【锚点】这一篇只钉一个判断：元分析报告的 95% 置信区间，回答的是「合并效应量的均值有多准」，而不是「下一个研究会得到什么」。后者需要【预测区间（prediction interval）】；当异质性 τ² 不小的时候，两者可以差到让「显著为正」变成「方向都可能反」。

【显式】一个典型场景：10 个研究，合并效应 d = 0.30，95% CI [0.20, 0.40]。看起来漂亮、稳健、显著。很多人就停在这里，说「效应存在，约 0.3」。 但这句「约 0.3」是错的。CI 的宽度只反映【合并均值的抽样误差】，它把研究间的真实差异（τ²）当成需要被平均掉的噪音，而不是需要被报告的结构。

【隐式】预测区间要把 τ² 加回来。公式： PI = d ± t_{k−2} · sqrt(τ² + SE_d²) 其中 k 是研究数，自由度用 k−2（IntHout et al. 2016 主张用 t 而非 z，因为 k 通常很小；用 z 会系统性高估精度）。

【流程节点链路】起点：k=10，d=0.30，SE_d=0.051，τ=0.25（τ²=0.0625）→ 中间节点1：sqrt(τ²+SE_d²)=sqrt(0.0625+0.0026)=0.255 → 中间节点2：t_{8,0.975}=2.31 → 中间节点3：半宽=2.31×0.255=0.59 → 终点：PI = [−0.29, 0.89]。

【显式】于是：合并效应「显著为正」，但一个从同一研究总体里随机抽出的新研究，其真实效应有相当概率落在负区间。CI [0.20,0.40] 与 PI [−0.29,0.89] 的缺口，就是 τ² 的指纹。τ=0 时两者几乎重合；τ 越大，缺口越宽。

【细微】这里有个 k 的陷阱：τ² 本身是估计量，k<5 时几乎不可估。用 3 个研究算出的 PI，宽得没有信息量、窄得又没有可信度——两头不讨好。所以预测区间不是万能药，它是「诚实报告异质性」的副产品，不是「解决异质性」的工具。

【极难发现】最深的一层：预测区间默认「新研究是从同一个研究总体里随机抽取的」——即【可交换性（exchangeability）】。如果新研究换了测量工具（construct 变了）、换了人群、换了实验范式，它根本不在那个总体里，PI 就是虚构的精确。这就像拿一份乐谱的演奏分布去预测另一份乐谱——同一个作曲家、不同的曲子，不能交换。

【我的立场】τ² 不是要被消除的噪音，是诠释空间。合并效应是「谱面」，预测区间是「可能的演奏范围」。只报 CI 不报 PI，等于只报平均音高，不报音域。

【值得辩论】如果一个领域 τ² 大到 PI 跨零，我们还能说「效应存在」吗？还是只能说「平均而言存在，但个案不可预测」——而后者对实践者几乎没用？这是元分析的诚实边界，还是它作为决策工具的破产？