一個專業的視覺工具，用於從 Meta-Analysis 數據中創建和自定義高品質的森林圖。
安裝與下載
1. ClawHub CLI
從來源直接安裝技能的最快方式。
npx clawhub@latest install forest-plot-styler
2. 手動安裝
將技能資料夾複製到以下位置之一
~/.openclaw/skills/ <project>/skills/ 優先級：工作區 > 本地 > 內建
3. 提示詞安裝
將此提示詞複製到 OpenClaw 即可自動安裝。
請幫我使用 Clawhub 安裝 forest-plot-styler。如果尚未安裝 Clawhub，請先安裝（npm i -g clawhub）。
想要直接下載？
取得包含原生技能檔案的ZIP壓縮檔。
什麼是 Forest Plot Styler？
Forest Plot Styler 是一款專門的技術實用程序，旨在將原始 Meta-Analysis 數據轉換為可供發表的視覺化圖表。透過自動渲染特定研究的 Odds Ratio 和信心區間，該工具允許研究人員和數據科學家超越基礎圖表，實現臨床和統計數據的高度自定義、美學呈現。
該技能旨在無縫集成到現代研究工作流中，處理諸如子組分析顯示和自動合併效應計算等複雜任務。無論您是需要用於期刊的簡約灰階圖，還是用於演講的高解析度彩色 PNG，Openclaw Skills 庫中的這一項都提供了專業級結果所需的粒度控制。
Forest Plot Styler 應用場景
- 為同行評審的醫學或科學出版物創建高解析度森林圖。
- 可視化子組分析，以識別不同研究人口統計數據或治療方法之間的差異。
- 生成 PDF 或 SVG 格式的向量圖形，用於可縮放的學術海報。
- 使用鑽石圖或自定義標記自動計算並顯示合併效應值。
Forest Plot Styler 運作原理
- 用戶提供包含研究名稱、Odds Ratio 和信心區間邊界的結構化 CSV 或 Excel 文件。
- 腳本使用 pandas 解析數據，並驗證 study 和 or 等必填列。
- 應用自定義參數設置視覺樣式，包括點顏色、線條厚度和字體大小。
- 工具計算合併效應，並將研究權重映射到 Odds Ratio 標記的大小。
- 透過 matplotlib 渲染最終圖表，並導出為用戶指定的文件格式 (PNG, PDF, 或 SVG)。
Forest Plot Styler 設定指南
要在 Openclaw Skills 環境中使用此工具，請確保已安裝 Python 3.8+，然後設置所需的依賴項：
# Install required Python packages
pip install matplotlib pandas numpy openpyxl
# Basic execution command
python scripts/main.py --input your_data.csv --output forest_plot.png
Forest Plot Styler 資料結構與分類體系
該技能需要結構化的表格輸入。數據根據以下分類組織：
| Column | Type | Requirement | Description |
|---|---|---|---|
study |
Text | Required | 個人研究或試驗的名稱。 |
or |
Numeric | Required | Odds Ratio (OR) 或效應值大小。 |
ci_lower |
Numeric | Required | 95% 信心區間的下限。 |
ci_upper |
Numeric | Required | 95% 信心區間的上限。 |
weight |
Numeric | Optional | 決定 OR 點的相對大小。 |
subgroup |
Text | Optional | 用於為子組分析對研究進行分類。 |
Forest Plot Styler 進階特性
- 支持 PNG、高保真 PDF 和可縮放 SVG 向量的多格式導出。
- 預設主題支持，包括用於期刊的 'minimal' 和用於現代數位演示的 'dark'。
- 當檢測到對數刻度時自動轉換 OR 值，以獲得更好的視覺分佈。
- 基於權重的動態點大小，以反映每項研究的統計貢獻。
- 自定義參考線位置（默認為 OR=1），一眼即可突出統計學意義。
SKILL.md
加載中
Openclaw 相關技能
Find Affiliates
一種高精度的搜索和分析工具，旨在為電子商務品牌識別、審核並優先排序基於績效的推廣合作夥伴和附屬機構（Affiliates）。
精選*
