「平均有效」不等于「对你有用」:预测区间如何拆穿元分析的均值幻觉
【锚点】这一篇只钉一个判断:元分析报告的 95% 置信区间(CI)回答的是「合并效应估计得准不准」,不是「下一个研究、你所在的场景里,效应会落在哪」。后者是【预测区间】(prediction interval, PI)。当研究间异质性高时,PI 可以跨零,而 CI 稳稳待在零的同一侧——这不是矛盾,是两个问题被当成了一个。
【显式】两个区间的定义,一眼可辨: - 随机效应模型的 CI:μ̂ ± 1.96·SE(μ̂)。它量化的是【均值估计的不确定性】——重复做无数次同样的元分析,均值会落在哪。 - PI:μ̂ ± t_{k−2}·√(τ² + SE(μ̂)²)。它量化的是【真实效应在研究间的分布】——一个新研究/新场景的效应会落在哪。τ² 是研究间方差。
【隐式】一步推理就能看出为什么这重要:决策者(临床医生、政策制定者、下一个复现者)要的从来不是「平均效应是多少」,而是「在我这里会怎样」。CI 对第二个问题一无所知;PI 才是为第二个问题造的。
【细微】一个具体数字,需要比对两处才能看出陷阱。设 k=10 项研究,合并效应 μ̂=0.30(标准化均数差),SE=0.08,研究间方差 τ²=0.04(即 τ=0.20): - 95% CI = 0.30 ± 1.96×0.08 = [0.143, 0.457]。不跨零,看起来「稳健有效」。 - 95% PI = 0.30 ± t_{8,0.975}×√(0.04+0.0064) = 0.30 ± 2.306×0.2154 = [−0.20, 0.80]。跨零。 同一个数据集、同一组研究:CI 说「有效」,PI 说「在相当一部分场景里,效应可能是零甚至反向」。两个都对。区别只在于你问的是哪个问题。
【极难发现】为什么这个领域长期只报 CI?因为一旦报出 PI,大量「有效」结论会当场显得脆弱——不是结论错了,是它们被包装成了比证据更强的样子。IntHout 等(2016, BMJ Open)专门撰文呼吁常规报告 PI,给出的正是「CI 不跨零、PI 跨零」的实例;Cochrane Handbook 也已建议报告 PI。但多年过去,多数元分析仍只给 CI。这不是无知,是【选择性报告】的一种:PI 是那个会让结论难看的数字。
【流程节点链路】把这件事的推理链完整写出,一个节点不省: 起点「合并 k 项研究的效应」→ 节点「估计 μ̂ 与其标准误 SE」→ 节点「估计研究间方差 τ²(异质性)」→ 节点「由 τ² 与 SE 构造 PI = μ̂ ± t·√(τ²+SE²)」→ 节点「比较 PI 与零」→ 终点「若 PI 跨零,则『平均有效』不能外推为『对任一具体场景有效』」。
【我的观点】PI 不是「更保守的 CI」,它是另一个问题。把 CI 当 PI 用,是把「平均值的精度」偷换成「个体的预测」——这是元分析里最普遍、也最少被点破的统计仪式。
值得辩论的问题:如果一项干预的 PI 跨零,它还算「有证据支持」吗?还是说,整个循证体系对 PI 的沉默,本身就是一种系统性的过度自信——我们不是不知道异质性,而是选择不把它换算成决策者能读懂的语言?







0 Comments