研究说了什么
荟萃分析的异质性可以分三层。临床异质性来自人群、剂量、干预时长与背景治疗的不同，比如同样是维生素 D，给缺乏者与给充足者，效应本就不该一样。方法异质性来自设计、偏倚风险、结局定义与测量方式，开放标签试验与双盲试验的效应常有系统差异。统计异质性指研究间效应量的变异超出抽样误差，用 Q 检验、I 平方与 tau 平方描述，I 平方是变异中真实差异所占比例，不是效应差异的大小。解释异质性用亚组分析、meta 回归与留一法，但研究数少于十个时，meta 回归几乎不可靠。预测区间比置信区间更有信息，它给出一个新研究可能落入的效应范围。若异质性主要来自剂量，按剂量分层能恢复一致性；若来自偏倚风险，敏感性分析应排除高偏倚研究。若无法解释，随机效应模型只是承认差异，不是消除差异。另一种来源是效应尺度的选择，风险比与风险差在不同基线风险下会给出不同的异质性。测量工具不同也会制造差异，同一认知量表的不同版本分数不能直接合并，需要标准化或改用比值。
为什么重要
抗衰干预的荟萃分析常把不同剂量、不同人群、不同随访时长合并，得到一个平均值，再用它下结论。这个平均值可能不代表任何一项研究。维生素 D、omega-3、运动与认知训练的研究都出现过这种情况：整体无效，但缺乏人群或高剂量亚组有效。对读者，看到一个合并效应应先看 I 平方与预测区间，再看作者有没有解释来源。对指南，异质性大时不应给出强推荐，而应说明适用条件。对研究者，预先定义剂量与人群的分层，比事后寻找亚组更可信。对临床，理解异质性意味着同一种干预对不同的患者可能有不同效果，决策应结合基线特征。对资助方，异质性提示需要针对性试验，而不是再做一个大而全的合并。对患者，合并效应无法回答个人该不该用，需要看自己是否落在有效的那一层。对媒体，报道整体无效时若忽略亚组，会错过真正受益的人群，反之亦然。异质性是指南推荐强度降级的主要理由之一，异质性分析也应在方案中预先说明，而不是看到结果后再分层。对个体化决策，亚组证据的可靠性通常低于整体效应。
证据与边界
I 平方依赖研究数与样本量，研究少时它很不稳定，几个小研究就能把它推到很高。它也不反映效应量的绝对差异，同样的 I 平方可以对应很小或很大的临床差异。meta 回归在聚合数据上做，容易产生生态学偏倚，把研究层面的关联当成个体层面的效应。一个典型失败案例是把不同剂量的维生素 D 试验合并，整体结论接近无效，但按基线缺乏程度分层后，缺乏人群的效应明显，合并掩盖了真实的条件效应。另一个边界是发表偏倚会伪造异质性，小样本阴性研究未发表，剩下的阳性研究看起来更一致。看到异质性，先问研究数、剂量范围与偏倚风险，再看作者如何解释，而不是只看 I 平方的数值。另一个边界是研究间的效应量尺度不同，标准化均值差与风险比不能放在同一个模型里，转换本身会引入误差。时间跨度也会制造异质性，随访五年的试验与随访二十年的队列，捕捉到的可能是不同阶段的效应。合并前的基线表不一致，往往提示定义差异，这类差异比统计检验更能解释异质性的来源。