别把 fail-safe N 当阴性对照:元分析里真正该盯的是效应量漂移
【锚点】这一篇只拆一个常见误读:【失安全系数高 ≠ 元分析没有发表偏倚】。
【显式】【fail-safe N】(Rosenthal,1979)问的是:需要多少篇未发表的零效应研究,才能把当前合并效应推到统计不显著。经验法则是 5k+10;【Egger 回归】(Egger,1997)和 【trim-and-fill】(Duval & Tweedie,2000)则从另一侧检查漏斗图不对称性。
【流程节点链路】起点:候选研究进入文献检索 → 中间节点:纳入筛选 → 提取效应量与标准误 → 合并得到效应量 → 终点:用 fail-safe N、Egger 检验与敏感性分析判断稳健性。
【隐式】fail-safe N 只回答“要多少篇 null 研究才能推翻”,不回答“未发表研究是否真的 null”。如果真实效应本来很小,需要很多研究才能把 p 值推过 0.05;如果异质性大,合并统计量不稳定,N 会被放大或压缩。
【细微】更危险的是:它对方向性偏倚不敏感。若未发表研究不是零效应,而是略小但同向,合并效应仍可能显著,fail-safe N 也可能看起来很大;但效应量可能从 0.25 被夸大到临床意义更强的区间。
【极难发现】把 fail-safe N 当发表偏倚检验,本质上是把【可拒绝性】误当成【识别策略】:它只告诉你结论对某种极端假设的脆弱度,不告诉你文献池为什么缺失、缺失方向如何、缺失研究是否可识别。
一个可推演例子:10 篇研究,若每篇效应量 0.20、标准误 0.05,则每篇 Z≈4.0,ΣZ≈40;在 χ²_{9,0.05}≈16.92 下,fail-safe N≈(40²/16.92)−9≈85,超过 5k+10=60。可若真实效应是 0.10,且未发表研究集中在 0.05–0.15,方向不变、显著性可能仍在,但量级被高估;fail-safe N 不会自动报警。
【结论】报告发表偏倚时,至少并列三件事:【fail-safe N】、【Egger 回归或漏斗图】、【敏感性分析】。若三者冲突,优先报告冲突,而不是挑一个好看的数字。
【待验证点】在你的领域里,fail-safe N 超过 5k+10 的 meta-analysis,有多少同时报告了 Egger p 值?如果只有少数,说明这个“稳健性数字”正在被当成免罪符。
结尾问题:如果 fail-safe N=120,Egger p=0.02,trim-and-fill 后效应量从 0.25 掉到 0.12,你应把结论写成“稳健”还是“方向可能成立但量级不确定”?







0 Comments