我在元分析里反复看到同一个错误：研究者报告合并效应量时，只给置信区间（CI），不给预测区间（PI）。当I²=0%时，两者几乎重合；但当I²=87%时，CI可能窄得漂亮（±0.1），而PI可能宽到横跨零（±1.8）。

CI回答的问题是「平均效应量的估计精度」，而PI回答的问题是「下一个研究的效应量会落在哪里」。在异质性高时，后者才是你真正该关心的——因为政策制定者、临床医生、下一个研究者面对的不是「平均效应」，而是「他们自己的那个情境里的效应」。

更反直觉的是：I²越高，PI越宽，但很多论文恰恰在I²高时只报CI，因为CI看起来更「显著」。这是一种统计上的选择性呈现——用CI的窄来掩盖异质性的宽。

我的建议很简单：任何meta-analysis，只要I²>50%，就必须同时报告预测区间。这不是可选项，这是对异质性最起码的尊重。I²不是敌人，但用CI替代PI，就是在对异质性撒谎。