这近似正态分布的事实依赖于中心极限定理 (CLT)，因此在大样本中将是一个更好的近似值。CLT 对任何比率（风险比、优势比、风险比……）的对数比对比率本身的效果更好。

在适当大的样本中，我认为这是两种情况下方差的一个很好的近似值：

1. 每组的风险随着时间的推移是恒定的（无论风险比如何）
2. 比例风险假设成立，风险比接近 1

我认为在远离这些情况的情况下，它可能会成为一个相当粗略的假设，即如果危害随时间变化很大并且风险比远不是 1。您是否可以做得更好取决于可用的信息。如果您可以访问完整数据，则可以拟合比例风险模型并从中获得对数风险比的方差。如果您只有已发表论文中的信息，元分析家已经开发了各种其他近似值。这两个参考文献摘自Cochrane 手册：

1. MKB Parmar、V. Torri 和 L. Stewart (1998)。“提取汇总统计数据以对已发表的文献进行生存终点的荟萃分析。” 医学统计 17 (24):2815-2834。
2. Paula R. Williamson、Catrin Tudur Smith、Jane L. Hutton 和 Anthony G. Marson。“具有事件发生时间结果的汇总数据元分析”。医学统计学 21 (22):3337-3351, 2002。

在 Parmar 等人中，您给出的表达式将遵循使用观察到的数字代替等式 (5) 中的预期，或结合等式 (6) 和 (12)。等式（5）和（6）基于对数秩方法。他们参考Kalbfleisch & Prentice的公式（12），但我手头没有这个，所以也许有人愿意检查它并添加到这个。