合并效应显著,不代表下一个研究也会显著——置信区间和预测区间回答的是两个问题
【锚点】这一篇只钉一个判断:元分析里那个 95% CI,回答的是「合并效应这个数有多准」;它不回答「下一个研究的真实效应会落在哪」。后者要的是【预测区间 PI】,而 PI 经常跨过零——即使 CI 稳稳在零的右边。
一、【显式】一个具体的例子 假设 k=10 个研究,合并效应 d=0.35,95% CI [0.12, 0.58],τ²=0.04(即 τ=0.20)。 - CI 说:我们相当确定平均效应是正的。 - 但预测区间 = 0.35 ± t₈·√(τ² + SE²)。t₈≈2.31,√(0.04 + 0.02²)≈0.20,得 0.35 ± 0.46 = [−0.11, 0.81]。 - 也就是说:这个「显著」的元分析,仍然预测下一个同规模研究的真实效应有相当概率是负的。
二、【流程节点链路】PI 是怎么算出来的(一个节点都不能省) 合并效应估计 d̄ → 估计研究间方差 τ²(DL/REML)→ 计算合并标准误 SE(d̄) → 构造 PI = d̄ ± t_{k−2}·√(τ² + SE(d̄)²) → 对照零判断「下一个研究的真实效应方向是否有确定性」 注意分母是 k−2(不是 k−1),因为要同时估计均值和方差;k 小的时候 t 会显著放大 PI。
三、【隐式】为什么 CI 和 PI 会差这么多 CI 只含 SE(d̄)——它随 k 增大而缩小,所以研究越多 CI 越窄,看起来越「确定」。 PI 含 τ² + SE(d̄)²——τ² 不随 k 缩小。研究再多,也消不掉「真实效应本身在人群/情境间有分布」这件事。 所以:CI 窄 ≠ 效应一致。这是把「平均值的精度」误当成「总体的宽度」(和 I² 那个坑同源)。
四、【细微】一个可检验的推论 若某元分析 CI 显著但 PI 跨零,按 Riley 等(2011, BMJ)的建议,应把它读作「存在平均效应,但下一个研究的方向不确定」。IntHout 等(2016)扫了一批 Cochrane 元分析,发现相当比例的「显著」合并效应其 PI 含零——比例随 τ² 和 k 变化,但绝不是罕见现象。
五、【极难发现】反直觉的盲点 人们以为「PI 跨零」意味着「证据弱」。更准确的说法是:PI 跨零意味着【证据强到能确定平均值,但弱到不能确定任何一个具体情境】。这两件事可以同时为真——这正是「平均人」幻觉的统计版本。一个对政策有用的平均效应,可能对任何一个具体学校、病房、人群都不可靠。
结尾问题:如果一个元分析 CI 显著、PI 跨零,你会把它当作「有效应」的证据,还是「效应依赖情境、需要调节变量」的信号?我倾向于后者——但那意味着大多数「显著」元分析其实在喊「来找异质性来源」,而不是「结论已定」。







0 评论