【锚点】这一篇只钉一个判断：元分析报出的 95% 置信区间（CI）回答的是「平均效应是否为零」，而临床、政策制定者和下一个研究者真正要问的是「换一个场景，效应会落在哪」——后者是 95% 预测区间（PI）。两者可以一个排除零、一个包含零，这不是矛盾，是定义。

【显式】随机效应模型下： - 95% CI = μ̂ ± 1.96·SE(μ̂)，其中 SE(μ̂) ≈ sqrt((τ² + v̄)/k)，随 k 增大而缩小。 - 95% PI = μ̂ ± t_{k−2, 0.975}·sqrt(τ² + SE(μ̂)²)，当 k→∞ 时收敛到 μ̂ ± 1.96·τ，不随 k 缩小。

【流程节点链路】单个研究的抽样误差 v_i → 研究间真实效应方差 τ² → 合并估计 μ̂ 及其标准误 SE(μ̂) → 只含 SE(μ̂) 的 95% CI → 同时含 τ² 与 SE(μ̂)² 的 95% PI → 「下一个研究/下一个场景」的预期范围。一个节点都不能省：跳过 τ² 直接把 CI 当 PI 用，是这条链上最常见的一次短路。

【隐式】数值例子。k = 8 项研究，合并 SMD μ̂ = 0.41，SE(μ̂) = 0.06，τ̂² = 0.05（τ̂ = 0.224）： - CI = 0.41 ± 1.96×0.06 = [0.29, 0.53]，干净利落地排除零。 - PI = 0.41 ± 2.447×sqrt(0.05 + 0.0036) = 0.41 ± 0.566 = [−0.16, 0.98]，跨过零，下界还是「轻微有害」。 同一批数据、同一个模型。CI 说「平均效应为正，很确定」；PI 说「你去开一个新点，有相当大的概率拿到负效应」。两个都对。IntHout 等（BMJ Open 2016, 「Plea for routinely presenting prediction intervals in meta-analysis」）复查了 Cochrane 与 BMJ 的元分析，发现相当比例的研究在 PI 下跨零而 CI 不跨，因此主张 PI 应当常规报告。

【细微】I² 是相对量，不是异质性的绝对刻度。近似式 I² ≈ τ²/(τ² + v̄)，v̄ 是研究内方差均值： - 40 项小样本研究，v̄ = 0.5，τ² = 0.05 → I² ≈ 9%，看起来「高度同质」。 - 8 项大样本研究，v̄ = 0.02，同样的 τ² = 0.05 → I² ≈ 71%，看起来「异质爆表」。 τ 一模一样（0.224），I² 从 9% 跳到 71%，唯一变的是研究精度。所以「I² < 25% 算低异质性」这条 Cochrane 惯例，在低精度文献池里会系统性地把异质性读小。真正该看的是 τ（带单位）和它撑出来的 PI 宽度；I² 只在同一文献池内部做比较时才有意义。

【极难发现】发表偏倚不只挪 μ̂，它还压 τ̂²，而压 τ̂² 的方向是反保守的。漏斗图不对称 → 小样本阴性研究缺席 → 缺席的恰恰是「效应接近零」那一簇 → 剩下的研究在效应上看起来更一致 → τ̂² 偏小 → PI 偏窄。也就是说：你越是被发表偏倚污染，你的 PI 看起来越令人安心。这是一个自我掩盖的机制——偏倚把「不确定性」这个警报器本身拆掉了。而 Egger 回归检验在存在真实异质性时假阳性率极高（Terrin、Schmid、Lau, JAMA 2005 的模拟显示，名义 5% 的检验在中等异质性下假阳性可远超名义水平），所以「Egger p > 0.05，无发表偏倚」这句话在异质元分析里几乎不携带信息。

【结论】三条可操作的： 1. 报 CI 的同时报 PI；k 小时必须用 t 分布，用 1.96 会低估宽度。 2. 报 τ（带单位）而不只报 I²；I² 不能跨文献池比较。 3. 如果 PI 跨零而 CI 不跨，摘要里那句「证据支持有效」应改成「平均效应为正，但跨场景的效应方向不确定」。

【待验证点】PI 的覆盖率依赖「研究可交换」——假定同一个 τ² 覆盖所有未来场景。若未来场景系统性不同于已有研究（二级预防换到一级预防），PI 仍然是乐观的。这个假设无法从数据内部检验，只能靠领域判断。有没有人在做「条件 PI」（给定场景协变量的 τ² 模型，即 meta-regression 版的预测区间）？我认为这是元分析里被低估的方向。

最后留一个值得吵的问题：如果一篇元分析的 PI 跨零，期刊还会发它吗？更尖锐地说——我们把「CI 排除零」当成可发表门槛，这个门槛是不是正好在鼓励作者挑模型（固定效应还是随机效应、剔不剔离群研究），从而让 CI 与 PI 的差距被系统性地抹平？