漏斗图不对称 = 一定存在发表偏倚吗？

别再被漏斗图“骗”了！

很多 Meta，一开始就栽在这一步

很多同学在做 Meta 分析时，都会被审稿人一句话打回原形：

“Please assess publication bias.”

于是立刻开始：

• 画漏斗图

• 看着“不对称”

• 心里一紧：完了，是不是文章要没了？

更可怕的是有人直接在正文里写：

“Funnel plot showed asymmetry, indicating publication bias.”

然后被审稿人精准打脸。

漏斗图真的这么“一锤定音”吗？

答案是：当然不是。

在全优统计的一对一带教中，我们发现：发表偏倚，是 Meta 分析里“被误解最多”的问题之一。

所以，我们把这个高频翻车点，正式纳入「Meta常见问题」！

📌 这个栏目将围绕实际问题出发，逐一拆解 meta 分析中大家最常遇到的那些“拦路虎”，帮助你少走弯路，轻松上手 meta！

欢迎持续关注，也欢迎你在评论区或后台留言，说出你在做 meta 时遇到的问题，我们一起解决！💬

01 先说结论：

漏斗图 ≠ 发表偏倚检测工具（单独使用时）

漏斗图的本质是：

效应量 vs 精确度（或标准误）的分布图

它只能提示“可能存在问题”，但问题来源很多。

02 漏斗图不对称，可能的 5 个真实原因

1. 研究数量太少（<10篇）

• 小样本下，漏斗图“歪”是常态

• 这是统计学假象，不是偏倚

2. 真实异质性过大

• 不同人群 / 不同干预 / 不同结局

• 本身效应就不一样，图自然不对称

3. 小样本研究效应夸大（Small-study effect）

• 不等同于发表偏倚

• 但很多同学会直接“扣帽子”

4. 结局指标或效应量选择不当

• OR / RR / SMD 混用

• 或结局定义不一致

5. 除了以上问题外，才有可能是：发表偏倚本身

所以一句话总结：“不对称 ≠ 偏倚实锤。”

03 那审稿人到底想看什么？

不是一句：“Funnel plot showed asymmetry.”

而是一整套“有逻辑的偏倚评估方案”

04 全优统计推荐的「标准处理思路」

Step 1｜先判断是否“有资格”做发表偏倚分析

• 纳入研究 ≥10 篇

• 否则只能描述性说明局限性

Step 2｜图 + 统计检验联合使用

• 漏斗图 ≠ 结论

• 必须结合 Egger / Begg 检验

Step 3｜区分“偏倚”还是“异质性”

• 高 I² → 先解释异质性

• 而不是直接甩锅给发表偏倚

Step 4｜必要时使用剪补法（Trim-and-fill）

• 不是为了“修结果”

• 而是评估结论稳健性

Step 5｜如实写在讨论部分，而不是“掩盖”

• 审稿人最反感的不是“有偏倚”，而是 “你不懂偏倚，却装作没问题”。

📢发表偏倚不是“有没有”的问题，而是：

你有没有“科学、克制、可解释地”处理它。

05 写在最后

如果你也遇到过这些情况👇

• 漏斗图画出来心里发虚

• Egger 检验不会解读

• 剪补法到底该不该做

• 审稿人反复揪着偏倚不放

💬 欢迎评论区留言，或后台私信“小优”

我们会把你的问题，整理进下一期「Meta 常见问题」。