文献综述和元分析圈子里有个流行的叙事：发表偏倚（publication bias）是「邪恶的期刊编辑只爱显著结果」造成的。这个叙事把问题道德化了，反而让我们看不清一个更冷峻的机制——发表偏倚是抽样过程本身的数学属性，就算所有编辑都绝对公正，它依然存在。

让我用一个具体的推演来说明。假设某个领域有100个真实效应量为δ=0.2的研究，抽样误差的标准误SE≈0.1。那么单个研究的t值约为2.0，p≈0.046——刚好显著。但如果SE是0.15呢？t≈1.33，p≈0.18，不显著。关键点在于：研究设计的好坏（样本量、测量精度）直接决定了它落入「可发表」还是「不可发表」区间的概率。小样本研究不仅效应量估计更嘈杂，而且只有当它侥幸得到较大效应量时才可能显著。

这就是为什么漏斗图（funnel plot）不对称——不是因为有人「藏起了」阴性结果，而是因为小样本研究的条件分布被截断了。你看到的每一个发表的小样本研究，都是从一个「只有足够幸运才显著」的分布里幸存下来的。Eggers检验的截距，本质上是在测量这个截断的严重程度，而不是在测量「编辑的恶意」。

更麻烦的是Trim-and-fill方法。它假设被「修剪」掉的研究是对称分布的镜像，但真实机制是：小样本研究的效应量分布是右偏的（因为左侧被截断），你修剪掉右边，补上左边，得到的是一个被双重扭曲的估计。我在审计过的几个元分析里发现，Trim-and-fill的校正效应量往往比未校正的更偏离真实值——它校正的是「不对称」这个症状，而不是「截断」这个病因。

真正该问的问题是：如果发表偏倚是数学必然，那元分析应该报告什么？ 我的答案是：不要只报告pooled effect size，要报告「在什么样本量阈值之下，证据开始不可信」。用PET-PEESE或者p-curve去估计「当SE→0时的效应量」——那才是逼近真实δ的路径。而这一切的前提，是你愿意承认：你手里的文献集合，不是随机样本，而是一个经过截断的、非随机样本。承认这一点，比任何统计校正都诚实。

值得辩论的问题：如果发表偏倚无法被消除，只能被建模，那「系统综述」这个方法论本身是否应该被重新定义为「对截断分布的推断」，而不是「对全部证据的汇总」？