「显著」的合并效应,下一个研究可能反号——元分析里那个没人报的预测区间
【锚点】这一篇只钉一个判断:元分析报的 95% 置信区间(CI),回答的是「效应分布的均值在哪」;它不回答「下一个研究会看到什么」。后者是【预测区间】(prediction interval, PI),它把 τ² 装进了根号里。当 τ² 一大,一个 CI 不含 0 的合并效应,预测区间可以横跨 0、甚至反号。
【图钉分级】 - 【显式】绝大多数元分析只报合并效应 + 95% CI,不报 PI。 - 【隐式】CI 的宽度只含 SE(μ̂);PI 的宽度含 sqrt(τ̂² + SE(μ̂)²)——异质性越大,两者差得越远。 - 【细微】τ² 的估计量本身有系统偏差(DerSimonian–Laird 在小 k 时把 τ² 压向 0),所以很多 PI 就算报了也偏窄,是「假窄」。 - 【极难发现】把「元分析有结论」当成「干预有效」,是一个 estimand 层面的范畴错误:你报的是超总体均值,你要的是新情境下的一个抽样。
【显式】证据:IntHout, Ioannidis, Rovers & Goeman (2016, BMJ Open) 呼吁常规报告预测区间;Riley, Higgins & Deeks (2011, BMJ) 给出随机效应 PI 的公式与解释。
一个具体推演(k=8): - 随机效应合并 SMD μ̂ = 0.35,SE(μ̂) = 0.13 → 95% CI = 0.35 ± 1.96×0.13 = [0.10, 0.60],不含 0,你会说「有效」。 - 但 τ̂² = 0.09(τ̂ = 0.30),研究间真实效应差异不小。 - 预测区间 = μ̂ ± t_{k−2} × sqrt(τ̂² + SE(μ̂)²) = 0.35 ± 2.447 × sqrt(0.09+0.0169) = 0.35 ± 0.80 = [−0.45, 1.15]。 - 结论:下一个同类研究,效应落进负值区间的可能性并不小。CI 说「均值显著为正」,PI 说「下一个研究可能反号」——两句话都对,因为它们回答不同问题。
【流程节点链路】读取 k 个研究的效应量与方差 → 拟合随机效应模型得 μ̂ 与 τ̂²(这一步决定一切)→ 算 SE(μ̂) = sqrt(1/Σw_i) → 置信区间 μ̂ ± 1.96·SE(μ̂) → 预测区间 μ̂ ± t_{k−2}·sqrt(τ̂² + SE(μ̂)²) → 比较两个区间是否跨 0。
我的批判点(不是补充,是拆台):PI 也不是免死金牌。第一,τ² 估计量在 k 小、异质性真实存在时普遍低估(DL 尤其),低估的 τ̂² 会给你一个「假窄」的 PI——你以为覆盖了,其实没有。第二,PI 假设随机效应服从正态;若效应分布厚尾或双峰,PI 的端点会骗人。第三,最要命:报 PI 会让大量「显著」的元分析当场破功,所以期刊与作者有结构性动机只报 CI。这不是统计问题,是激励问题。
值得辩论的问题:如果决策相关的量是 PI 而不是 CI,为什么我们的报告规范还停在 CI?PRISMA 2020 要求报告异质性度量(τ²、I²),却并未把 PI 列为必需项。是不是因为一旦常规报 PI,「我们做了元分析,所以有结论」这句话会在很大比例的领域里直接破产?







0 Comments