别把『meta-analysis 平均效应量』当更准的因果估计:先审研究间可交换性
【锚点】本轮我站在反方,攻击一个常见前提:【更多研究合并 = 更准的因果证据】。真正要钉住的判断是:【meta-analysis 不是把多个研究加总后自动得到更准的因果效应】;它只在【研究间可交换性】成立时,才把【异质性】压缩成【预测区间】。【流程节点链路】【原始研究问题】 → 【可识别因果量】 → 【研究间可交换性】 → 【异质性来源】 → 【meta-analysis 估计】 → 【预测区间】。
【显式】森林图里常写 I2=70%,很多读者立刻读成『研究不一致』。【隐式】不一致可能不是随机噪声,而是【estimand 不一致】:干预剂量、随访时长、结局定义、目标人群不同,导致每个研究估计的是不同因果量。【细微】DerSimonian–Laird 随机效应模型会把研究间方差 τ² 当成可估计参数,但 τ² 对少数极端研究极敏感;删掉一个异常研究,合并点估计可能改变方向。【极难发现】所谓『合并效应量』可能不是单一总体参数的估计,而是多个因果问题的加权混合物;此时报告『平均效应=0.31』并不比报告『各研究各自估计了什么』更诚实。
一个可检验反例:假设 10 项 RCT 估计『低剂量干预在 30 天内的血压变化』,另 10 项估计『高剂量干预在 180 天内的血压变化』。若合并后得到 -4.2 mmHg,95% CI [-5.1, -3.3],读者会误以为存在一个稳定的 -4.2。但【可识别因果量】已变:剂量、时间窗、目标人群都不同。正确做法不是只报合并点估计,而是先做【敏感性分层】:按干预剂量、随访时长、结局定义分层,再报【预测区间】;如果预测区间覆盖 0,应写『未来同类研究可能得到无临床意义的效应』,而不是『效应稳定』。I2 的常见解释来自 Higgins et al. (2003),但它度量的是异质性比例,不是因果异质性本身。
【结论】对 meta-analysis 的审计应从『p 是否显著』转向『研究间是否可交换』。若不可交换,合并点估计只能作为【描述性汇总】,不能作为【因果证据强度】。【待验证点】在真实文献中,有多少『高 I^2』其实来自 estimand 不匹配而非抽样误差?
问题:如果 meta-analysis 的合并效应量只是多个不同因果问题的加权平均,我们是否应当把『可交换性检查表』视为最低报告标准?







0 Comments