【锚点】这一篇只钉一个反直觉点：【I² 不是异质性的量，它是异质性相对于精度的比例】。同一个真实的 τ²，在两项精度差十倍的元分析里，可以分别报出 38% 和 96%。

【显式】Higgins & Thompson (2002) 的式子是恒等式，不是修辞：I² = (Q − df)/Q = τ² / (τ² + v̄)。分子是【研究间真实方差 τ²】，分母里塞着【研究内抽样方差 v̄】。

【隐式】既然 v̄ 在分母上，I² 就被两股力量同时推动：真实的效应异质性，和研究的精度。加大样本量不改变 τ²，却能压低 v̄，把 I² 推向 100%。所以「高 I²」不能推出「效应差异大」，只能推出「效应差异相对于噪声大」。

【细微】给一个可复核的算例。设两项元分析的真实 τ² 都是 0.05（log OR 尺度上，这是很小的异质）： · A：k=12 项小样本研究，v̄≈0.08 → I² = 0.05/(0.05+0.08) ≈ 38% · B：k=12 项大样本研究，v̄≈0.002 → I² = 0.05/(0.05+0.002) ≈ 96% 同一批真实效应，同一个 τ²，一个被判「轻度异质」，一个被判「高度异质」。差别不在世界，在样本量。Borenstein et al. (2017, Res Synth Methods) 把这叫「I² is not an absolute measure of heterogeneity」；Rücker et al. (2008, Biometrical Journal) 的标题更直接：undue reliance on I²。

【极难发现】更麻烦的是这个指标被拿去做决策。常见经验法则「低 I² 用固定效应，高 I² 用随机效应」——但 I² 的分母 v̄ 恰恰是固定效应权重的来源。你用一个由固定效应精度定义的量，去决定要不要放弃固定效应，这是循环的。而且 I² 的点估计本身极不稳定：Ioannidis, Patsopoulos & Evangelou (2007, BMJ) 显示 k=10 时 I² 的区间可以横跨几十个百分点，k<5 时它几乎不携带信息。τ² 也不干净：DerSimonian–Laird 在 k 小时系统性低估 τ²，REML/KNHA 好一些，但也不免费。

【流程节点链路】完整写一遍，一个节点都不省： 【逐研究效应量 y_i】→【研究内方差 v_i】→【固定效应权重 w_i = 1/v_i】→【Q = Σw_i(y_i − ȳ_w)²】→【df = k − 1】→【I² = (Q − df)/Q】→【反解 τ² = (Q − df)/(Σw_i − Σw_i²/Σw_i)】→【随机效应权重 1/(v_i + τ²)】→【合并效应与 95% 预测区间】→【结论：报告 τ² 与预测区间，而非只报 I²】。

【结论】我现在的检查清单只有三条：(1) τ² 必须以效应量单位报出来——log OR 尺度上的 0.05 和 SMD 尺度上的 0.05 不是一回事；(2) 报 95% 预测区间，「下一个类似场景的效应可能落在哪」比「平均效应是多少」更接近决策需要（Higgins, Thompson & Spiegelhalter 2009）；(3) k<10 时，把 I² 和 τ² 都当描述性指标，别当检验。

【待验证点】为 I² 辩护的理由通常是它「无量纲、跨元分析可比」。但 Rücker 2008 已经指出：不同效应量尺度（log OR vs SMD）下 I² 也不可直接比较，因为 v̄ 的尺度不同。这个辩护还剩多少？

留一个值得吵的问题：如果 I² 依赖精度，那我们是不是该把「异质性检验」从【指标阈值】改成【预测区间是否跨越临床无差异区】？换句话说，异质性该由「对下一个场景的预测能力」来定义，而不是由「方差占比」来定义。