改进 Forest plot 用于亚组分析（不用于荟萃分析）？

Question

目前我在 R 中用于子组分析（不用于荟萃分析）的森林图如下...

library("dplyr")
library(ggplot2)
library(survminer)
library(survival)
library(forestmodel)

pretty_lung <- lung %>%
  transmute(time,
            status,
            Age = age,
            Sex = factor(sex, labels = c("Male", "Female")),
            ECOG = factor(lung$ph.ecog),
            `Meal Cal` = meal.cal)

print(forest_model(coxph(Surv(time, status) ~ ., pretty_lung)))

但是，正方形的大小/高度与子组样本大小不成比例。 换句话说，我希望置信区间越小，盒子/正方形就越大。 有没有办法解决这个问题（如本例中： https://www.thelancet.com/journals/lancet/article/PIIS0140-6736(05)61026-4/fulltext ）？

Answer 1

所以，一段时间后，我找到了一个不错的解决方案（使用另一个包）：

devtools::install_github("ewenharrison/finalfit")
library(finalfit)
library(dplyr) 
library(ggplot2)
library(survminer)
library(survival)

pretty_lung <- lung %>%
  transmute(time,
            status,
            Age = age,
            Sex = factor(sex, labels = c("Male", "Female")),
            ECOG = factor(lung$ph.ecog),
            `Meal Cal` = meal.cal)

explanatory = c("Age", "Sex", "ECOG", "`Meal Cal`")
dependent = "Surv(time, status)"
pretty_lung %>%
  hr_plot(dependent, explanatory, dependent_label = "Survival")

output：

它可能并不完美，但它是另一种选择，这款 package 可以使用正方形的大小/高度来完成这项工作