再加 100 个研究也收不窄的那条区间——元分析里的预测区间
【锚点】只钉一件事:随机效应元分析里,95% 置信区间(CI)随研究数 k 增大而收缩到零宽度;95% 预测区间(PI)不收缩,它收敛到一个由 τ 决定的【地板】。CI 回答「平均效应是多少」,PI 回答「下一个研究会测到什么」。摘要只写 CI,等于只回答了前一个问题,却让人误以为后一个也有了答案。
【显式】两个公式(Higgins, Thompson & Spiegelhalter 2009, JRSS-A;Riley, Higgins & Deeks 2011, BMJ 342:d549): CI = μ̂ ± z₀.₉₇₅ · SE(μ̂) PI = μ̂ ± t_{k−2, 0.975} · √(τ̂² + SE(μ̂)²) 差别全在 τ̂² 那一项。k→∞ 时 SE(μ̂)→0,CI 宽度→0;PI 宽度→2×1.96×τ。τ 是超总体里真实效应的标准差,它不会因为你多读一百篇论文而变小。
【显式】数值例:k=10,μ̂=0.30,SE(μ̂)=0.05,τ̂²=0.04(τ=0.20)。 CI = 0.30 ± 1.96×0.05 = [0.20, 0.40],漂亮地不跨零。 PI = 0.30 ± 2.306×√(0.04+0.0025) = 0.30 ± 0.475 = [−0.18, 0.78]。 PI 是 CI 的 4.9 倍宽,跨零,下界到了「有害」的地界,上界到了「巨大效应」的地界。同一个数据集,两句话:一句说「有效」,一句说「下一个研究可能反向」。
【流程节点链路】k=10, μ̂=0.30, SE=0.05, τ̂²=0.04 → √(τ̂²+SE²)=√0.0425=0.2062 → 自由度 k−2=8,t₈,₀.₉₇₅=2.306 → 半宽=0.475 → PI=[−0.18, 0.78] → PI 跨零而 CI 不跨零 → 结论:合并效应「显著」,但对新情境的预测不显著。
【细微】I² 是相对量,τ 是绝对量,决定 PI 宽度的是后者。I² = τ²/(τ²+σ̄²),σ̄² 是研究内典型方差。两个元分析可以都报 I²=80%:一个由 n=2000 的大样本研究组成(σ̄² 小,τ=0.05),PI 宽度约 0.20;一个由 n=30 的小研究组成(σ̄² 大,τ=0.50),PI 宽度约 2.0。差十倍。所以「异质性很高」这句话本身不含决策信息,必须报 τ 的绝对值。这是我见过最常被跳过的换算。
【细微】自由度是 k−2,不是 ∞。k=5 时 t₃,₀.₉₇₅=3.182,比 1.96 大 62%。PI 在小 k 时被有意加宽,因为 τ̂² 本身估不准。但 t 分布只修正了一阶抽样误差,不修正 τ̂² 的向下偏倚(DerSimonian–Laird 在 k 小时系统性低估 τ²)。
【极难发现】PI 的合法性挂在一个几乎从不被检验的假设上:【交换性】。PI 的精确含义是「从一个与纳入研究同分布的超总体里再抽一个研究,它的真实效应落在哪」。若纳入的研究来自不同人群、不同剂量、不同实施强度,τ̂² 估的是这个混合分布的离散度,而混合分布不对应任何真实的目标情境。此时 PI 既不是「下一个研究」的区间,也不是「你的情境」的区间——它是统计上合法、决策上无指的构造物。
【极难发现】更麻烦的是方向性:选择偏倚会把 PI 变窄,不是变宽。发表偏倚删掉的是「小样本 + 零结果」的研究,剩下的离散度小于真实离散度 → τ̂² 被低估 → PI 人为收窄 → 你以为「下一个研究大概率同向」,其实只是你把反向的证据筛掉了。所以「PI 跨零」是稳健的坏消息;「PI 不跨零」可能只是筛子的产物。
【对抗性视角:先给最强版本,再说它为什么仍可能失败】 最强的辩护:决策本来就是关于「下一个」的,不是关于「平均」的。你要决定的是「在我这里做这个干预,期望收益是多少」,那是一个新抽样,PI 才是对应的对象;CI 对应的对象(无限多个同质研究的平均)在物理上不存在。Riley 等 2011 直接说:只报 CI 的随机效应元分析,回答了一个没人问的问题。 即便如此,它仍可能失败,三个理由: (1) 正态随机效应假设在 k<10 时不可检验,而 PI 的尾部对厚尾/双峰极敏感——如果真实效应分布是「对一半人有效、对一半人无效」,正态 PI 会低估两端。 (2) PI 太容易变成「什么都可能」的修辞,从而摧毁证据分级。一个跨零的 PI 不等于「没有证据」,它等于「证据不支持跨情境的强主张」——这两句话在政策语境里天差地别,而 PI 的报告格式不区分它们。 (3) τ̂² 的不确定性没有被完整传播。t 修正只处理了 μ̂ 的抽样误差,τ̂² 的抽样分布(尤其 k 小)没有被积分掉;贝叶斯后验预测区间会给出更宽的答案,而频率派 PI 系统性地偏窄。
【我的立场】摘要里应该同时出现 CI 和 PI;当 PI 跨零时,「有效」这个词必须换成「在该研究集合的平均意义上有效,但对新情境的预测不确定」。这不是保守主义,这是把两个不同的问题分开回答。
【留给你的问题】如果 PI 才是决策相关的量,为什么几乎所有报告规范(CONSORT、PRISMA)只强制要求 CI?是因为 PI 会让太多已发表结论失效,还是因为 τ̂² 在 k 小时估得太差、以至于 PI 本身就是个不可靠的数字?我倾向于后者——但如果是后者,正确的结论不是「别报 PI」,而是「k<10 的元分析不该被用来支持任何跨情境主张」。






0 評論