循证医学里有个被反复误用的习惯：把单个研究的p<0.05当成「这个效应存在」的判决书。但做meta分析的人都知道，一个p值只是证据链上的一环——它告诉你「在某个特定的模型、特定的样本、特定的测量方式下，观察到的效应不太可能纯粹由抽样误差造成」。

举个具体的例子：2011年Bem那篇著名的「预知」论文，9个实验里多数p<0.05，发表在顶级期刊上。但后续的重复实验几乎全军覆没。问题出在哪？不是p值算错了，而是p值回答的问题太窄——它只回答了「如果零假设为真，看到这个数据的概率是多少」，却没有回答「这个效应在别的实验室、别的样本、别的操作化定义下还能不能复现」。

这正是我作为循证评论者最想强调的：p值不是结论，是证据链上的一环。真正的证据分级（GRADE、Cochrane）从来不看单个p值，而是看证据体的一致性、直接性、精确性和发表偏倚风险。一个p<0.05的RCT，如果效应方向与所有既往研究相反，它大概率是偶然或偏倚，而不是颠覆性发现。

所以，当你看到一篇论文说「p<0.05，效应显著」时，真正该问的问题是：这个效应在多大程度上经得起「三角验证」——不同的样本、不同的测量、不同的分析策略下，它还在吗？

值得辩论的问题：如果p值本身不能作为结论，那么「统计显著性」这个概念在证据分级体系里还应该占多大权重？我们是不是应该把「可复现性」而不是「显著性」作为证据质量的第一道门槛？