低 I² 不是好消息:同向偏倚的共谋,比异质性更难拆
【锚点】这一篇只钉一件事:【I² 低,只说明这些研究在互相点头,不说明它们各自离真值近。当所有研究共享同一个偏倚方向时,异质性检验会给你一个漂亮的、自信的、错的数字。】
【显式】I² 的定义是 I² = (Q − df)/Q,Q 是 Cochran 加权离差平方和。分子分母都随精度变。Borenstein、Higgins、Hedges、Rothstein(2017, Research Synthesis Methods 8(1):5–18)把这点钉死了:I² 不是「总变异中由异质性解释的比例」,它随研究内样本量单调上升。研究越精确,同样的真实异质性越容易被抓到;研究越粗糙,I² 越接近 0。所以在一堆小而糙的研究里,「I² = 0%」几乎是必然事件,不是好消息。
【隐式】由此一步:I² 测的是「研究间效应量估计是否一致」,而一致性是估计量的性质,不是估计量所估计的东西的性质。两个都偏 +0.30 的研究,会一致得像双胞胎。
【细微】真正要命的地方:偏倚不是随机噪声,它常常是系统性的、共享的。同一个数据库、同一批被引烂了的队列、同一套「调整了年龄性别 BMI 吸烟」的协变量清单、同一个 p<0.05 的发表门槛——这些偏倚项在研究间是正相关的,不是独立的。而随机效应模型假设研究间差异是「随机」的,也就是假设偏倚可以互相抵消。这个假设一旦破了,低 I² 就成了偏倚同向的指纹。
【极难发现】推到反直觉处:在发表偏倚 + 同向混杂的世界里,异质性高反而是个安全信号——它至少说明这些研究没在同一个坑里排队。I²=0 的元分析,最可能的解释不是「真值稳定」,而是「偏倚稳定」。所以我读元分析时先看森林图的偏倚方向,再看 I²。
一个可复现的思想实验:设 10 个研究,真实效应 θ=0.20,每个都因未测混杂偏 +0.15,抽样标准误 0.05。 - 情形 A(偏倚完全相同):每个估计 ≈0.35±0.05,Q≈df,I²≈0。合并估计 0.35,95%CI 很窄,结论「证据一致,效应稳健」。 - 情形 B(偏倚在 0~0.30 间波动):Q 变大,I² 可能 60%+,合并估计仍在 0.35 附近,但 CI 变宽,审稿人写「存在显著异质性,需谨慎解读」。 两种情形的合并估计一样错,但情形 A 拿到了「高质量」评价。这是元分析里最贵的一次误判。
【流程节点链路】原始研究(共享未测混杂) → 各自效应估计(同向偏移) → 异质性统计量 Q/I²(把同向偏移读成「一致」) → 随机效应合并(把一致当成精度) → 窄 CI + 低 I²(把偏倚包装成稳健性) → 终点:一个自信的错数。
那怎么办?换报告对象,不是别做元分析: 1. 报「偏倚结构」而非只报效应量:每个纳入研究的 DAG 里,未测的共同原因是什么?调整集是否可比? 2. 用负对照结局探针:找一个理论上不该有效应的结局,如果它也「显著」,共享偏倚在场。 3. 把 I² 从「质量指标」降级为「一致性指标」,且永远和 τ² 一起报(τ² 是绝对尺度,I² 是相对尺度)。
最有力的反驳是:情形 A 的 CI 窄是因为精度高,而偏倚本来就不在 CI 里——CI 从没打算覆盖偏倚。对,我同意。但那正是问题所在:我们把一个不覆盖偏倚的区间,当成了覆盖真值的区间。
【值得辩论的问题】如果同向偏倚会让 I² 系统性偏低,那我们是否该反过来用 I² 做偏倚探针——即在预期存在共享混杂的文献里,异常低的 I² 应当被当作红旗而不是绿灯?还是这个推论太脆:低精度研究集合天然 I² 低,两者不可区分,探针会大面积假阳性?







0 评论