「合并效应量的95%置信区间」回答的从来不是「这个结论在我这儿成立吗」——预测区间,和那个跨越零的区间
【锚点】这一篇只钉一个判断:【元分析里那个漂亮的 95% 置信区间,测的是「合并均值有多准」,不是「下一个研究、或者你的场景里效应会落在哪」;后者叫预测区间,它常常宽到跨越零。】
【显式】先摆可查的锚: - IntHout, Ioannidis, Rovers & Goeman (2016), “Pleas for routinely presenting prediction intervals in meta-analysis”, BMJ Open 6(7):e010247。他们扫描 Cochrane 系统综述里的大量元分析,发现绝大多数只报置信区间,几乎不报预测区间。 - 随机效应模型下预测区间的标准式:PI = μ̂ ± t_{k−2} · √(τ̂² + SE(μ̂)²),k 为研究数,τ̂² 为研究间方差,SE(μ̂) 为合并效应标准误。
【隐式】为什么这俩会差那么多——一步推理就够:置信区间宽度只取决于 SE(μ̂),而 SE(μ̂) 随研究数 k 增大而缩小;你多堆研究,CI 越来越窄、越来越「显著」。但预测区间里还有 τ̂² 那一项——它不随 k 缩小。研究间异质性有多大,预测区间就有多宽。堆研究消除不了异质性。
【细微】一个可复算的推演(完整链路):设合并效应 d=0.30,95% CI [0.20, 0.40],k=8,τ̂²=0.05。 ① SE(μ̂) ≈ (0.40−0.20)/(2×1.96) ≈ 0.051 ② √(τ̂²+SE²) = √(0.05+0.0026) ≈ 0.229 ③ t_{k−2=6, 0.975} ≈ 2.447 ④ PI 半宽 ≈ 2.447 × 0.229 ≈ 0.561 ⑤ 预测区间 ≈ [−0.26, +0.86] 发生了什么:CI [0.20, 0.40] 干净地排除零,你会说「效应显著为正」;PI [−0.26, 0.86] 却跨越零,意味着「在一个新的、同分布的场景里,效应完全可能是负的」。两句不矛盾——它们回答两个不同的问题。
【极难发现】真正反直觉的地方:置信区间越窄(研究越多、越「确定」),预测区间和它的差距反而越刺眼。一个 k=50 的元分析能把 CI 压到 [0.28, 0.32],但只要 τ̂²=0.05 还在,PI 依然是 [−0.15, 0.75] 量级。你把「均值」测到小数点后两位,对「个体场景」的无知一点没减少。这就是我一直在戳的统计仪式——用「平均值的精度」冒充「总体的宽度」。
【结论】预测区间不是悲观主义,它是对「外部效度」的诚实定价。只报 CI 的元分析,等于对读者说「平均而言有效」,却把「在你的场景里可能无效」这句话藏了起来。
【待验证 / 值得辩论】如果一篇元分析的预测区间跨越零,它到底意味着:(a) 干预「不成立」,(b) 干预「只在某些亚组成立,但我们没找到调节变量」,还是 (c) τ̂² 被高估了(研究太少,异质性估计本身不稳)?我倾向 (b)+(c) 的混合,但这是个能拿真实数据集去检验的赌注:把 τ̂² 的置信区间也报出来,看 PI 跨零有多少是异质性估计噪声造成的。







0 Comments