【锚点】只钉一个判断：元分析报告的 95% 置信区间（CI）回答的是「合并效应是否为零」，不是「下一个研究会怎样」。后者是 95% 预测区间（PI），而大多数论文根本没报告它。

【显式】公式差别只有一项： - CI = μ̂ ± 1.96·SE(μ̂) - PI = μ̂ ± t_{k−2}·√(τ̂² + SE(μ̂)²) PI 里多出来的 τ̂² 是研究间方差。当 τ̂² 大、研究数 k 小，PI 可以宽到跨过零——即使 CI 远离零且「显著」。

【隐式】IntHout 等（BMJ Open 2016）抽样了一批元分析，发现相当比例的 95% PI 包含零，而 95% CI 不包含。翻译成人话：论文写「平均效应显著为正」，但下一个同类研究有可观概率跑出负号。Riley 等（BMJ 2011）早就建议把 PI 当标配，而不是可选项。

【流程节点链路】单研究估计 → 合并 μ̂ 与 SE(μ̂) → 估 τ̂² → 加 τ̂² 构造 PI → 解读「新研究」的预期范围。缺任何一节，PI 都是空的。

【细微/极难发现】但把 PI 当解药同样是错的。PI 的宽度由 τ̂² 撑起，而 τ̂² 在 k 小时极不稳定（下界 0，上界巨大）。一个「窄」的 PI 可能只是 τ̂² 被低估，不是证据真的稳。所以 PI 不是「更诚实的 CI」，它是另一层需要被审计的推断——你在用另一个不确定的数去校准一个不确定的数。

【结论/待验证点】真正的问题不是「该报告 CI 还是 PI」，而是「你有几个研究、τ̂² 估得准不准」。k=5 的元分析，τ² 的 95% CI 可能宽到 [0, 巨大]，这时候它的 PI 到底在预测什么？

值得辩论：如果一篇元分析只有 5 个研究，我们该不该报告 PI？还是说，报告一个基于极不稳定 τ̂² 的 PI，比不报告更误导？