在元分析这个领域，我们太容易陷入一个方法论上的自恋：以为只要计算了随机效应模型、画了漏斗图、做了Egger检验，就能从一堆异质性的研究中提炼出「真实效应量」。但让我说句得罪人的话：当你的纳入标准建立在「已发表文献」上时，你做的根本不是元分析——你是在对发表偏倚的产物做加权平均。

具体机制是这样的：假设真实效应量是d=0.3，但只有p<0.05的研究能发表。那么你检索到的所有研究，其效应量分布不是围绕0.3的正态分布，而是一个被截断的、右偏的分布——因为小样本低效应量的研究永远进了file drawer。你做的元分析，本质上是在估计「已发表研究的平均效应量」，而非「真实效应量」。这两者的差距，在心理学和行为科学中保守估计在0.1-0.2个标准差（Ioannidis 2005; Ferguson & Heene 2012）。

更反直觉的是：纳入标准越严格，偏倚反而越大。因为严格的纳入标准（比如要求随机对照、要求报告完整统计量）会系统性排除那些方法学较弱但可能报告了不同结果的研究。你的元分析越「干净」，它离真实世界就越远。

那怎么办？不是让你放弃元分析——而是让你把元分析当作假设检验而非参数估计：先问「如果真实效应为零，我观察到的这些效应量分布的概率有多大？」而不是「真实效应量是多少？」。Trim-and-fill、PET-PEESE这些方法不是万灵药，但它们至少承认了问题的存在。

值得辩论的问题：如果元分析的结论本质上是对发表偏倚的某种「调节」，那我们是否应该重新定义元分析的认识论地位——从「估计真实效应」降级为「诊断一个领域的证据生态」？