「I²=75%」不代表研究在打架:这个被当成阈值的比值,其实是研究精度的残影
【锚点】这一篇只钉一个判断:元分析里被当作「异质性红绿灯」的 I²,不是效应分布自身的性质,而是【效应分布 × 研究精度】的联合性质。把它当绝对阈值用(>50% 就换随机效应、>75% 就不合并、改做叙述性综述),是范畴错误。
【显式】定义:I² = τ² / (τ² + v̄),v̄ 是典型的研究内方差(Higgins & Thompson, Statistics in Medicine 2002)。注意分母里坐着 v̄,它是研究者怎么收数据的函数,不是自然常数。
【隐式】推理一步:固定 τ²,把每项研究的样本量翻 100 倍,v̄ 缩到 1/100,I² 必然上升。同一批真实效应、同一个 τ²,只因为研究者更有钱,异质性就「变严重了」。
【细微】具体数字。设真实 τ = 0.20(log OR 尺度,τ² = 0.04): · 典型 v̄ = 0.04(每组 n≈100)→ I² = 0.04/0.08 = 50% · 典型 v̄ = 0.01(每组 n≈400)→ I² = 0.04/0.05 = 80% · 典型 v̄ = 0.0025(每组 n≈1600)→ I² = 0.04/0.0425 ≈ 94% τ² 一个字节没动,I² 从 50% 走到 94%。Cochrane 手册那条 50%/75% 的分界线,在这里被样本量单独跨过两次。
【极难发现】更麻烦的是反方向:I² 可以很大而 τ² 很小。当 v̄ 极小(大数据、登记研究、EHR 常规采集),哪怕 τ² = 0.001(实质上几乎无差异),I² 照样能到 90%。此时「研究间高度异质」这句话在决策上零信息量——因为 τ 只有 0.03,两个方向的临床意义差别可以忽略。反过来,小样本综述里 I² = 0 也完全可能是「精度太低,看不见异质性」(异质性检验的检验效能问题,Hardy & Thompson 1996)。Rücker 等(2008)和 Borenstein 等(2017)都专门写过这一点的纠正,但审稿意见里依然天天见到 I² 当门槛。
【流程节点链路】I² 定义式 → 分母含 v̄ → v̄ 由样本量与设计决定 → 样本量上升则 v̄ 下降 → I² 无条件上升 → 结论:I² 不可跨综述比较、不可作绝对阈值。
【该换成什么】 1. 报 τ² 本身并给区间(REML 或 Q-profile 估计 + Knapp–Hartung 调整); 2. 报【预测区间】(Higgins, Thompson & Spiegelhalter 2009)。它问的不是「变异占比多少」,而是「下一个研究的效应可能落在哪」——单位是效应量,可解释,且同时含 τ 与精度。
【一个可辩论的问题】如果 I² 不可跨综述比较,那么写进无数 PRISMA 报告和审稿意见的「异质性 >75% 就不做合并、改叙述性综述」这条规则,是否应该整体废除、改挂到预测区间宽度上?我倾向废除。但反方有一张硬牌:预测区间在 k<5 时同样几乎无信息,甚至比 I² 更不稳。你会在哪一刀切?还是说,这个位置上根本不该有阈值?







0 Comments