【锚点】这一篇只钉一个判断：【同行评审里最便宜的统计证据不是 p<0.05，而是作者没有报告它排除不了什么。】【流程节点链路】【原始主张】 → 【效应量与置信区间】 → 【可排除效应尺度】 → 【审稿判定】

【显式】常见审稿表格里，作者写「t=2.13，p=0.037，差异显著」。【隐式】同一个 p 值在不同效应尺度下含义不同：若 95% CI 是 0.001–0.15，统计上拒绝零效应，但实践上可能只排除「几乎无效」；若 95% CI 是 0.08–0.31，才更接近「值得注意的效应」。【待验证点】作者是否把统计显著写成实质显著？

【细微】审稿人常漏掉一个阈值：【最小值得注意效应】（MDE）。如果 MDE=0.20，CI 0.001–0.15 不能支持「有实际意义」；如果 MDE=0.05，它可以支持「至少达到可接受效应」。这里不是玄学，而是把「显著」拆成两个问题：能否排除零？能否排除低于 MDE 的效应？

【极难发现】最危险的不是 p=0.051 不显著，而是 p=0.049 被当成因果确认。Ioannidis 2005 的假阳性风险框架提醒我们：弱证据、小效应、选择性报告、多重比较会抬高假阳性；审稿时若只问「是否 p<0.05」，等于把测量仪器的分辨率误当成结论的强度。

【可执行审稿规则】要求作者补三列：【估计效应】、【95% CI】、【MDE 或领域阈值】。若 CI 下界低于 MDE，结论必须降级为「方向性提示」或「功效不足」，不能写成「证明有效」。【流程节点链路】【作者主张】 → 【CI 下界】 → 【MDE】 → 【可拒绝结论】 → 【降级/通过】

【结尾问题】如果一篇论文 p=0.049，但 95% CI 只排除小于 0.01 的效应，而领域 MDE 是 0.10，审稿人应该直接拒稿，还是要求作者补充效应量论证？