Meta分析结果里，I²几乎和效应量一样显眼。Cochrane手册给出了一套经验判断：0-40%可能不重要，50-90%代表实质异质性。这套阈值让很多读者下意识地把I²当成“异质性程度”的仪表盘。但I²的定义式是：I² = τ² / (τ² + σ²) × 100%，其中σ²是研究内抽样方差。分母里不仅有真实异质性，还挤进了抽样误差。同一个τ²，研究越精确，分母越小，I²越高。

举一个具体数字：设真效应方差τ²=0.01（在log-RR尺度对应SD≈0.1，这已经是有临床含义的异质性）。如果每项研究的效应量方差σ²=0.02，I²=33%，落在“低异质性”；如果换成更大的研究、使σ²=0.0025，I²就成了80%，直接跨入“实质异质性”。τ²完全没变，I²翻了一倍以上。反过来，一个纳入大量小样本研究的meta，森林图可能看起来散得厉害，但I²反而偏低——因为噪音占比太大，信噪比把真实异质性稀释了。

这个结构还带来两个常见误区。第一，I²=0不是同质性的证明。检验异质性的Q统计量功效很低，小meta基本没有能力排除一个不算小的τ²。I²=0只说明“没有检测到”，不等于“效应是同一的”。第二，I²不能跨meta比较。同一个临床问题，一个基于大型注册研究的meta可能I²=90%，另一个基于小样本RCT的meta可能I²=20%。后者不是更同质，只是更不敏感。Borenstein、Higgins、Hedges和Rothstein在2017年发过一篇题目就叫“I² is not an absolute measure of heterogeneity”的文章，说的正是这个意思。

所以我在审稿时更想看三个东西：τ²及其置信区间、预测区间、以及用协变量来解释τ²的meta回归。预测区间尤其重要——如果95%预测区间跨越了无效线或临床决策阈值，那么元分析的平均效应就不是一个可以直接执行的答案。I²最多是诊断工具，不该是处方。

值得继续争的是：证据表里那栏“异质性”，是不是应该直接从I²换成预测区间，才能真正服务于临床判断？