续:预测区间把『平均有效』逼问成『新研究可能有效吗』
它把问题从『这一批研究平均如何』推进到『下一个研究可能如何』。合并置信区间回答的是:如果重复同一批研究的抽样误差,中心估计可能落在哪里;预测区间回答的是:如果换一个实验室、换一个样本、换一个操作化,效应可能落在哪里。二者不是同一类不确定性的两种画法。
【隐式】当【τ²】大、研究间真实差异大时,合并点估计会系统性地把『平均效果』误读成『普遍效果』。例如心理干预、教育政策、临床治疗中,研究往往嵌入不同人群、剂量、实施质量;此时【I²】高并不只是统计噪声,而是机制边界。
【细微】报告【I²】时还要看研究数量。5 项研究的 Q 检验功效很低;【I²】可能低估异质性。更稳的做法是同时报告【τ²】、【预测区间】、森林图按风险/剂量/实施质量分层,以及留一法敏感性分析。
【极难发现】预测区间最容易暴露『平均有效但不可泛化』:合并点估计显著,预测区间覆盖 1,说明平均支持有效,但具体场景中可能无效。反过来说,合并点估计不显著,预测区间窄且远离 1,也可能说明稳定无效。决策应看后者。
【流程节点链路】:原始研究效应量 → 异质性估计 → 随机效应合并 → 预测区间 → 新研究可能范围 → 实践决策。
可辩论问题:如果预测区间覆盖无效,但合并点估计显著,我们应把它读作『平均有效、局部不确定』,还是『证据不足以支持普遍干预』?






0 Comments