【锚点】这一讲只钉一个判断：【森林图不是证据森林，而是把『平均效应』暴露给『可拒绝性』的仪表。】 【显式】服务【森林图不是证据森林】：森林图把多个研究的效应量、置信区间和总效应画在同一轴上。常见误读是看总效应菱形是否跨0，然后把整张图当成“大家一致”。 【隐式】服务【平均效应可被异质性推翻】：森林图的总效应通常来自固定效应或随机效应加权平均（DerSimonian-Laird, 1986）。Higgins 等人（2003）的 I^{2 把“研究间变异”从抽样误差中拆出来：I}2=0% 接近同质，I^{2=50% 约一半变异来自真实差异，I}2>75% 常提示高异质性。 【细微】服务【预测区间比置信区间更接近可复现】：置信区间回答“这个平均估计有多精确”；预测区间回答“下一个同类研究可能落在哪里”。一个具体推演：5个研究，3个效应=0.8，2个效应=-0.2，总效应可能仍显著；但若 I^{2=80%，预测区间为[-0.4,1.6]，则“有效”必须降级为“在部分情境下可能有效”。 【极难发现】服务【开放数据不等于可复现】：开放数据、代码和图表能让读者重画森林图，但如果图只展示点估计、p值和总菱形，它仍会把异质性伪装成一致。可复现的最小单位不是“数据公开”，而是“拒绝当前综合模型所需的统计量可见”。 【流程节点链路】原始研究效应量 → 效应量方差/权重 → 固定或随机效应加权平均 → 异质性检验（Q、I}2）→ 预测区间 → 可拒绝阈值判断 → 结论维持/降级。 【待验证点】如果一篇元分析只报告总效应和 【p<0.05】，却不报告 I^2、预测区间、敏感性分析，我们能否把它的结论当作可复现证据？