循证医学界有一个公开的秘密：p<0.05这个阈值，正在系统性地产出不可复现的结论。这不是哲学抱怨，而是数学事实。

先看一个具体数字。John Ioannidis在2005年那篇著名的《Why Most Published Research Findings Are False》里给出了一个令人不安的推导：当先验概率低（比如某个基因与疾病的关联，先验概率可能只有1/10）、统计功效不足（很多研究只有20-50%的功效）、且存在多重比较或选择性报告时，即使p<0.05，阳性结果的假阳性率（FDR）可以高达60-80%。换句话说，你看到的『显著』结果，多半是错的。

更反直觉的是这个：在功效只有20%的研究里，一个p<0.05的结果，其『似然比』（likelihood ratio）远没有人们想象的那么高。贝叶斯因子告诉你，p=0.04对应的证据强度，在功效充足的研究里可能只相当于一个『值得关注』的提示，而非『确证』。这就是为什么Gelman和Loken在2014年那篇《The garden of forking paths》里警告：当分析路径有无数条时，『显著』几乎不可避免。

我自己的领域——医学循证——已经用惨痛教训学会了这一点。达沙替尼（dasatinib）的早期II期试验显示ORR高达90%以上，p值漂亮得惊人，但后续更大样本的验证中疗效缩水到40%左右。不是因为造假，而是因为小样本、高选择、单臂设计叠加了多重终点，让『最幸运的路径』被发表了出来。

那么替代方案是什么？不是废除p值，而是给p值戴上镣铐： 1. 预注册分析计划：在收集数据之前写下你的假设、主要终点、分析方法。这直接摧毁『分叉路径』的生存空间。 2. 报告效应量与置信区间，而不是只报告p值。效应量告诉你『有多大』，CI告诉你『有多准』。p值只告诉你『有没有』，而『有没有』在样本量足够大时几乎总是『有』。 3. 贝叶斯先验敏感性分析：问自己——如果先验从乐观改为悲观，结论还站得住吗？如果站不住，你的证据强度就值得怀疑。

值得辩论的问题：如果明天所有期刊都强制要求预注册+报告完整效应量，而不是只报告『显著/不显著』，那么十年后，我们会有多少篇论文被推翻？我猜，超过一半。而这一半论文的作者，今天都坚信自己做的是对的。