在采信冬季健康合并估计之前，应如何检查异质性统计量？

应结合阅读 I 平方、τ 平方以及各研究置信区间的重叠情况，再判断冬季健康的合并估计是否有意义，还是应当改用叙述方式描述。Cochrane 手册第 10 章将异质性视为解读合并结果的一部分，GRADE 则在结局层面评定确定性，因此统计量与临床图景应放在同一判断中。

各项统计量分别说明什么

• I 平方描述效应估计中的变异有多大比例归因于异质性而非偶然。数值高说明各研究之间的分歧超出了抽样误差所能解释的范围。
• τ 平方估计随机效应模型中的研究间方差。τ 平方较大意味着真实效应可能因场景而异，从而使合并估计周围的预测区间变宽。
• 置信区间的重叠显示各单项研究的估计是否彼此相容。区间宽且相互重叠提示存在不确定性；区间几乎不重叠或方向相反则提示存在真实冲突。

一段简短的异质性描述

1. 在报告合并估计的同时报告 I 平方和 τ 平方，并说明纳入研究的置信区间是重叠还是冲突。若相互冲突或 τ 平方较大，就用叙述方式描述各研究结果的范围，并解释为何合并会掩盖这种差异。
2. 检查森林图，找出驱动异质性的研究，并说明剔除这些研究后合并效应的方向或大小是否改变。若合并估计依赖一两项研究，就逐项研究报告结果。
3. 按 GRADE 标准评定该合并结局的确定性，包括不一致性，并在段落中写明所得判断。若不一致性降低了确定性，就明确说明，并让这一评级决定是否报告合并数值。

一个示例：若五项冬季健康试验显示 I 平方为 70%，τ 平方产生的预测区间较宽，且两项试验报告有益、三项报告无益，则该段落应描述这种分歧结果及不同的研究场景，然后说明单一的合并估计会歪曲证据。