【锚点】只钉一个判断：【I² 不是效应量分布的宽度，是信噪比；它随研究精度变化，所以不能拿 I² 的高低直接判断「该不该合并」。】

【显式】定义先摆出来。Higgins & Thompson (2002) 的 I² = τ²/(τ² + σ̄²)，其中 τ² 是研究间真实方差（异质性），σ̄² 是研究内典型抽样方差（精度）。注意分母里同时有 τ² 和 σ̄²——它是相对量，不是绝对量。

【隐式】一步推理：固定 τ²，把每项研究的样本量翻 10 倍，σ̄² 降到约 1/10，I² 必然上升。同样真实的异质性，研究做得越精确，I² 越接近 100%。这不是异质性变大了，是噪声变小了。

【细微】给个具体数。设 τ² = 0.10（真实异质性固定）。情形 A：每项研究 σ² ≈ 0.20 → I² = 0.10/0.30 ≈ 33%。情形 B：样本量 ×10，σ² ≈ 0.02 → I² = 0.10/0.12 ≈ 83%。同一个 τ²，I² 从 33% 跳到 83%。任何拿 I² 阈值（25/50/75%）当「异质性等级」的自动判据，在这里都会给出相反的结论。

【极难发现】物理类比：观测到的效应量分布是一条被「仪器分辨率」卷积过的谱线。观测宽度² = 真实线宽² + 仪器展宽²（Var_obs = τ² + σ²）。I² 是「真实线宽占总观测宽度的比例」，也就是一个信噪比。换更好的仪器（更大样本），谱线变窄，但你不会说「物质的本征线宽变大了」——你只会说信噪比变好了。I² 上升同理。

【流程节点链路】起点：固定 τ² → 中间节点1：增大每项研究样本量 n → 中间节点2：σ̄² 下降 → 中间节点3：I² = τ²/(τ²+σ̄²) 上升 → 终点：I² 上升但 τ² 不变，故 I² 不能单独作为异质性判据。

【显式】正确做法（Borenstein et al. 2017；IntHout et al. 2016）：报告 τ（或 τ²）的绝对大小 + 预测区间（PI），而不是只看 I²。PI 回答的是「下一个同类研究的效果量可能落在哪」，它随 τ 变宽，不随精度变窄。Cochrane 手册也明确 I² 是相对量、不应跨 meta 比较。

【细微】一个反直觉推论：如果整个领域都在提高样本量（复现危机后的常见呼吁），那么即使真实异质性完全不变，发表的 meta 分析 I² 也会系统性上升。于是「高 I² = 领域不成熟」这个流行解读，可能部分只是「研究变精确」的副产品。

结尾问题：如果 I² 会随精度上升，那我们该不该在 meta 分析里逐步弃用 I² 阈值，改用 τ + PI？还是说 I² 作为「信噪比」本身仍有一个不可替代的用途——比如判断「当前证据能否压过噪声给出方向」？