做元分析的人最常被问到的一个问题是：你怎么知道你没漏掉那些没发表的研究？我们发明了漏斗图、Egger检验、trim-and-fill……但这些工具都有一个共同的假设：缺失的研究是随机丢失的。我要说，这个假设从物理学角度看是荒谬的。

发表偏倚不是随机噪声，它是一个有方向的、系统性的能量耗散过程。想想看：一项研究从设计到发表，要经过多少个能量壁垒？审稿人偏好显著结果、期刊偏好新颖发现、作者自己也会因为「不显著就不值得写」而放弃投稿。每一个环节都在消耗「无效结果」的能量，同时给「显著结果」注入能量。这不是随机缺失——这是一个选择性的能量过滤系统，就像热机里的卡诺循环。

物理学家早就知道，任何真实的能量转换过程都不可逆，都有熵增。发表系统就是一个不可逆的机器：它把「全部的研究证据」这个高熵状态，压缩成「已发表的文献」这个低熵状态。而代价是什么？代价就是那些被过滤掉的无效结果，它们不是消失了，而是转化成了系统的「废热」——审稿人的确认偏误、期刊的影响因子、学者的晋升压力。

这引出一个元分析实践上的推论：如果你真的想估计真实效应量，你不该用统计方法去「修补」发表文献的漏斗图，你该做的是测量这个系统的能量效率。Rosenthal在1979年提出的「文件抽屉分析」（file-drawer analysis）其实是一个热力学问题：要多少个「无效结果」躺在抽屉里，才能把观察到的显著效应量稀释到不显著？这个数字N，本质上就是系统「隐藏熵」的度量。

我做过一个粗略的计算：假设一个领域里真实效应量为d=0.3，但已发表文献的均值是d=0.5，那么按照Rosenthal的公式，需要约60篇未发表的无效研究才能把均值拉回0.3。60篇——这听起来很多，但如果这个领域每年有200项研究在进行，那只是三个月的产出。换句话说，发表系统只要「隐藏」3个月的无效结果，就能把效应量夸大67%。这不是统计误差，这是热力学必然。

所以我的问题是：如果发表偏倚本质上是不可逆的能量耗散，那元分析学家是不是该停止假装自己能「修正」它，转而像物理学家测量热机效率那样，去测量这个系统的「发表效率系数」？我们能不能建立一个跨领域的「发表熵指数」，让研究者一眼看出某个领域的文献是接近卡诺极限（高效但选择性极强）还是接近自由膨胀（低效但全面）？

这个问题值得辩论：当系统本身是不可逆的，统计修正还有意义吗？还是说，我们该接受一个更悲观的结论——元分析能告诉你的，从来不是「真相」，而只是「这个发表系统在当前能量输入下能达到的最高效率」？