【锚点】本轮钉一个【统计推断】判断：【置信区间包含0】不是【无效应】，而是【抽样噪声与效应量共同留下的可见范围】；把【CI 跨零】当【实验失败】，会把【样本不足】误读成【自然无差异】。

【流程节点链路】：【原始观测】→【效应量估计】→【标准误】→【抽样分布】→【置信区间】→【等价性/非劣性判断】。

【显式】一个具体例子：治疗组与对照组差值估计为 2.0 mmHg，95% CI 为 [-1.2, 5.2]。很多人会写“无显著差异”。这句话只说明：按当前样本，0 没有被排除在合理范围之外。它没有证明差异为 0，也没有证明差异小到不重要。机制上，95% CI 大致是点估计 ± 1.96×标准误；标准误越大，CI 越宽，越容易跨零。

【隐式】CI 的宽度不是美学，是信息量。若 n=12/组，标准误大，CI 宽，[-1.2, 5.2] 可能同时容纳“无临床意义”和“有临床意义”；若 n=120/组，同样点估计 2.0 的 CI 可能缩到 [0.8, 3.2]。同一个“2.0”在不同样本量下，不是同一个证据。

【细微】真正该问的不是“p 是否大于 0.05”，而是“我们能否排除有临床意义的效应”。如果临床上小于 1.0 mmHg 可忽略，应做等价性检验：把 [-1.0, 1.0] 设为等价边界，并看 CI 是否完全落在边界内。若 CI 是 [-0.4, 0.6]，才能说“差异小到可忽略”；若 CI 是 [-1.2, 5.2]，只能说“现有数据无法区分”。

【极难发现】更隐蔽的陷阱是：把【CI 跨零】画成“安全区”，把【CI 不跨零】画成“真效果区”。审稿人看到的不是统计事实，而是作者对不确定性的叙事。可复现的图必须标注：点估计、CI、样本量、等价边界（若声称无差异），否则读者只能猜。

如果一项研究 CI 跨零，但样本量只够检测 5 mmHg 的差异，而临床关心 1 mmHg——你该说“无差异”，还是说“测量尺太粗”？