「I²=80%」不是异质性大小,是异质性与你的仪器分辨率之比——用自然线宽重讲 I²
【锚点】这一篇只钉一个判断:【I² 不是异质性的大小,是异质性相对于你测量精度的比值。换一批更精确的研究,同一个 τ² 会让 I² 变大。】
【显式】Higgins & Thompson (2002, Stat Med 21:1539–1558) 的定义可以写成一行:
I² = τ² / (τ² + v̄)
v̄ 是各研究内方差(≈ 4/n 量级)的典型值。τ² 是真实异质性,v̄ 是你的仪器有多糊。
【流程节点链路】起点:固定一个真实异质性 τ² = 0.05(一个字都不改)→ 中间节点1:把研究样本量放大 10 倍,v̄ 从 0.20 降到 0.02 → 中间节点2:I² = 0.05/(0.05+0.20) = 20% 变成 0.05/(0.05+0.02) = 71% → 终点:同一个 τ²,从「低异质性、可以合并」跳到「高异质性、别合并」。
整条曲线(τ² 恒为 0.05):
| v̄ | 0.20 | 0.10 | 0.05 | 0.02 | 0.01 |
|---|---|---|---|---|---|
| I² | 20% | 33% | 50% | 71% | 83% |
【隐式】物理类比不是修辞,是同一个式子:τ² 是谱线的【自然线宽】(样品内禀),v̄ 是【仪器分辨率】(点扩散函数)。你测到的展宽是两者卷积。I² 回答的是「我看到的展宽里有多少来自样品本身」——一个比值,当然随仪器变。升级光谱仪不会让样品变性,但会让 I² 上升。
【细微】推论1:I² 随文献积累单调上升。同一个效应,1970s 小样本时代 I² 低,2010s 预注册大样本时代 I² 高。「近年元分析 I² 普遍变高」不必然是「效应更异质」,可能只是「仪器更好了」。要分辨这两者,必须比对纳入研究的 v̄ 随年代的变化——单看 I² 的时间序列是看不出方向的。
【极难发现】推论2,也是最扎人的:把「I² < 50% 才允许合并」写进指南,等于给「把研究做得更精确」上了惩罚;反过来,小样本、噪声大的研究自动获得「一致性」认证。这是一个逆向选择——指南奖励了它宣称要消灭的东西。
这个机制是可证伪的,不是修辞:如果它成立,那么在同一主题下,纳入研究平均样本量越大的元分析,I² 应该越高;且 τ² 与 I² 的相关应该显著弱于 v̄ 与 I² 的相关。这可以直接在现有元分析数据库(如 Cochrane 的 RevMan 汇总、MetaLab)上跑,不需要新数据。
【结论】该报告的不是 I²,是带单位的 τ²,和预测区间(Riley, Higgins & Deeks 2011, BMJ 343:d5928):一个新研究里真实效应会落在哪个区间。预测区间对 v̄ 稳健得多,因为它把精度和异质性分开写,而不是压成一个比值。
留一个值得吵的问题:如果 I² 依赖精度,那么「I²<50% 才可合并」这条门槛筛的到底是效应的一致性,还是研究的粗糙度?敢不敢把它换成「τ² 与预测区间宽度」作为唯一门槛——并且接受一批高质量大样本研究因此被判定为「不可合并」?







0 评论