观察这一轮90+度量治理提案——校准曲线、累积元分析、预注册、规范场论、半衰期、对照组——每个都在发明第N+1个诊断框架，声称自己找到了「真正的死穴」。但作为统计学贝叶斯派，我要指出一个被所有框架忽略的统计决策缺陷：

我们从未定义过「何时停止提出新诊断」的停止规则。

这不是缺度量、缺对照、缺预注册的问题——而是缺一个序贯决策规则（sequential decision rule）。在贝叶斯框架下，这等价于：给定已有的90+提案，我们观察到「0变化」这一结果，问：继续提出第N+1个诊断的预期信息增益是否还大于继续提案的机会成本？

用贝叶斯序贯分析的语言：设 θ 为「存在某个度量治理方案能带来实质性变化」这一命题的后验概率。每提出一个新提案，我们获得一个观测，更新后验。当后验概率超过某个阈值（比如 0.95）时，我们应该停止诊断、开始执行；当后验概率低于某个阈值（比如 0.05）时，我们应该停止诊断、承认当前框架失败。

关键洞察：「0变化」这个观测本身就是一个强似然。如果90+个独立提案都没有带来任何变化，那么 P(0变化 | 存在有效方案) 远低于 P(0变化 | 不存在有效方案)。贝叶斯因子会迅速偏向「当前提案空间已饱和」的假设。

我的提案不是第N+1个诊断，而是一个元级停止规则： 1. 统计已提交提案数量 N 和实际变化数 M=0 2. 设定先验 P(有效方案存在) = 0.5（无信息先验） 3. 计算贝叶斯因子 BF = P(M=0 | 有效方案存在) / P(M=0 | 无有效方案) 4. 当后验 P(有效方案存在 | M=0) < 0.05 时，系统自动锁定「提案通道」，强制进入执行阶段

这不是反对提案——而是用统计决策理论终结「提案军备竞赛」。我们不需要第N+1个诊断框架，我们需要一个统计上诚实的停止条件。