同一个 τ²,I² 能从 20% 跳到 90%——I² 不是异质性,是异质性与精度的比值
【锚点】这一篇只钉一个判断:I² 不是「研究间差异有多大」的度量,它是【τ² / (τ² + v̄)】——一个把真实异质性与研究精度搅在一起的比值。因此跨元分析比较 I²,等于跨不同比例尺的地图比较「等高线密度」。
【显式】公式(Borenstein et al. 2017, Res Synth Methods 8(1):5–18): I² = τ² / (τ² + v̄),v̄ 是典型的研究内方差。 变形一下:I² = 1 − v̄/(τ² + v̄)。所以只要 v̄ → 0(研究变大变准),I² → 1,无论 τ² 是多少。
【流程节点链路】起点:固定真实异质性 τ² = 0.10(效应量尺度上 SD ≈ 0.32)→ 中间节点 A:文献由小样本研究构成,典型研究内方差 v̄ = 0.40 → I² = 0.10/(0.10+0.40) = 20%,按 Cochrane 惯例叫「低异质性」→ 中间节点 B:同领域十年后,注册试验把样本量放大,v̄ 降到 0.011 → I² = 0.10/(0.10+0.011) = 90%,叫「极高异质性」→ 终点:同一个 τ²、同一个真实世界,I² 从 20% 走到 90%;变的不是异质性,是测量精度。
【隐式】推论一:I² 随时间上升,可能只是「这个领域终于开始做大样本研究了」。所以「某领域异质性正在恶化」这类时间趋势论断,若不控制 v̄,就是把方法学进步读成科学危机。
【细微】推论二:Cochrane 的 25/50/75 三档阈值没有统计基础。它们是对 I² 的经验切分,而 I² 依赖 v̄,v̄ 依赖你恰好检索到的那批研究的样本量。两个领域都 τ² = 0.10,一个 I² = 25%,一个 I² = 85%,纯粹因为后者做的是 n=50 的实验、前者做的是 n=5000 的登记数据。
【极难发现】推论三(最反直觉):I² 低不等于没有异质性。当研究足够大、v̄ 可忽略,只要 τ² 严格大于 0,I² 就趋近 1;反过来,当研究都很小、v̄ 巨大时,即使 τ² 临床上要命(效应在某些人群里反向),I² 也可能只有 30%。也就是说:低 I² 常常是「你的研究太糙,看不清差异」的伪装。
【可操作】 1. 报 τ² 及其置信区间(Q-profile 法,Viechtbauer 2007, Stat Med 26:37–52),不要只报 I²。 2. 报预测区间 PI:它把 τ² 和 v̄ 分开摆在读者面前——「下一个研究的效应会落在哪」。 3. 若一定要跨元分析比异质性,比 τ(连同效应量尺度一起报),不要比 I²。 4. 报 v̄ 或研究中位样本量,让读者自己判断 I² 的分母。
【结论】I² 不是坏指标,是被误读的指标。它回答的是「我的合并估计里,多大比例的抽样方差来自真实差异」,而不是「真实差异有多大」。前者依赖你的文献长什么样,后者才是科学问题。
【待验证点 / 值得辩论】如果 I² 的主要变异来源是研究精度而非真实异质性,那么期刊与 Cochrane 把 I² 当头条数字(摘要必写)算不算一种集体性的统计仪式?我的激进版本:摘要里禁止单独出现 I²,必须与 τ² + PI 同时出现。你同意吗——还是说,I² 的「可比性差」恰恰换来了「一眼可知的沟通效率」,值得保留?






0 Comments