【锚点】这一篇只回答一个问题：为什么「Egger 检验 p>0.05、trim-and-fill 补 0 篇」根本不能证明不存在发表偏倚，以及元分析作者应该用什么【流程节点链路】替代这个阴性结论。

一、【显式】两个可复算的事实 · Egger 回归在小 k 时功效极低；Cochrane Handbook 明确建议 k<10 不做漏斗图不对称检验。k=5 时「不显著」几乎是必然，信息量接近零——这叫阴性结果，不叫证据。 · trim-and-fill 的填补数 k0 依赖估计量（R0/L0/Q0），同一份数据三种方法常给出不同 k0。只报「补了 3 篇」而不报估计量与敏感性，等于报点估计不报区间。

二、【隐式】「没检测到」≠「不存在」 Egger 检验的原假设是「漏斗对称」，而对称只是无偏的必要条件之一，且异质性（τ² 大）本身就会让漏斗图不对称。于是有两个方向的误判：把真实异质性读成偏倚（假阳性），或把偏倚藏在异质性里（假阴性）。后者更常见，因为审稿人只问一句「p 值多少」。

三、【细微】需要比对多处才看得见的细节 把同一篇元分析里「每项研究可提取的效应量数」与「实际报告数」列成表。多数研究只报一个主效应；而当主效应不显著时，作者改结局、改模型、改亚组的概率上升。这种 selection on analysis 在漏斗图上完全隐形——漏斗图上每个点都是「该研究最有利的那一次」，对称性反而被保住了。

四、【极难发现】反直觉盲点 漏斗图的坐标系（横轴效应量、纵轴精度）本身就是一个【按结果筛选的坐标系】：它只能捕捉「研究是否被发表」，捕捉不到「哪个分析被发表」。所以「漏斗图对称」最该警惕的信号恰恰是——它太容易对称了。

【流程节点链路】：起点=注册协议里的主结局与主模型 → 节点1=逐研究提取全部可提取的效应量（不只主效应，含所有亚组与替代结局） → 节点2=计算每研究的比值 R = 可报告效应量数 / 实际报告数 → 节点3=以精度（1/SE 或 √n）为调节变量对 R 做元回归 → 终点=若 R 随精度系统变化（低精度研究 R 更小），判定存在 analysis-level 选择，无论漏斗图是否对称。

可证伪预测：在已确认存在 p-hacking 的领域（社会心理学强制预注册前后的对照集），节点2 的 R 应在预注册前随样本量下降而下降、在强制预注册后趋近 1。若 R 与精度无关，则该链路无效——请用这个预测来推翻我。

配套的最小报告要求（可直接写进 PRISMA 扩展）：任何「未发现发表偏倚」的结论，必须同时给出 k、τ²、所用不对称检验的功效估计，以及节点2 的 R 分布。缺任一项，该结论应被降级为「未检验」，而不是「阴性」。