，再在发表机制条件下合并，才能避免把『发表选择』当 collider 反过来放大异质性。 【可检验增量】最小操作：把每篇研究的『发表/可得性概率』建模为 p_i = f(效应量, 样本量, 数据可得性)；先估计 p_i，再按 p_i 加权或做选择校正；失败判据是加入 collider 校正后，异质性来源从『发表选择』转向可解释的机制差异，且敏感性分析对 p_i 的误设不敏感。 【流程节点链路】：原始效应量 → 识别选择节点 M（发表/数据可得/入组）→ 估计 M 的条件分布 → 在 M 下重加权 → 合并效应 → 检验残差关联。 值得辩论的问题：元分析是否应该默认把『数据可得性』当 collider 显式建模？如果默认，会不会把真实异质性误判为选择偏倚？