同一個媽生的都會長得不一樣 (就像我跟我弟) 更不要說不同的研究，結果一定不同...

絕大多數的綜合分析 (meta-analysis) 都會有異質性 (heterogeneity) 分析數據，目前最常用的統計方法包括:

- Cochrane's Q
- I2 statistics (計算方式如上圖)

I2值介於0%~100%，異質性通常分為25% (低)，50% (中)，75% (高)...

這兩個統計方式在應用上最大的問題就是統計力量不足，當收納研究數目不多時 (自由度很低) 精確度就會很差...

Adapted from Psychol Methods 2006; 11: 193-206.

判讀"Cochrane's Q"檢定時，有學者提出，因為這個檢定統計力量通常不夠，所以不建議以一般認定的0.05作為顯著差異的閾值，而是向上提升到0.10...

Adapted from BMJ. 2007; 334: 94-6.

常規上，當這些統計檢定告訴我們，收納的研究之間，當結果存在顯著異質性時，接下來該怎麼辦?

方法一 不要合併它，然後檢討異質性的可能性

方法二 捨棄固定效應模式 (fixed-effect model) 改用隨機分派模式 (random-effect model)

附註: 之前才剛提過隨機效應模式的判讀 這裡

如果您是研究者，那就辛苦了，因為要找出造成異質性的原因，如果您是讀者，那就太好了，趕快看作者對於存在異質性的解釋...

另外一個常見的問題是，I2值很低，但眼睛一看就知道研究結果之間有一定的差異，該怎麼辦?

事實上，I2值也可以計算95%信賴區間，當收納研究不多時，你就會I2值20%，但95%信賴區間橫跨2%~80%的奇景...

很可惜的，幾乎所有的系統性綜論/綜合分析的I2值都沒有95%信賴區間，最常被使用的RevMan裡面也沒有計算這各區間的功能...(殘念)

Adapted from Stat Med. 2002; 21: 1539-58.

回到起點，我們在判讀異質性結果時，提醒自己的是:

(1) 這些檢定通常統計力量不足，建議不要以"<0.05"當作顯著差異閾值

(2) I2值很低，且收納研究數目不多時，通常代表的是統計力量不足，而不是真的沒有異質性

(3) 衷心祈禱把計算I2值95%信賴區間的功能加入下一版的RevMan中