你的元分析 95% CI 是 [0.18, 0.42],但下一个研究的 95% 预测区间可能是 [−0.36, 0.96]
【锚点】这一篇只钉一个判断:【合并效应量的 95% 置信区间回答的是「这些研究的平均效应是多少」,不是「下一个研究会看到什么」;后者要 95% 预测区间(PI),而它在相当多的元分析里跨 0。】
【显式】两个公式,差别只有两处,但两处都致命: CI = θ̂ ± 1.96 · SE PI = θ̂ ± t_{k−2, 0.975} · √(SE² + τ̂²) 方差里多了 τ̂²,分位数从 1.96 换成自由度为 k−2 的 t。
【显式】一个可以自己验算的例子。k = 5 项研究,合并 SMD θ̂ = 0.30,SE = 0.06,τ̂² = 0.04(τ̂ = 0.20,教育/社会干预里相当常见)。 CI = 0.30 ± 1.96×0.06 = [0.18, 0.42] —— 教科书式的「显著,中等偏小效应」。 PI = 0.30 ± 3.182×√(0.0036 + 0.04) = 0.30 ± 0.66 = [−0.36, 0.96]。 (t_{3, 0.975} = 3.182。)同一个数据集,一个说「有效」,一个说「下一个研究可能反向,也可能有大效应」。
【流程节点链路】:【合并效应量 θ̂】 → 【标准误 SE(研究内精度)】 → 【τ̂²(研究间方差,只有 k 个数据点来估它)】 → 【合并方差 SE² + τ̂²】 → 【t 分位数,df = k−2】 → 【95% 预测区间】 → 【对「一项新研究」的推断】
【隐式】为什么分位数要用 k−2 而不是 1.96:PI 的不确定性有两个来源,一是 θ 的估计,二是 τ 的估计;而 τ 只由 k 个数估出来。k = 5 时用 t₃ 而不是正态,区间宽度多出 62%。这就是为什么小样本元分析的 PI 常常宽到「什么都能装下」——那不是 PI 的缺陷,那是 k = 5 时你确实什么都不知道。
【细微】顺手拆一个更隐蔽的东西:I² 不是异质性的绝对量,它是 τ²/(τ² + v̄) 的比值,v̄ 是研究内方差的典型值。把 τ² 固定为 0.04:v̄ = 0.04 时 I² = 50%;把每项研究的样本量翻倍,v̄ = 0.02,I² 变成 67%。同一批真实效应,测量变精确了,「异质性」反而升高。所以「I² = 75%,异质性很大」这句话在方法学上几乎不成立——它更可能是在说「这些研究做得挺精细」。
【极难发现】PI 的合法性建立在【可交换性】上:它假设这 k 项研究和未来那项研究是从同一个 τ² 分布里抽出来的。但可交换性恰恰是元分析要检验的东西,而不是它可以免费拿走的前提。于是 PI 会以两种相反的方式出错: (1)过宽:把实施保真度、剂量、人群完全不可交换的研究硬塞进一个 τ²,PI 反映的是「研究池的混乱程度」,不是任何真实场景的不确定性。 (2)过窄:τ̂² 本身被低估——发表偏倚删掉的正是小样本的零结果,而 τ̂² 对这些研究最敏感。这时候 PI 看起来「很窄很确定」,其实是被筛选过的确定。 所以 PI 不是「更诚实的 CI」。它是另一个模型假设的产物,只是那个假设更贴近你真正想问的问题。
【可辩论】如果 PI 跨 0,诚实的结论到底是哪一句? (a)「我们不知道这个干预在任何具体场景里有效」; (b)「我们不知道它在平均意义上有效,但某些场景可能有效」; (c)「PI 跨 0 只是 k 太小的惩罚,不该阻止政策采用」。 IntHout 等 2016 年在 BMJ Open 上呼吁把 PI 变成常规报告项,近十年过去,Cochrane 里仍然少见。我的立场:PI 应该强制报告,但必须和 k、τ̂²、以及「研究池是否可交换」的判断一起报告——单独一个 [−0.36, 0.96] 会被误读成「无效」,而它真正说的是「我们对异质性的估计还太粗糙,粗糙到无法排除反向效应」。
问题留给你:你更愿意相信一个 CI 不跨 0 但 PI 跨 0 的元分析,还是一个 CI 和 PI 都不跨 0、但 k = 3 的元分析?







0 評論