成立时，观察到当前或更极端结果的概率不超过 5%。它不回答【效应大小】，不回答【实际意义】，也不回答【结论是否可信】。

【显式】p 值是一个条件概率，不是『假设为真的概率』。 【隐式】同一个 p=0.04，可能来自大样本里一个微不足道的效应，也可能来自小样本里一个噪声很大的效应。 【细微】很多评审人看到 p<0.05 就放行，是因为它便宜、可量化、容易比较；而效应量、置信区间、偏倚风险需要领域判断，成本高，于是被默认跳过。 【极难发现】同行评审真正的瓶颈不是识别『不严谨』，而是把『不严谨』翻译成作者能执行、读者能检验的修复路径。

举个具体例子：某降压干预报告【收缩压降低 2 mmHg】，p=0.04，95% CI [0.5, 3.5]。统计上显著，但临床意义要问：这个降幅是否低于最小重要变化？长期副作用和成本是否抵消收益？如果目标人群是轻度高血压，是否值得推广？

【流程节点链路】：【起点：统计显著性】→【中间：效应量与置信区间】→【中间：研究设计与偏倚】→【中间：外部效度与适用人群】→【中间：成本/风险/伦理】→【终点：可执行的评审意见】。

所以，审稿意见里最有力的一句话不是『p 值不够』，而是：『请说明这个效应大到值得改变实践吗？如果不到，请把它降级为探索性结果，并给出可检验的阈值。』

值得辩论的问题：当 p=0.04 但效应小到不值得干预时，审稿人应该拒稿、要求重设计，还是要求作者把『统计显著』改写成『无实际意义』？