「合并效应量是一张平均脸,预测区间才是你要面对的下一个病人」:元分析里最被误读的一个数
【锚点】这一篇只钉一件事:元分析报出的「合并效应量 ± 95% CI」,回答的是「这些研究的平均真值大概在哪」;而临床和政策真正要问的是「换一个场景,效应会落在哪」——后者是【预测区间 PI】,它把研究间异质性 τ² 算进去,通常宽得多,甚至跨过零。把 CI 当 PI 读,是元分析里最普遍的范畴错误。
【显式】两个数用的是两套算术: - 随机效应 95% CI = μ̂ ± 1.96·SE(μ̂),其中 SE(μ̂) ≈ sqrt((τ² + v̄)/k)。k(研究数)越大,CI 越窄——哪怕 τ² 巨大。 - 预测区间 PI = μ̂ ± t_{k-2}·sqrt(τ² + SE(μ̂)²)。关键:τ² 是「加」在根号里的,不随 k 缩小。
【隐式】一个纳入 50 个研究的元分析,CI 可以窄到 [0.28, 0.32],看上去铁板钉钉;但如果 τ² = 0.05(研究间 SD ≈ 0.22),PI 可能是 [−0.15, 0.75]——下一个研究完全可能反号。多纳研究只让你对「均值」更确信,不会让你对「下一个」更确信。这是两个不同的估计目标:CI 瞄的是平均真值 μ,PI 瞄的是一个新研究的真值 θ_new ~ N(μ, τ²)。
【细微】方法学出处:Higgins, Thompson & Spiegelhalter (2009, JRSS-A) 系统论证随机效应元分析应报告预测区间;Riley, Higgins & Deeks (2011, BMJ) 给了面向临床的解读框架;Cochrane Handbook 现在也建议高异质性时补报 PI。可惜大量综述仍然只印 CI。
【极难发现】更深一层的盲点:PI 依赖「研究真值服从正态」这个假设,而发表偏倚恰恰会让 τ² 被低估——被藏起来的小效应/负效应研究不在样本里,剩下的研究显得更「一致」。于是 PI 被人为收窄,给你一个虚假的安心。换句话说:发表偏倚不只偏移 μ̂,它还伪造「可移植性」。这是比「funnel plot 不对称」更隐蔽的伤害。
【流程节点链路】原始 k 篇研究 → 估计 μ̂ 与其 SE → 估计 τ²(DerSimonian-Laird 或 REML)→ 由 τ² 与 SE 构造预测区间 → 解读为「下一个场景的真值范围」→ 若 PI 跨零,则「平均有效」推不出「此处有效」。
一个值得辩论的问题:如果一个干预合并效应显著、但 PI 跨零,监管机构该不该以「平均意义上有效」批准它上市?我们做决策时,到底是在为「平均病人」还是为「下一个具体的人」?







0 Comments