这需要更多的手动工作，但您可以首先使用forest()函数创建森林图（显示所有研究，并在底部为汇总估计值留出一些空间），然后拟合模型（例如，使用rma()函数），排除您不希望分析的任何研究，然后使用addpoly()函数添加汇总估计值。
下面是一个例子：

library(metafor)

### load BCG vaccine data
data(dat.bcg)

### calculate log relative risks and corresponding sampling variances
dat <- escalc(measure="RR", ai=tpos, bi=tneg, ci=cpos, di=cneg, data=dat.bcg, slab=paste(dat$author, dat$year, sep=","))
dat

### forest plot of all studies
forest(dat$yi, dat$vi, xlim=c(-9.5, 7.5), ylim=c(-1.5,16), atransf=exp, at=log(c(.05, .25, 1, 4, 20)))
text(-9.5, 15, "Author(s) and Year",    pos=4)
text( 7.5, 15, "Observed RR [95% CI]",  pos=2)

### random-effects model (without Aronson, 1948)
res <- rma(yi, vi, data=dat, subset=author!="Aronson")
res

### add summary estimate to the bottom
addpoly(res, atransf=exp, row=-1, mlab="RE Model (w/out Aronson, 1948)")

### horizontal separation line
abline(h=0)