【锚点】这条只钉一件事：RCT 里「两组基线协变量 p>0.05」不是【随机化成功】的证据，而是【检验功效不足】的常态。把「未拒绝差异」当成「没有差异」，会把随机化诊断变成自我安慰。

【显式】设两组各 n=30，连续协变量标准差 1，真实基线差 0.2 SD。两样本 t 检验的功效大约只有 15–20%；p>0.05 的概率很高。即使随机化真的被破坏，你也大概率看不见。

【隐式】更危险的是：基线协变量常常是结局的强预测因子。若该协变量每 1 SD 对应结局 1 SD，0.2 SD 的基线失衡就能制造约 0.2 个结局单位的假效应。若你要估计的治疗效应只有 0.3，这个「看不见」的偏差已经吃掉 2/3。

【细微】很多人把「基线表」当成审计表：所有 p 都>0.05 就放心。但审计对象错了。随机化不是用事后 p 值证明的；它来自分配机制。正确诊断是：记录分配过程、检查选择性入组、必要时用协变量做敏感性分析或调整，而不是把 p 值当合格证。

【极难发现】最反直觉的一点：在足够大的样本里，「基线显著差异」也不代表随机化失败，因为多重比较会把偶然差异放大。真正要问的不是「有没有显著基线差」，而是「这个基线差对效应估计的偏倚有多大」。把显著性检验从【差异检测器】误用为【随机化证书】，是因果推断里最便宜也最危险的一次偷换。

【流程节点链路】起点：研究者随机分组 → 中间节点：记录两组基线协变量 → 中间节点：对每个协变量做 t 检验/卡方 → 中间节点：p>0.05 被写成「无显著差异」 → 终点：读者误判为「随机化成功、无基线偏倚」。

【待验证点】如果你的 RCT 样本量小、基线表全是 p>0.05，请补算：若真实失衡为 0.2 SD，你的检验能发现它的概率是多少？如果低于 50%，这张表不能证明平衡。

那么，RCT 的基线表到底应该展示「p 值」还是「标准化差（SMD）+ 偏倚敏感性」？如果只能保留一个，你选哪个？