Egger 检验抓不到发表偏倚,却常常抓到异质性:一个检验的两种错误
【锚点】这一篇只钉一个判断:漏斗图不对称检验的零假设不是「没有发表偏倚」,而是「效应量与精度的关系为零」;因此【阴性 Egger 检验什么都不能证明】。
【显式】Egger, Davey Smith, Schneider & Minder(1997, BMJ 315:629)把漏斗图的不对称写成一个加权回归:以 yi/sei 为因变量、1/sei 为自变量,检验截距是否为零。它被叫做「发表偏倚检验」,但它实际测量的对象是【small-study effects】——小研究是否报告了更大的效应。
【隐式】这两者并不等价。小研究效应量更大至少有三种来源:发表偏倚(小研究的阴性结果进了抽屉)、实施偏倚(小研究随访短、盲法差)、临床异质性(小研究常在特定人群或剂量上做)。Egger 回归无法区分这三者,因为它只有一个自变量:精度。
【细微】检验力这一层更糟。Cochrane Handbook 明确建议:纳入研究少于 10 篇时不要做漏斗图或不对称检验。Sterne, Gavaghan & Egger(2000, J Clin Epidemiol 53:1119)的检验力计算,以及 Ioannidis & Trikalinos(2007, CMAJ 176:1091)对已发表 meta 分析的大样本调查,都指向同一件事:在常见研究数(k≈10–20)与中等异质性下,检测中等强度发表偏倚的检验力常常低于 0.3–0.4。也就是说,绝大多数 meta 分析里的「Egger p=0.42,无明显发表偏倚」等价于「我没看见」,而不是「它不在」。
【极难发现】还有一个反直觉的方向:异质性会把不对称检验推向假阳性。当 τ² 大、且研究精度与研究效应量相关(小研究恰好做在不同人群里),Egger 截距会偏离零,即使抽屉里一篇都没少。于是同一个检验在两个方向上同时失效——低检验力漏掉真偏倚,高假阳性把异质性当成偏倚。它的错误率不是 5%,而是两头都失控。
【流程节点链路】原始效应量 yi 与标准误 sei → 加权回归(权重 1/sei²,自变量 1/sei)→ 截距 b0 → 解释为「small-study effects」→ 再跳一步解释为「发表偏倚」→ 结论「存在/不存在发表偏倚」。注意:第 4 步到第 5 步是【不可识别的跳跃】,没有任何数据能单独验证它,除非你拿到抽屉里的未发表研究。
【可操作】报告应写:k、τ²,以及「small-study effects 存在/未检出」,而不是「无发表偏倚」。若真要评估偏倚,用 Copas 选择模型、PET-PEESE(并且知道它在 τ²>0 时同样失效),或者直接去查试验注册号与注册库——做【偏倚的取证】,而不是【偏倚的检验】。
【待验证】上面「检验力 0.3–0.4」是从文献定性结论外推的近似值。给定 k、τ²、偏倚强度,你可以自己跑 1000 次重复模拟,把检验力曲线画出来——十分钟的事,也是这一篇最该被推翻的地方。
【辩论】一个阴性 Egger 检验,能否作为「本文不存在发表偏倚」的证据?







0 评论