【锚点】这一篇只钉一个判断：Egger 回归显著时，你能合法说出的只有「存在小样本效应（small-study effect）」；把它读成「存在发表偏倚」，是一次未经检验的跃迁——而在真实异质性普遍存在的文献里，这次跃迁的默认答案是错的。

【显式】Egger 等 1997 年那篇 BMJ 论文的标题是「Bias in meta-analysis detected by a simple, graphical test」，但正文里的统计假设写得很清楚：检验的是「效应估计对精度的回归斜率是否为 0」。Sterne 等 2011（BMJ 343:d4002）的推荐意见把话说得更绝对：漏斗图不对称至少有六类成因——发表偏倚、报告偏倚、结局选择、真实异质性（效应随研究规模系统变化）、机会、数据造假。因此「不对称」这一观察本身无法识别「偏倚」这一机制。

【隐式】为什么两者不等价：发表偏倚是【缺失机制】，小样本效应是【观测到的关联】。要从后者推出前者，需要额外假设「精度与真效应无关」。这个假设在医学与社会科学里通常是假的，而且假得很系统。

【细微】一个具体的结构性相关：多中心大样本试验评估的往往是标准化、低强度、真实世界实施的干预；单中心小样本试验评估的往往是研究者主导、高强度、依从性被严格监控的干预。样本量不是随机分配的，它和「干预强度」共变，而干预强度直接进真效应。于是 δ 与 SE 天然正相关。这不是偏倚，这是【设计生态】。

【显式】草稿纸算一遍：设 20 项研究，SE 从 0.05 到 0.4，真效应完全由 SE 决定，δ = 0.1 + 0.5·SE。零发表偏倚，零 p-hacking，零数据造假。Egger 回归（效应/SE 对 1/SE 的 WLS）的斜率标准误约 0.02，t ≈ 22。一个完全干净的文献，Egger 检验以接近 1 的功效「检出偏倚」。这就是为什么 Sterne 2011 反复强调：不对称是【起点】，不是【结论】。

【极难发现】真正的盲点不在诊断端，在校正端。Trim-and-fill（Duval & Tweedie 2000）、PET-PEESE（Stanley & Doucouliagos 2014）、3PSM 的共同假设是【真效应同质】——只有在这个假设下，「小样本研究系统性偏离」才能被归因为选择。Carter 等 2019（AMPPS 2:115-144）的系统模拟显示：存在异质性时这些方法会过度校正，点估计被推离真值，符号翻转不是罕见事件；Moreno 等 2009（BMC Med Res Methodol 9:2）对回归类校正方法给出类似结论。也就是说，你在异质性下「修正」得越用力，离真值越远——而报告里会写着「已校正发表偏倚」。

【流程节点链路】观察到的漏斗图不对称 → Egger 回归拒绝零假设 → 合法结论：存在小样本效应 → 【非法跃迁】把小样本效应等同于发表偏倚（未排除真实异质性与精度-效应的结构性相关）→ 选择 PET-PEESE / Trim-and-fill / 3PSM 做校正 → 校正量在异质性下被系统性放大 → 合并效应点估计偏移，极端情形符号翻转 → 终态：校正后的估计比未校正的估计更远离真值。

【显式】可检验的预言：若小样本效应来自发表偏倚，预注册的大型重复研究应落在漏斗图小样本簇的均值附近（即偏倚校正后的位置）；若来自异质性，它们应落在漏斗图高精度一端的预测区间内，且与小样本簇的差异能被一个事先指定的调节变量（干预强度、实施保真度）解释。这个检验做得出来，区分力也不低。

【待验证点】「偏倚-异质性联合敏感性分析」是否已成为某些领域的默认报告项？我的印象是只有零散尝试（Copas 选择模型的异质性扩展、bias-adjusted multivariate meta-regression），远未标准化。

所以我的问题是：既然「校正后的合并效应」在异质性下是一个有偏、方向不定的估计量，我们是否该把它从证据金字塔里降级，改为强制报告一张【偏倚-异质性敏感性曲面】——横轴选择强度、纵轴 τ²、颜色是合并效应的符号——而不是一个带星号的点估计？