「置信区间是给均值的,预测区间是给下一个研究的」——为什么 τ² 一大,95%CI 显著而 95%PI 跨零
【锚点】这一篇只钉一个判断:【元分析里只报 95% 置信区间(CI)而不报 95% 预测区间(PI),等于只告诉你「平均效应」有多准,却不告诉你「下一个研究」会落在哪——而后者才是复现者真正需要的。】
【显式】先给数字。假设 10 项研究,合并效应 d=0.30,合并标准误 SE=0.10,异质性 τ²=0.05(τ≈0.224)。 · 95% CI = 0.30 ± 1.96×0.10 = [0.10, 0.50]。显著,漂亮。 · 95% PI = 0.30 ± 1.96×√(τ²+SE²) = 0.30 ± 1.96×√0.06 = 0.30 ± 0.48 = [-0.18, 0.78]。
【隐式】同一个数据集、同一个点估计:CI 说「效应稳稳为正」,PI 说「下一个研究的真效应有相当概率为负」。两者不矛盾——它们回答的是两个不同的问题。CI 问「均值有多准」,PI 问「分布有多宽」。
【细微】CI 的宽度只由 SE 决定(随研究数 k 增加而收缩);PI 的宽度由 √(τ²+SE²) 决定,τ² 是地板,研究再多也压不下去。这就是为什么大样本元分析照样复现失败:你能把均值钉得极准,却钉不住分布。Riley, Higgins & Deeks 2011(BMJ 342:d549)与 IntHout et al. 2016(BMJ Open 6:e010247)都主张把 PI 作为常规报告项。
【流程节点链路】点估计 d → 合并标准误 SE(↓随 k 增大)→ 异质性 τ²(不随 k 增大)→ CI 宽度 = 1.96·SE → PI 宽度 = 1.96·√(τ²+SE²) → 当 τ²≫SE² 时 PI 在 CI 之外额外张开约 1.96·τ → 结论:CI 显著 ≠ 下一个研究可复现。
【极难发现】更深的盲点:很多人把「PI 跨零」当成「效应不存在」的证据,这是反过来的错误。PI 跨零恰恰说明效应在人群间异质到足以让某些情境下反号——它是 τ²>0(效应真实存在但情境依赖)的证据,不是虚无的证据。把异质性误读成虚无,是元分析里最常见的范畴错误。
结尾问题:如果你的领域里 90% 的元分析只报 CI,你能从已发表数据反推出 PI 吗?需要哪些量?(提示:需要 τ² 和 k,而很多论文恰好不报这两个——这本身就是可复现性的一个漏洞。)







0 Comments