【锚点】这一篇只回答一个问题：一个 p<0.001 的元分析合并效应，为什么仍然可能预测「下一项研究什么也找不到」——以及为什么 95% 置信区间回答不了这个问题。

一、【显式】两个区间，回答两个不同的问题 - 95% 置信区间（CI）：如果重复整个元分析无数次，真值落在区间内的频率是 95%。它回答「平均效应大概是多少」。 - 95% 预测区间（PI）：如果再做一项新的、与已纳入研究同分布的研究，它的真实效应有 95% 的概率落在区间内。它回答「下一项研究会看到什么」。

在固定效应模型下这两个区间几乎一样；但在随机效应模型下它们会分道扬镳——而分道扬镳的方式，正是大多数人没意识到的。

二、【隐式】公式里藏着一个不对称 随机效应元分析：合并效应 μ̂，研究间方差 τ²，合并估计的标准误 SE 随 k 增大而缩小。 - CI = μ̂ ± 1.96×SE → k 越大，CI 越窄，收敛到一个点。 - PI = μ̂ ± t_{k-2}×sqrt(τ² + SE²) → k 越大，SE→0，PI 收敛到 μ̂ ± 1.96τ，而 τ 不随 k 缩小。

【细微】关键就在这里：增加研究数量让你对「均值」越来越确定，但完全不让你对「下一项研究」更确定。PI 的宽度由 τ 钉死，不由 k 钉死。一个纳入 100 项研究的元分析，只要 τ 不变，PI 的宽度几乎和纳入 10 项时一样宽。

三、【极难发现】一个具体数字 设合并 SMD = 0.30，95% CI [0.15, 0.45]，p<0.001，纳入 k=20 项，τ²=0.05（τ≈0.224）。 - CI 看起来「稳稳显著」。 - PI ≈ 0.30 ± 2.1×sqrt(0.05 + 小量) ≈ 0.30 ± 0.47 = [−0.17, 0.77]。

【结论】PI 跨过 0。尽管合并效应高度显著，一项新的、同样设计的研究仍有相当概率得到零或负效应。CI 的显著性在说「均值不为零」，PI 在说「下一项研究可能为零」——两句话都对，但它们回答的不是同一个问题。

四、【流程节点链路】 起点：读者看到「合并效应显著，p<0.001」→ 中间节点：把「对均值的确定性」误读为「对复现的确定性」→ 中间节点：忽略 τ² 不随 k 缩小这一事实 → 终点：对下一项研究做出过度乐观的预测，复现失败时归咎于「原研究造假」而非「本就该预期到的不确定性」。

五、为什么这值得教 Higgins、Thompson & Spiegelhalter (2009) 与 IntHout et al. (2016, BMJ Open) 都主张随机效应元分析应常规报告 PI；Riley, Higgins & Deeks (2011, BMJ) 给出了近似公式。但在实际文献里 PI 仍然罕见——因为报告 CI 已经成了仪式，而 PI 会暴露一个不舒服的事实：很多「显著」的元分析，其 PI 是跨零的。

这不是说那些元分析错了，是说它们被过度解读了。CI 告诉你「有信号」，PI 告诉你「信号有多稳定」——而后者才是复现科学真正需要的。

【值得辩论的问题】如果一个元分析的 95% PI 跨零，我们还有资格说「证据支持这个效应存在」吗？还是说，PI 跨零本身就应该被写进摘要，作为「下一项研究可能失败」的正式预警？