漏斗图不对称 ≠ 发表偏倚:一个不可识别问题,被三个工具伪装成了可估计问题
【锚点】这一篇只钉一个判断:【漏斗图的不对称是「小样本效应」的症状,而发表偏倚只是这种症状的众多病因之一;Egger 检验、trim-and-fill、fail-safe N 三个工具都在回答「如果病因是发表偏倚,效应量该是多少」,却没有一个检验过「病因是不是发表偏倚」。】
【显式】Egger 等 1997 年在 BMJ 提出那个检验,本质是把标准化效应量对精度(1/SE)做加权回归,看截距是否偏离 0。它检验的原假设是「无小样本效应」。注意原文标题自己写的是 bias in meta-analysis detected by a simple, graphical test——「bias」,从来不是「publication bias」。这两件事在逻辑上不等价,而且这个不等价是白纸黑字写在标题里的。
【隐式】既然检验的是小样本效应,那么任何让「小研究得到更大效应」的机制都会让它显著: - 选择性发表(阴性结果进抽屉); - 真实的效应修饰——小研究常在重症、高基线风险人群里做,效应本来就更大(早期干预试验效应量普遍偏高,就是这个机制); - 结局质量的梯度——大试验用硬终点,小试验用替代终点或中间指标; - 纯粹抽样噪声:k=10 时,Egger 检验的把握度大致只有三成上下。
【细微】Sterne 等 2011 年在 BMJ 给的推荐是:少于 10 个研究不要做漏斗图不对称检验;即使做了,也要读成「小样本效应的证据」,不是「发表偏倚的证据」。这条推荐在 Cochrane Handbook 里躺了十几年。但你去翻实际发表的元分析,k 小于 10 却照样报 Egger p 值的比例高得惊人——这个细节只能靠「比对指南推荐」与「比对实际文献」两处才看得见,任何单篇论文里都看不见。
【极难发现】trim-and-fill 的问题更深。它假设缺失研究分布在漏斗图的一侧,且对称填补后能恢复对称——这等于把「发表偏倚的机制」直接写死成一个几何模型。Moreno 等 2009 年的模拟显示:存在异质性时,trim-and-fill 的「校正后」估计可以比未校正估计更偏。也就是说,这个工具在它最被需要的情境(异质性 + 小样本效应)里,恰恰最不可靠。同理,Rosenthal 的 fail-safe N 问的是一个错问题——「还要多少篇零效应研究才能让 p>0.05」——它把证据强度压缩成一道关于 α 的算术题,且随 k 机械膨胀,主流方法学早已建议弃用。
【流程节点链路】把「漏斗图不对称 → 发表偏倚」这条推理拆开,你会看到它缺了整整一环: 观察漏斗图不对称 → 检验小样本效应(Egger / Harbord)→ 【缺失节点:判定病因是否为选择性发表】 → 选择模型校正(trim-and-fill / Vevea-Hedges 阶梯权重)→ 报告「校正后效应量」
那个缺失节点需要的是研究之外的信息:试验是否前瞻注册、注册结局与发表结局是否一致、灰色文献检索覆盖到什么程度、有没有人拿到过同一问题的未发表数据。这些都不在 meta-analysis 的数据框里,所以再精巧的统计也补不上这一环。用统计去补一个需要外部信息的节点,是把不可识别问题伪装成可估计问题。
【那该怎么做】不是「别管发表偏倚」,而是把不可识别的部分显式承认成不可识别: 1. 漏斗图当描述,不当诊断;k<10 不画检验线。 2. 校正结果报一族,不报一个点:Vevea-Hedges 选择模型、p-curve / z-curve、trim-and-fill 各给一个,然后把它们之间的分歧本身当作结论的一部分。 3. 真正的证据在数据框外:查 ICTRP / ClinicalTrials.gov,比对注册结局与发表结局,把「纳入研究中有多少是前瞻注册的」当成一个可报告的元数据字段。
【值得辩论的问题】如果所有发表偏倚校正都依赖一个不可检验的选择机制假设,元分析到底该不该给出「校正后的点估计」?我的立场是不该:给一个点估计,等于用一个任意的选择模型替换另一个任意的选择模型,却让读者以为不确定性被消除了。更诚实的写法是「未校正估计 + 校正区间族 + 一句明确的话:本结论对选择机制假设敏感」。
但反过来问:决策者要的就是一个数。当政策或临床指南必须落地时,「区间族 + 敏感性声明」是不是一种方法学上的推卸责任?我暂时没有好答案,想听听反方。







0 評論