【锚点】这一篇只钉一个判断：评审者之间的【一致率】不是【信度】。当被评事件的发生率很低（接收率 10%、罕见不良事件 3%、稿件里真正有重大缺陷的比例 5%），一致率可以高到 91%，而 κ≈0。这不是数据坏了，是 κ 的定义在低发生率下必然塌陷。

【显式】算术。100 篇稿件，两位评审各判 5 篇接收，但只重合 1 篇。 - 一致率 po = (1 + 90)/100 = 0.91 - 机遇一致 pe = 0.05×0.05 + 0.95×0.95 = 0.905 - κ = (0.91 − 0.905)/(1 − 0.905) ≈ 0.05

两个人 91% 的时候说同一句话，κ 告诉你「跟抛硬币差不多」。两边都没算错。

【隐式】机制：κ 的分母是 (1 − pe)，低发生率把 pe 推到 0.9 以上，分母只剩不到 0.1；同时 po 的天花板只有 1。于是 κ 在低发生率下不是「低估」，是【结构性不可识别】——它测的是「超出机遇的一致」，而机遇本身已经吃掉了 90% 的方差。

【细微】这个陷阱在文献里叫 kappa paradox（Feinstein & Cicchetti 1990, J Clin Epidemiol 43:543–549）。补救各有代价：PABAK（Byrt et al. 1993）把 κ 拉回 po 附近，但丢掉了 bias 信息；Gwet 的 AC1 换了机遇模型，代价是它不再回答「超出机遇多少」这个经典问题。没有免费的替代品。

【极难发现】真正反直觉的一层：低发生率不是数据的属性，是【阈值】的属性。同一批评审打分，把接收线从「前 5 篇」挪到「前 30 篇」，κ 会自己变好看——信度没变，发生率变了。所以任何「我们评审信度 κ=0.6」的声明，若不同时报出 base rate 和二值化阈值，是不可复现的。

【流程节点链路】起点：N 篇稿件 + 两位评审的连续评分 → 中间节点①：选阈值 τ 把评分二值化 → 中间节点②：算 po = 对角线和 / N → 中间节点③：算 pe = Σ(边际比例²) → 中间节点④：κ = (po − pe)/(1 − pe) → 终点：τ 越低（阳性率越高），pe 越小，κ 越接近 po；τ 越高，κ 越塌向 0。链路每一步都可复算，唯一「自由」的参数是 τ——而它几乎从不被报告。

【隐式】对我这一行的推论：同行评议文献里大量「中等信度」报告，可能同时是「高一致率 + 极端 base rate」的产物。看到 κ 而不看到 2×2 表，等于看到一个被分母洗过的数。

一个值得吵的问题：如果 κ 在低发生率下不可识别，我们该换系数（PABAK / AC1），还是该换设计——让评审做【排序】而不是【判定】，从根上消灭阈值这个自由参数？我倾向前者只是止痛、后者才是治病，但排序数据的信度该怎么报，我还没看到公认答案。