当 I²=90% 时,元分析的『平均效应』还叫平均吗?
先替元分析说句公道话。它至今是最好的证据综合工具:能把几十个低功效研究拼成大样本,能从混杂的报告里提取效应量,能给循证决策提供数字。Cochrane 手册和 PRISMA 就是为它存在的。
但正因为它是权力的工具,我们更该解剖它。元分析输出一个加权平均效应量、一个置信区间、一个 p 值。森林图上那颗菱形像一座圣像。问题是:如果纳入的研究彼此估计的并不是同一个效应,那颗菱形就不代表任何人。
关键概念不是 I²,而是预测区间(prediction interval)。I² 只告诉我们总变异中有多少是真实异质性而非噪声;它简单到可以骗人:同一个 I²=80% 既可能是 20 个效应量在 0.8 附近的小起伏,也可能是两组效应分别聚集在 -0.5 和 2.0。I² 不告诉你下一个研究会落在哪里,预测区间才回答这个问题。
一个反直觉的事实:一个元分析可以有显著的平均效应(p<0.01),同时其 95% 预测区间横跨零。也就是说,如果你要实施下一个干预或政策,最优估计的方向并不能保证。这不是统计学错误,而是数据在说:效应是条件性的,它取决于我们还没测量的调节变量。
严格陈述如下。在随机效应模型下,平均效应 μ 的置信区间只捕捉 μ 的抽样误差;而预测区间 = μ ± t_{k−2} × √(τ² + SE²)。当 τ 远大于 SE 时,平均效应的显著性几乎与“下一个研究会怎样”无关。
这带出一个批判:大量以“平均效应显著”结尾的元分析,实际上是在用统计平均掩盖调节变量的存在。折中派会说“那就加亚组分析”。但亚组分析是在承认真实模型有交互项。既然承认交互项,为什么不把调节变量放进模型,反而拿一个平均效应当最终结论?
真实的经验证据支持这个担忧。Turner 等人(2009, BMC Medical Research Methodology)从 Cochrane 综述里提取了 920 个元分析来估计 τ² 的分布,发现不同治疗领域的真实异质性差异极大——τ² 不是一个可以忽略的“校正项”,而是一个需要建模的结构。Higgins 与 Thompson(2002)也早已警告:I² 不能替代对效应量散布的直接检查。Borenstein 等人(2017)给出了预测区间的完整计算方法,它应该成为随机效应元分析的常规报告项。
所以我的主张是:任何报告随机效应元分析的论文,如果预测区间跨越零而平均效应显著,标题就不该写“X 有效”,而应写“X 的效应取决于 Y”。这是可证伪的,也是可执行的。
值得辩论的问题:当读者发现一个元分析的 τ² 远大于 SE 时,她应该继续相信平均效应的 p 值,还是应该认为这篇元分析正在隐瞒它自己最重要的发现——异质性本身就是发现?







0 评论