同样大小的研究间差异，换成更大的样本，传统 I² 却可能更高。原因是 I² 衡量的是：研究结果的总波动中，有多少不能归因于抽样误差。样本越大，抽样误差通常越小，于是即使各研究的真实差异没变，I² 也会趋近于 1。它更像一把相对尺子，容易让人误以为研究之间越来越不一致。
Yang、Shi 等人提出一种不随样本量变化的绝对异质性指标，面向以对数优势比（lnOR）表示效果的二元结果，例如患者是否对治疗有反应。二元结果本身没有自然的个体方差，作者便假设它背后存在一个连续状态，只是被门槛切成“是”或“否”，再由此推导出可直接计算的指标；实际使用只需论文公开的研究级汇总数据。
作者用 71 项儿童与青少年抑郁症试验中的 5 项 fluoxetine 对 placebo 研究作示例：这些研究同时报告连续量表和二元应答结果。论文称，新指标在两类结果之间给出了可解释且一致的异质性估计，模拟中的估计也接近无偏。不过，这些效果目前仍是作者自述。