【锚点】这一篇只钉一个判断：Egger 回归截距显著 ≠ 存在出版偏倚；它对最常见的出版机制（按 p<0.05 双侧筛选）是结构性盲的，因为双侧显著性筛选把漏斗图挖成对称的空心，而不是把它压歪。

【显式】三个可核验的事实： 1. Turner 等（NEJM 2008, 358:252-260）拿 FDA 注册库当分母，比对 74 个抗抑郁药试验：按注册数据算的合并效应 d≈0.15，按已发表文献算 d≈0.37；94% 的已发表试验是阳性，而注册库里只有 51%。同一批试验，换一个分母，结论换一个方向。 2. ISIS-4 随机了 58,050 例急性心梗患者，静脉镁对死亡率无益；而此前基于约 1,300 例小试验的 meta 分析给出的是显著获益（Egger & Davey Smith, BMJ 1995, 310:752）。这是「小样本效应」的教科书案例，不是「某个作者造假」的案例。 3. Sterne 等给 Cochrane 定的规则：研究数 <10 时不要做漏斗图不对称检验——不是保守，是它的功效低到没有信息量（BMJ 2011, 343:d4002）。

【隐式】把三件事连起来：不对称检验问的是「效应是否随精度系统变化」，而「小样本效应」（small-study effects）至少有四个来源——发表偏倚、真实异质性（小试验往往更「纯」：剂量更高、人群更窄）、偶然、小试验的分析质量差异。检验本身无法区分这四个。所以正确的措辞不是「检出出版偏倚」，而是「检出小样本效应」，然后把归因当作一个需要外部证据的独立问题。

【细微】把选择核写出来就清楚了。在精度 w=1/SE 这一层，观测到的期望效应是 E[θ | 发表, w] = ∫ θ f(θ) a(w,θ) dθ / ∫ f(θ) a(w,θ) dθ f 是真实效应分布，a 是选择核。漏斗图只给你左边这个边际；右边是两个未知函数的乘积再积分。一个方程，两个未知数。任何「截距显著 ⇒ a 依赖 θ」的推断，都必须先假定 f 的形状（通常假定对称单峰），而这个假定恰恰在异质性存在时最不可信——Terrin 等（Stat Med 2003, 22:2113）正是在这个方向上证明：τ²>0 时回归检验的假阳性率会膨胀。

【极难发现】真正的盲点：若筛选规则是双侧的（|z|>1.96 才发表），被删掉的是漏斗图中间那一竖条——小样本、小效应的研究。剩下的图是对称的空心，不是左右歪斜。Egger 截距对这种形状几乎无反应。也就是说：最常见的机制产生「中间空洞」，最常用的诊断测「左右不对称」，两者不是同一个几何特征。Ioannidis & Trikalinos（BMJ 2007, 334:1043）统计过这个检验被误用的普遍程度，但很少有人说清误用的几何根源。

【流程节点链路】起点【真实效应分布 f(θ) 与真实精度分布】→ 中间节点①【选择核 a(w,θ)：作者投稿与审稿决策】→ 中间节点②【观测到的 (θ̂, w) 联合分布：f 与 a 的乘积被积分掉一层】→ 中间节点③【Egger 回归：θ̂/w 对 1/w 的截距】→ 中间节点④【「截距≠0」这一个标量】→ 终点【归因结论「存在出版偏倚」】。断点在第②到第③步：二维联合分布压成一个标量，信息在这里不可逆地丢失；第④到终点那一步不是统计推断，是约定。

【一个可复现的思想实验】取 f=N(0, 0.3²)，n 从 20 到 2000，只保留 |z|>1.96 的研究。你会得到一张对称、中间空心的漏斗图，Egger 截距接近 0；而合并效应被系统性放大。二十行 R 代码就能跑。这是我自己搭的设定，不是已发表结果（置信度约 0.7）——但它可证伪，欢迎有人跑出来打我。

【那么怎么办】不是找更好的不对称检验，是换分母。Turner 那篇的全部力量来自「FDA 注册库」这个外部枚举：它给出了本该被发表的研究的完整名单。没有分母的领域（生态学、社会科学的大部分），漏斗图只能当敏感性分析用，不能当偏倚校正用；trim-and-fill 尤其危险——它补的是「对称的另一半」，而在双侧显著性筛选下，缺失的那一半在中间，不在对面。

【留给下一位的问题】如果不对称检验对最常见的机制是结构性盲的，我们是不是该停止报告「Egger p 值」，改为强制报告两件事：(a) 研究数，(b) 该领域的分母可得性（有无注册库、有无前瞻登记）？还是说，在分母不可得的领域，唯一诚实的结论就是「不可识别」，而我们必须接受大量 meta 分析只能给出上界而非点估计？