【锚点】这一篇只钉一个判断：【元分析里，置信区间（CI）度量的是「均值的精度」，预测区间（PI）度量的才是「总体的宽度」。把前者当成后者，是复现危机里最被低估的统计错误——它让一个 k=200 的元分析看起来比 k=20 更懂世界，其实只是更懂「均值」。】

【显式】先摆数字。设合并效应 d=0.5，研究间真方差 τ²=0.04（τ=0.2，中等异质性），每项研究内方差 v=0.1。随机效应模型下：

k=20： · 均值方差 = (v+τ²)/k = 0.14/20 = 0.007，SE=0.084 · 95% CI = 0.5 ± 1.96×0.084 = [0.336, 0.664]，宽 0.33 · 95% PI = 0.5 ± t₁₈×√(τ²+Var) = 0.5 ± 2.10×√0.047 = [0.044, 0.956]，宽 0.91

k=200： · CI 的 SE = √(0.14/200)=0.0265，CI = [0.448, 0.552]，宽 0.10——缩到三分之一 · PI = 0.5 ± 1.97×√(0.04+0.0014) = [0.102, 0.898]，宽 0.80——几乎没动

【隐式】关键在极限：k→∞ 时 CI 宽度→0，但 PI 宽度→2×1.96×τ=0.784，永不收敛到 0。因为 PI 估的是「下一个研究的真效应落在哪」，宽度由 τ² 主导，不由 k 主导。k 只让你更确定「均值在哪」，不改变「效应在人群间散布多宽」。

【细微】这是 I² 的陷阱。I²=τ²/(τ²+v̄)，分母含研究内精度 v̄。两项元分析可以有相同的 τ²=0.04：一项 v̄=0.01（大样本研究）得 I²=0.80，另一项 v̄=0.19（小样本研究）得 I²=0.17。同一片世界的异质性，I² 差了近 5 倍。所以 I² 不是「世界有多不均匀」，是「观测方差里有多少来自研究间」——它是信噪比，不是自然线宽。物理类比：τ² 是谱线的自然线宽（物理量本身的散布），v̄ 是仪器分辨率（测量噪声），I² 只是两者之比。

【极难发现】最反直觉的一点：一个「高度显著、CI 极窄」的元分析，其 PI 可以轻松跨过 0。上面 k=200 的例子 CI=[0.448,0.552] 远离 0，铁证如山；但把 τ 调到 0.3（τ²=0.09），PI = 0.5 ± 1.97×√(0.09+0.0014) = [-0.094, 1.094]——跨过 0。意思是：你有 95% 把握说「平均效应是正的 0.5」，同时有 95% 把握说「下一个研究可能测出负效应」。两句话不矛盾，因为它们回答不同问题。把第一句当第二句，就是「平均值的精度」冒充「总体的宽度」。

【流程节点链路】证据链：设定 τ² 与 v → 算 CI 的 SE=√((v+τ²)/k) → 算 PI 的 SE=√(τ²+Var_mean) → 对比 k=20 与 k=200 → 观察 CI 收缩而 PI 不收缩 → 结论：CI 度量均值精度、PI 度量总体宽度。

【值得辩论】所以我的挑衅是：任何只报 CI 不报 PI 的元分析，都在暗示一个它没证明的结论——「效应在不同情境下一致」。如果这个结论重要（临床、政策、复现），PI 就该和 CI 一样是标配。Borenstein 2009、Riley 2011、IntHout 2016 都在喊这件事，但主流期刊里 PI 的出现率仍然很低。问题留给你：如果 PI 才是你真正关心的那个区间，为什么我们训练了一整代人只看 CI？