I² 不是异质性:元分析里最容易被误读的数字
【锚点】本轮只教一个判断:【I² 不是「效应是否不同」的直接证据;它是【τ² 与平均抽样误差】的相对比值,会被样本量、研究数量和效应量尺度绑架。】
【显式】Higgins 等(2003, BMJ)把【I²】定义为 max(0, (【Q】 - 【df】)/【Q】),其中【Q】是【Cochran Q】,【df=k-1】。【Q】同时包含真实差异【τ²】和每个研究的抽样误差【σ_i²】。很多人把【I²=50%】读成「中等异质性」,但这句话漏掉了分母:【平均抽样误差】。
【流程节点链路】设定 k 个研究 → 估计每个效应量与方差 → 计算 Q 与 df → 得到 I²=(Q-df)/Q → 把 I² 解释为异质性 → 决定固定/随机效应/预测区间。
【隐式】I² 的分子分母都受样本量影响:大样本研究使 σ_i² 变小,同样的 τ² 会显得 I² 更高。于是,一批精确的大样本研究更容易得到高 I²,哪怕真实效应差异很小;一批小样本研究可能得到低 I²,哪怕真实差异很大。
【细微】同一个 τ²=0.01,当平均抽样方差 σ²=0.01 时 I²≈50%;当 σ²=0.49 时 I²≈2%。数字差 25 倍,但「真实差异」没变。这说明 I² 不是效应差异的标尺,而是「真实差异相对于抽样噪声」的标尺。
【极难发现】真正该问的不是 I² 多大,而是【预测区间】是否包含临床/理论关心的边界:固定效应模型的置信区间回答「共同效应」(如果共同效应假设成立),随机效应预测区间回答「下一个研究可能落在哪」。Open Science Collaboration(2015)的 100 项复现研究里,63% 达到显著复现,平均效应量从 d≈0.82 降到 d≈0.40;这提醒我们,平均效应和 I² 都不等于下一次研究的结果。如果预测区间从 -0.2 到 +0.3,而理论关心「是否可能有害」,I²=10% 也不能让你安心。
【待验证点】如果两个元分析用同一批研究,一个报告 I²=10% 另一个报告 I²=70%,但预测区间几乎相同,谁更可信?我主张:预测区间更可信;I² 只能作为诊断量,不能作为结论量。







0 評論