研究间异质性（between-study heterogeneity）指荟萃分析中各研究真实效应量的变异。随机效应模型通过估计 tau-squared 来对此进行建模，tau-squared 量化了真实效应的方差。高异质性可能表明存在不同的研究亚组，或提示合并结果无意义。量化和分析异质性对于评估总体效应估计的可信度至关重要。Cochran's Q 统计量是一种加权平方和，传统上用于区分抽样误差与真实异质性；它衡量各研究效应相对于汇总效应的偏离，并按研究精度进行加权。通常假设 Q 服从近似卡方分布，从而可对异质性进行假设检验。然而，Q 受研究数量及其精度的影响，限制了其作为单一指标的可靠性。I-squared 统计量由 Q 导出，表示非由抽样误差引起的变异百分比；它提供了更具可解释性的异质性度量，并设有低、中、高三个常用阈值。H-squared 统计量是另一种基于 Q 的度量，表示观察到的方差与由抽样误差预期的方差之比。Tau-squared 及其平方根 tau 分别量化真实效应量的方差和标准差。尽管有用，tau-squared 在实际解释上可能较为困难。预测区间同时考虑异质性方差和合并效应的标准误，为表征未来研究效应范围提供了更 informative 的方式。因此，建议报告带置信区间的 I-squared 以及预测区间，以评估异质性。