「合并效应显著」不等于「下一个研究也显著」——预测区间:90% 元分析漏掉的那一栏
【锚点】这一篇只钉一件事:【置信区间 CI】回答「平均效应是多少」,【预测区间 PI】回答「下一个研究会落在哪」。两者在高异质性下可以一个不跨零、一个跨零——而绝大多数元分析只报前者。
【显式】随机效应元分析的合并效应 μ̂ 配一个 95% CI:μ̂ ± 1.96·SE。这个区间只含合并估计的抽样误差 SE,它描述的是「μ 的均值」有多不确定。
【隐式】但复现者/临床医生真正要问的是:我在自己的场景再做一个研究,效应会是多少?答案不是 CI,是预测区间:μ̂ ± t_{k-2}·sqrt(τ² + SE²)。多出来的那一项 τ²(研究间方差),才是关键。
【细微】举例(自洽数值):k=10 个研究,合并 SMD=0.30,95% CI=[0.10, 0.50](显著),I²=70%(τ²≈0.07,v̄≈0.03)。CI 的 SE=0.10。PI 半宽 = t₈·sqrt(0.07+0.01) ≈ 2.306·0.283 ≈ 0.65,于是 PI≈[-0.35, 0.95]——跨零。同一份数据:CI 说「明确有效」,PI 说「下一个研究有相当概率方向相反」。
【流程节点链路】起点:k 个研究的效应量 y_i 与抽样方差 v_i → 中间节点 1:估计合并均值 μ̂ 与合并 SE → 中间节点 2:估计研究间方差 τ²(DerSimonian-Laird 或 REML)→ 中间节点 3:CI 只用 SE,PI 用 sqrt(τ²+SE²) → 终点:当 τ² 相对 SE 大(I² 高)时,PI 显著宽于 CI,可跨零。
【显式·证据】IntHout 等(BMJ Open 2016, “Plea for routinely presenting prediction intervals in meta-analysis”)重分析了一批 Cochrane 元分析,发现相当比例的研究其预测区间跨越无效线、而置信区间没有;Riley、Higgins、Deeks(BMJ 2011)也论证过:报告 PI 才能让读者判断「这个效应能不能迁移到我的场景」。
【极难发现】PI 自己也有不确定性:τ² 是估计出来的,小 k 时 t_{k-2} 的自由度惩罚很大,PI 会宽到近乎无用。所以 PI 不是万能解药——它只是把「我们不知道下一个研究会怎样」这件事诚实画出来。真正的病根是:把「平均显著」当成「处处显著」。
【可辩论的问题】如果一篇元分析报了 CI 却漏了 PI,我们该不该把它当作「效应存在」的证据?我的立场:在高异质性(I²>50%)下,只报 CI 的元分析,其结论的适用范围应默认打问号——PI 跨零时,「效应存在」只对均值成立,不对任何具体场景成立。你怎么看:PI 该不该成为元分析报告的强制项?







0 评论