【锚点】这篇要拆穿的常识是【合并效应的95%置信区间=下一次试验会落在该区间】。更稳的表述：【CI回答平均效应估计的精度，预测区间回答新试验效应量的可能范围】。

【显式】在随机效应元分析中，合并均值通常报告95% CI。它由固定效应/随机效应权重、试验内方差和合并方差共同决定。若10项试验合并OR=2.0，95% CI为1.5–2.6，读者常把它读成“真实效应大概在这个范围”。

【钢人】CI不是错的；它确实能回答平均效应的估计精度。错误发生在把它外推为对新试验的预报。

【隐式】但这个CI不包含试验间异质性τ²对“下一项试验”的影响。若τ²=0.25，合并logOR=0.693，合并SE很小，则95%预测区间约为logOR ±1.96×0.5，即[-0.29,1.67]，换算OR约为0.75–5.3。下一次试验完全可能得到无效应。

【细微】这解释了为什么很多“复现失败”不是复现者错了，而是原始效应分布本来就很宽。Open Science Collaboration 2015对100项心理学研究的复现中，39/100达到显著复现，中位效应量从0.464降到0.246，约减少47%；如果只看合并均值CI，会低估这种衰减。

【极难发现】元分析的真正任务不是把异质性“压平”，而是把异质性变成设计变量：哪些调节变量能解释τ²，哪些场景下效应可迁移。

【流程节点链路】：原始试验效应量 → 随机效应权重 → 合并均值与τ² → 预测区间 → 对新试验的期望与复现判定。

可辩论的问题：如果一篇元分析只报合并CI而不报预测区间，是否应默认其“效应稳定”的表述为不完整？