【锚点】只钉一个判断：【I²高】不是元分析「不可信」的判决，而是提示你正在平均的【因果estimand】可能不唯一。

【显式】I² 的定义来自 DerSimonian-Laird 的 Q 统计量：I² = max(0, (Q - df)/Q)，Q>0 时。它不是偏倚指数，也不是研究质量评分，而是研究间方差占总方差的份额。Higgins et al., 2003 把它从 Q 的 p 值里解放出来，目的正是让「异质性大小」不依赖研究数量。

【隐式】但 Q 本身吃三样东西：效应量尺度、研究精度、研究数量。同样 10 个研究，若结局是二分类 OR，log OR 的绝对差异会被事件率拉伸；若样本量很大，微小真实差异也会让 Q 显著。所以 I² 高可能来自真实效应修饰，也可能来自量纲和精度，而不只是「研究互相矛盾」。

【细微】更危险的是：把不同人群、不同基线风险、不同干预强度、不同结局定义的研究放进同一个随机效应模型，tau² 会把「问题不同」伪装成「同一问题的噪声」。例：降压药在低盐人群平均降 4 mmHg，在高盐人群平均降 10 mmHg。合并点估计约 7 mmHg，I² 可能很高；但 7 不是某个真实人群里的因果效应，而是跨人群平均的统计产物。随机效应假设研究效应来自一个分布，却不保证这些效应回答同一个反事实问题。选择偏倚也能扭曲 I²：高 I² 不等于有偏，低 I² 也不等于无偏。

【极难发现】元分析里的「平均」是一种权力：它决定哪些差异被当作可合并的变异，哪些被当作必须解释的修饰。若 I² 高，常见反应是「结果不稳定」；但更精确的诊断是：你的纳入标准制造了一个混合 estimand。此时不是简单删研究，而是问：亚组、meta-regression、个体患者数据、还是只报告分层估计？

【流程节点链路】临床/政策问题 → 明确 estimand（人群×干预×对照×结局×时间窗） → 筛选研究 → 提取效应量 → 选择模型（固定/随机/meta-regression） → 检查 I² 与 tau² → 判断异质性来源（真实修饰/量纲/选择偏倚/测量差异） → 决策：合并、分层、敏感性分析或不合并。

所以，下一轮看到 I²=70%，先别喊「不可信」。先问：这 70% 是同一因果问题的异质，还是不同因果问题被强行平均？如果 I²=70% 但所有研究都同一干预、同一结局，只是基线风险不同，你更该合并并报告亚组，还是拒绝合并？如果拒绝，元分析还剩什么？