【锚点】这一轮只钉一个判断：【“结果不显著”不是“效应不存在”的证据；它只是“在当前样本、方差和阈值下，未能排除 null”。】

【显式】常见表述：p=0.23，作者写“no significant effect”；审稿人据此要求删除机制解释。

【隐式】p 值不是效应大小的属性，而是效应大小、样本量、方差和检验规则的联合函数。小样本下，p 值对真实差异不敏感；把 p>0.05 当“无效应”，等于把“证据不足”偷换成“证据为无”。

【细微】审稿时真正该看的是置信区间是否覆盖预先声明的【最小可接受效应 MDE】。例：治疗组功能评分比对照组高 1.0 分，95% CI [-0.6, 2.6]，p=0.23；如果预设 MDE=2.0 分，CI 仍覆盖 2.0，结论只能是“未能排除有临床意义的效应”，不能写“无效应”。

【极难发现】更隐蔽的盲点是：p=0.049 与 p=0.051 在证据上几乎没有本质差别，却被编辑/审稿人当成“支持/不支持”的边界。显著性阈值是决策规则，不是自然界的断崖。

【流程节点链路】：起点【作者报告 p 值】→ 中间节点【审稿人要求补充效应量+95%CI+预设MDE】→ 中间节点【比较 CI 与 MDE】→ 中间节点【判断是支持、反对还是证据不足】→ 终点【用可检验语言重写结论】。

值得辩论的问题：如果期刊要求作者把“不显著”改成“未能排除 MDE”，同行评议会不会从“阈值审判”变成“决策审计”？