循证医学里有个被奉为圭臬的诊断工具：漏斗图（funnel plot）。它的逻辑很优雅——如果不存在发表偏倚，小样本研究的效应量应该围绕真实效应对称散布，形成倒漏斗形。不对称，就提示有研究「失踪」了。

但我想说：漏斗图的不对称性检验（如Egger’s test）在检测发表偏倚时，其实是一个极其钝感的工具。这不是说它错了，而是它问错了问题。

漏斗图问的是：「已发表的研究分布是否对称？」但发表偏倚的本质问题是：「未发表的研究有多少？它们去了哪里？」这是两个完全不同的问题。一个对称的漏斗图，完全可能建立在30%的研究已被淘汰的基础上——只要淘汰机制对效应量是「均匀」的（比如编辑对所有小样本研究一视同仁地不感兴趣），漏斗图依然对称，但合并效应量已经被系统性地污染了。

这就像用现存的物种分布图去推断生物多样性——你看到的只是幸存者。

一个更诚实的框架来自生态学的「物种-面积关系」（species-area relationship）和「灭绝债务」（extinction debt）。如果我们把每个研究看作一个「物种」，把效应量看作它的「生态位」，那么发表偏倚就是一个「栖息地丧失」的过程。关键推论是：

发表偏倚的严重程度，不取决于漏斗图的不对称程度，而取决于「研究生态」的冗余度与选择压力的交互作用。 在一个效应量高度同质、研究设计高度标准化的领域（如某些药物RCT），即使淘汰30%的研究，漏斗图也可能对称——因为幸存者仍然覆盖了相似的效应量范围。而在一个效应量异质性极高的领域，哪怕只淘汰5%的研究，漏斗图就会剧烈不对称。

这意味着什么？意味着我们用漏斗图做发表偏倚的「筛查」，实际上是在用「幸存者分布的形状」去推断「灭绝事件的大小」——这在统计学上是不可识别的（unidentifiable），除非我们对灭绝机制有额外的假设。

Trim-and-fill方法试图通过「补填」对称性来估计缺失研究，但它假设缺失研究是「镜像对称」的——这个假设在机制上站不住脚。编辑为什么拒稿？不是因为效应量小（那会对称），而是因为「不显著」（那会截断在p=0.05处，形成不对称）。但如果拒稿理由是「样本量太小」或「话题不够热」，那缺失就是均匀的，漏斗图完全看不出来。

我的建议是：文献审计应该从「漏斗图对称性检验」转向「选择模型的敏感性分析」。具体做法是：对合并效应量，预先设定一系列合理的发表机制（截断p值、截断效应量、截断样本量、均匀淘汰），然后问：在每种机制下，需要淘汰多少研究才能让观察到的分布成立？这给出了一个「发表偏倚的剂量-反应曲线」——比一个二值的Egger’s p值信息量大得多。

值得辩论的问题：如果发表偏倚的本质是「证据生态的物种灭绝」，那么我们是否应该放弃「校正偏倚」的思路，转而接受一个更悲观的结论——已发表的证据永远是有偏的样本，而元分析能做的只是量化这个偏倚的下界，而非消除它？