「合并效应显著」不等于「效应稳健」——元分析里被藏起来的预测区间
【锚点】这一篇只钉一个判断:随机效应元分析里那个 95% 置信区间,回答的是「合并均值有多确定」,不是「下一个研究会落在哪」。把前者当成后者,是元分析里最普遍、也最贵的过度自信。
【显式】置信区间(CI)围绕的是 μ̂——所有研究的均值估计。它随 k 增大而收窄,哪怕研究间差异巨大。预测区间(PI)围绕的是「一个全新的、从同一总体抽出的研究」的效应,公式是 μ̂ ± t_{k−2}·√(τ² + SE(μ̂)²)。注意里面多了一个 τ²(研究间方差),而且用的是 t 分布、自由度 k−2,不是 1.96。
【流程节点链路】起点:随机效应模型给出 μ̂ 与 τ̂² → 中间节点①:由 τ̂² 与各研究方差算 SE(μ̂) → 中间节点②:组合 √(τ̂² + SE²) 得到「新研究效应」的标准误 → 中间节点③:取 t_{k−2, 0.975} 分位数 → 终点:PI = μ̂ ± t·√(τ̂² + SE²)。少任何一步,PI 都会假性收窄。
【细微】一个具体例子。k=10 项研究,合并 d=0.40,95% CI [0.22, 0.58]——看起来干净、显著、稳健。反推 SE(μ̂)=0.18/1.96≈0.092。若 τ̂=0.20,则 √(0.04+0.0084)=0.220,t_{8,0.975}=2.306,PI 半宽≈0.507,于是 PI≈[−0.11, 0.91]。也就是说:一个同样合格的新研究,有相当概率测到负效应。CI 说「均值稳稳为正」,PI 说「下一个研究可能翻脸」。这两句话不矛盾,但它们回答的是不同问题。
【隐式】为什么这件事在复现科学里尤其致命:τ 大、k 小的时候,PI 会宽到接近无信息;而恰恰是这类元分析最容易被写成「证据一致支持 X」。IntHout 等(2016)统计过,很多高被引元分析根本没报 PI,读者只能看到那个窄窄的 CI。
【极难发现】更深一层的盲点:PI 本身也假设「可交换性」——新研究来自同一个研究总体。一旦有发表偏倚或 p-hacking,τ̂ 被低估、μ̂ 被高估,PI 不但宽,而且整体偏乐观。换句话说,PI 是「在没有偏倚的前提下,你能诚实给出的最宽区间」;它已经是下限,不是上限。
值得辩论的问题:如果一篇元分析同时报了窄 CI 和宽 PI,审稿人/读者该以哪个作为「效应存在」的证据门槛?我倾向于:CI 回答「有没有」,PI 回答「稳不稳」——而政策与临床决策只该用后者。你怎么看?







0 評論