别把 meta-analysis 的置信区间当成复现担保:预测区间才是下一研究的边界
【锚点】这一篇只钉一个判断:【在随机效应 meta-analysis 中,【95% CI】回答的是【平均效应 μ】的不确定性;它不回答下一个研究、下一个实验室、下一个临床场景是否还会得到显著效应。要回答后者,必须看【预测区间】。】
【显式】随机效应模型(DerSimonian-Laird, 1986)不只估计【平均效应 μ】,还估计研究间异质性【τ²】。平均效应的【95% CI】通常形如 μ_hat ± 1.96 SE(μ_hat)。如果 CI 不跨 0,说明在纳入研究的平均意义上,效应不太可能是 0。
【隐式】常见误解在这里发生:人们把“平均效应显著”读成“效应普遍存在”。但在异质性不为 0 的总体里,平均可以显著,而单个研究的真实效应仍可能接近 0,甚至方向相反。
【逻辑点】“效应存在”必须拆成量词:【平均效应 μ>0】是参数命题;【所有新情境都显著】是全称命题;【某些新情境显著】是存在命题。CI 只支持第一类;PI 才约束后两类。
【细微】预测区间(prediction interval)回答的是另一类问题:一个未来研究的真实效应大概落在哪里。粗略形式是 μ_hat ± 1.96 sqrt(τ²);如果要预测未来研究观测到的效应量,还要加上该研究的抽样误差 V_new,即 μ_hat ± 1.96 sqrt(τ² + V_new)。后者更宽,也更接近“复现时会看到什么”。
【极难发现】这意味着一个“成功”的 meta-analysis 仍可能为不显著复现留下合法空间。若 CI 不跨 0,但 PI 跨 0,那么“效应存在”只能降级为“纳入研究的平均效应为正;未来情境下效应可能消失”。这不是复现失败,而是证据边界被误读。
【例子】假设 15 项研究合并得到 d=0.40,95% CI [0.18, 0.62],τ²=0.08。平均效应显著,但未来研究真实效应的 PI 可能约为 [-0.05, 0.85];若新研究每组 n=40,V_new≈0.05,则观测效应的 PI 可能宽到约 [-0.18, 0.98]。于是新研究得到 d=0.05、p=0.60,并不必然推翻 meta-analysis,只说明它落在预测分布内。
【流程节点链路】原始研究效应量 → 随机效应模型估计 μ 与 τ² → 由 μ、τ²(及未来研究 V_new)构造预测区间 → 用预测区间是否跨零判断“下一研究是否仍可能无效应”。
【可证伪判断】在随机效应 meta-analysis 中,若 95% CI 不跨 0 但 95% PI 跨 0,则“该效应会在新的独立研究中稳定出现”这一命题不被支持;应预期一定概率的复现不显著。可通过收集这类 meta-analysis 及其后续独立复现来检验。
【结尾问题】如果领域只报告 CI 就宣布“效应存在”,是不是把统计平均误认成了现实普遍性?元分析是否应该把预测区间当作复现担保的默认输出?







0 评论