Nulllinie bei 1.0 und fügen Sie eine Gesamtzeile nur hinzu, wenn sie in der Datei steht.
Fügen Sie CSV-, TSV-, TXT- oder Excel-Daten mit Zeilenbeschriftungen, Effektschätzern sowie unteren und oberen Grenzen hinzu.
Teilen Sie SciFigure AI mit, ob es sich um ein Verhältnismaß, eine Differenz, einen Koeffizienten, eine Subgruppenanalyse oder eine Abbildung von Modellergebnissen handelt.
Erstellen Sie einen sauberen Forest Plot mit KI, prüfen Sie Intervalle und Referenzlinien, und laden Sie die PNG-Datei für Paper und Folien herunter.
Es macht aus Schätzern auf Studienebene, Modellkoeffizienten, Odds Ratios, relativen Risiken, Hazard Ratios, Mittelwertdifferenzen oder Subgruppeneffekten einen klaren Forest Plot mit Zeilenbeschriftungen und Konfidenzintervallen. Das Ergebnis ist für Manuskripte, Laborberichte, systematische Übersichtsarbeiten, Poster und Forschungsvorträge gedacht.
Eine Spalte mit Beschriftungen, eine numerische Spalte mit dem Effektschätzer und numerische Spalten für die untere und obere Grenze des Konfidenzintervalls. Optionale Spalten für Subgruppe, Gewichtung und Stichprobengröße steuern das Layout.
Ja. Laden Sie eine Subgruppenspalte hoch oder beschreiben Sie die Subgruppenzeilen in Ihrer Anweisung, und prüfen Sie die erzeugte Gruppierung, bevor Sie die Abbildung verwenden.
Ja. Bei Verhältnismaßen liegt die Referenzlinie meist bei 1,0, bei Mittelwertdifferenzen, Beta-Koeffizienten und anderen vorzeichenbehafteten Schätzern meist bei 0,0.
Fordern Sie eine Raute für den gepoolten oder Gesamteffekt nur an, wenn diese Zeile in den hochgeladenen Daten steht oder der Prompt den zusammengefassten Schätzer samt Intervall angibt.
Ja, prüfen Sie aber vor der Einreichung die hochgeladenen Schätzer, Intervallgrenzen, Skala, Beschriftungen, Gewichtung und die statistische Interpretation.
Fehlerbalken-Diagramm erstellen
Schätzwerte mit SD, SE, SEM oder Konfidenzintervallen zeigen.
Kostenlos testen
Boxplot erstellen
Gruppierte Verteilungen mit Median, Interquartilsabstand und Ausreißern vergleichen.
Kostenlos testen
Violinplot erstellen
Verteilungsform, Dichte und gruppierte Einzelwerte zeigen.
Kostenlos testenErstellen Sie mit SciFigure AI Forest Plots, Fehlerbalken-Diagramme, Boxplots und weitere Visualisierungen für die Forschung.
