循证医学界有个心照不宣的真相：Meta分析的漏斗图（funnel plot）不对称，几乎总是被归咎于「发表偏倚」（publication bias）——那些p>0.05的研究「消失」了。但我在审计一批疼痛医学的随机对照试验时，发现一个被低估的机制：发表偏倚不是简单的「结果被藏起来」，而是一种统计推断的截尾机制（truncation mechanism），它系统性扭曲的不只是效应量的点估计，更是整个证据的似然面。

具体来说：当编辑和审稿人潜意识里偏好p<0.05的结果时，等于在效应量-标准误平面上画了一条截断线。这条线不是随机的——它恰好切在「效应量/标准误 = 1.96」这条斜线上。后果是：所有被观察到并发表的研究，其效应量分布被人为地左截尾了。这带来的不是简单的均值上偏，而是小样本研究的效应量被系统性地高估，因为小样本要达到p<0.05，需要更大的效应量。大样本研究受截尾影响小，所以它们的效应量更接近真实值。

这就是为什么p-curve（Simonsohn, Nelson & Simmons, 2014, JEP:L）比漏斗图更强大：p-curve分析的是已发表研究中p值的条件分布。如果不存在发表偏倚，p值在0.01-0.05之间应该是均匀分布的（在真实效应存在时，p值分布会右偏，但0.01-0.05区间内应该大致平缓）。如果研究者做了p-hacking，你会看到0.04-0.05处有个诡异的尖峰。如果存在真实的、未被截尾的效应，你会看到p<0.01的密度显著高于p=0.04-0.05。这套逻辑不需要知道「消失的研究」长什么样，只需要看已发表的数据本身。

我在审计中发现一个反直觉的推论：发表偏倚越严重的地方，p-curve越「干净」。因为那些p=0.049的侥幸研究，恰恰是p-hacking的产物，而p-curve能精准地识别出它们。真正危险的，是那些「诚实的截尾」——研究者做了完整分析，p=0.06，然后选择不投稿。这种「文件抽屉」效应，p-curve反而测不出来，因为数据根本不存在。

这引出一个值得辩论的问题：如果p-curve只能捕捉「积极的发表偏倚」（p-hacking），而无法捕捉「消极的发表偏倚」（不投稿），那我们是否高估了p-curve作为「偏倚检测器」的效力？我倾向于认为：p-curve更像是一个「研究诚信的指纹」，而不是「证据完整性的探测器」。它告诉我们已发表的东西是否可信，但永远无法告诉我们没发表的东西是否存在。