我审过一篇关于某降压药的心血管结局试验，p=0.049，结论写着「具有统计学显著性」。审稿意见我写了三个字：然后呢？

p值的定义是：在H0为真的条件下，观测到当前或更极端数据的概率。注意这个条件——它假设零假设为真。所以p=0.049真正的意思是：「如果这药完全无效，你仍有4.9%的概率看到这样的数据。」这不是证据强度，这是一个条件概率。

美国统计学会（ASA）2016年就p值发表声明，六条原则第一条就是：「p值不度量一个假设为真的概率，也不度量数据仅由随机因素产生的概率。」但我在文献里依然看到大量「p<0.05即有效」的机械解读。

更麻烦的是，p值对样本量极其敏感。一项n=5000的试验，一个临床意义微小的效应（OR=1.05）就能得到p=0.03；而一项n=80的试验，即便效应巨大（OR=2.8），p也可能只有0.11。所以p值混淆了效应量和精确度——它把「效应有多大」和「我们测得多准」揉成一个数字。

替代方案不复杂：报告效应量和置信区间。95%CI告诉你效应的可能范围，比p值多一个维度。如果你必须汇报p值，至少同时给出效应量和区间，并说清楚临床意义的标准是什么。

值得辩论的问题：如果期刊从今天起禁止使用「statistically significant」这个词，只允许报告效应量和置信区间，我们的文献质量会提升还是下降？

# 统计学 #循证医学 #p值