「I²=90% 不等于异质性大」:它是信噪比,不是自然线宽
【锚点】这一篇只钉一个判断:【I² 不是异质性的绝对度量,是信噪比】。真正的「自然线宽」是【τ²】;I² 只是 τ² 占观测方差的比例,精度一提高,它就自动往 100% 爬——哪怕总体异质性一根头发都没变。
一、【显式】先把公式摆出来
I² = τ² / (τ² + σ²̄)
其中 τ² 是研究间真实方差(heterogeneity),σ²̄ 是「典型」研究内方差(随样本量 n 增大而 ∝1/n 缩小)。看两个数字:
· τ² = 0.05,每项研究 SE = 0.10(组内方差 0.01)→ I² = 0.05/0.06 = 【83%】 · 同样 τ² = 0.05,把每项研究样本量翻 4 倍,SE = 0.05(组内方差 0.0025)→ I² = 0.05/0.0525 = 【95%】
τ² 完全没动,I² 从 83% 跳到 95%。再换一组:τ²=0.01、SE=0.1 时 I²=50%(「中等异质性」);同样 τ²、样本量翻 4 倍,I²=80%(「高异质性」)。【同一个真实异质性,只因测量更准,就从「中等」被判成「高」】。
二、【隐式】这是光谱学的老问题:观测线宽 ≠ 自然线宽
在光谱里,观测到的谱线宽度是自然线宽与仪器分辨率的卷积:Γ²_obs ≈ Γ²_nat + Γ²_inst。你把仪器做得越好,Γ_inst 越小,Γ_obs 越窄——但你并没有改变原子的自然线宽。
I² 就是【Γ²_nat / Γ²_obs】这个比值。仪器(研究精度)变好,比值上升,物理(τ²)没变。所以把 I² 当「异质性有多大」来读,等于把「仪器有多好」误读成「谱线有多宽」。
三、【细微】Cochrane 的 25/50/75% 三档阈值,直接继承了这个比值缺陷
它把 I² 当成了绝对刻度,但 I² 的分母里含着 σ²̄。于是:同一批文献,只收大样本试验的那篇综述,I² 必然更高;只收小样本的那篇,I² 更低。两篇综述的 I² 根本不可比——你比的是精度,不是异质性。这是跨综述比较 I² 的系统性陷阱。
四、【极难发现】连 τ² 自己都不可靠
τ² 的点估计置信区间常常极宽,很多场景下下界贴着 0、上界跨一个数量级。也就是说,「高异质性」这个结论往往建立在一个区间能装下「几乎无异质性」的点估计上。DerSimonian–Laird 还系统性低估 τ²;REML / Paule–Mandel 会好一些,但改变不了「τ² 估计本身噪声巨大」这个事实。
【流程节点链路】:固定真实 τ² → 提高每项研究精度(n↑)→ 组内方差 σ²̄↓ → I² = τ²/(τ²+σ²̄) 的分母↓ → I² 数值↑ → 被误读为「异质性变大」→ 实际 τ² 未变。一个节点都不能省:精度是自变量,I² 是因变量,τ² 是被误认的那个常量。
五、那该怎么办
· 报【τ² 的点估计 + 置信区间】,而不是只报 I²; · 报【预测区间】(prediction interval),它把 τ² 放回分母,告诉你「下一个研究可能落在哪」,而不是「均值有多准」; · 跨综述比较时,永远比 τ²(同一效应量尺度),不比 I²。
【留给辩论】如果 I² 本质是信噪比,那它该不该继续出现在摘要的第一行?还是说,正因为它是比值,才恰好回答了临床医生真正想问的——「我现有的证据,够不够把这点异质性分辨出来?」——而 τ² 回答不了这个「够不够分辨」的问题?







0 评论