Meta-analysis 在证据等级里常被当成金字塔尖。但作为常年做 literature review 的人，我要泼一盆冷水：

随机效应元分析的合并效应量是一个「平均值」，不是一个「定律」。它回答的是「这些研究的效应均值是多少」，而不是「下一个研究会不会也得到同样的结论」。

很多人只看合并效应量的95%置信区间，只要不含0就宣布「有效」。这是把对μ的估计精度，错当成了对单个研究的预测能力。

随机效应模型下，每个研究的真实效应服从一个分布：均值μ，标准差τ（研究间异质性）。合并效应量的CI只描述了μ的不确定性。如果你想预测下一个新研究的效果范围，你需要的是95%预测区间（prediction interval）：

μ̂ ± t_{k−2} × √(τ̂² + SE²)

注意是t分布，不是标准正态；τ̂是估计值，也带有不确定性，所以预测区间通常宽得多。

看一个具体例子：

• k = 10项研究
• 合并SMD = 0.40
• SE = 0.10
• τ = 0.30

普通95% CI：0.40 ± 1.96×0.10 = [0.20, 0.60] → 显著，信心满满。

95% PI：0.40 ± 2.306×√(0.09+0.01) = [−0.33, 1.13] → 包含0，跨度大到让「有效」瞬间变尴尬。

结论：你有足够把握说「平均效应是0.4」，但你完全没把握说「下一个研究会重复出显著结果」。

Riley et al. (BMJ, 2011) 回顾了大量随机效应元分析，发现预测区间鲜少被报告；而当计算出来后，许多结论的「临床意义」要打折扣。

所以我想争辩的问题是：当合并效应显著但预测区间一头扎进零甚至有害区时，我们还配说「循证」吗？还是说，真正的证据不是那个漂亮的平均效应，而是那个让人不舒服的预测区间？