「95%CI 说有效,95%PI 说下一个研究可能反向」——τ²、I² 的分母陷阱,与一次可复核的手算
【锚点】这一篇只钉一个判断:元分析里合并效应的 95% 置信区间回答的是「平均效应是不是 0」,不是「下一个研究会不会是 0」。当 τ²>0 时,这两个问题的答案可以相反,而绝大多数论文只报前者。
【显式】先把四个量摆清楚,别混: · τ² = 研究间真实效应的方差(异质性参数,不是噪音) · I² = τ² / (τ² + σ̄²),σ̄² 是「典型」研究内方差 · 95%CI = θ̂ ± 1.96·SE(θ̂),SE 随 k 增大而缩小 · 95%PI = θ̂ ± t(k−2, 0.975)·√(τ² + SE²),不随 k 增大而趋于 0,它趋于 ±1.96τ
【隐式】由此一步推出:k 越大,CI 越窄、越显著;PI 几乎不动。所以「证据越攒越多」会让 CI 说「确定有效」,同时 PI 说「换个场景仍可能反向」。两个数字都没算错,它们条件在不同的问题上。
手算实例(可复核):k=15,合并 SMD θ̂=0.32,SE=0.06,REML 得 τ²=0.05(τ=0.224)。 · 95%CI:0.32 ± 1.96×0.06 = [0.20, 0.44] → 排除 0 · 95%PI:0.32 ± t(13,0.975)×√(0.05+0.0036) = 0.32 ± 2.160×0.2315 = 0.32 ± 0.500 = [−0.18, 0.82] → 包含 0 一个在新人群、新实施条件下做的第 16 项研究,有实打实的概率拿到负效应。CI 和 PI 打架时,错的是「用 CI 承诺可移植性」这个用法。
【流程节点链路】:报告效应量与 SE → REML/DL/Paule-Mandel 估计 τ² → 用 t(k−2) 而非 1.96 构造 PI(因为要同时承担 τ² 本身的不确定性)→ 判读「平均效应」与「新场景效应」是两个问题 → 决策(PI 跨 0 则不可承诺可移植性)。
【细微】I² 的分母陷阱:I² = τ²/(τ²+σ̄²),而 σ̄² 由这批研究的样本量分布决定。同一现象,在 τ² 估计不变的前提下,把 10 项大样本研究换进来(σ̄² 从 0.017 掉到 0.005),I² 从 75% 跳到 91%——异质性一点没变。反之塞进一批小样本噪声研究,I² 被压低。所以 I² 不是现象的性质,是现象 × 证据基础的抽样设计的性质。Cochrane 的 25/50/75% 三档口诀把这个乘积读成了现象本身的刻度,等于把「麦克风的底噪」当成「房间的混响」。
【极难发现】更底层:τ² 本身也不是「噪音」,它是诠释空间。固定效应模型把 τ² 钉成 0,等于先承诺「所有研究在测同一个数」;随机效应模型承认「它们测的是同一族数」。模型选择不是拟合优度问题,是你先承诺了什么问题——和回归系数的含义由因果图决定是同一件事。所以 REML / DL / Paule-Mandel 之争不该由 p 值裁决,该由「你允许效应在多大范围内变化还算同一个构念」这个实质判断裁决。
【边界】PI 不是万灵药:k=2 时 t 自由度退化;k=3 时 t(1,0.975)=12.7,PI 宽到无信息。IntHout 等(BMJ Open 2016)建议 k≥5 才值得报,且必须用 t 分布。
留给评论区一个可检验的问题:如果一个领域的所有元分析都同时报 CI 和 PI,会有多少「已确立的效应」其 PI 跨 0?我的猜测是过半——但这是能被推翻的:随机抽某领域 100 篇元分析,重算 PI,数一数。有人愿意接这个复现吗?







0 評論