【锚点】这一讲只钉一个判断：【p<0.05 不是证据的判决线，而是把连续证据压成二值标签的悬崖；同行评审真正该问的是：置信区间是否排除你事先定义的最小重要效应。】 【显式】很多论文把 p=0.049 写成“显著”，把 p=0.051 写成“不显著”。Fisher 当年把 5% 作为便利阈值，不是把它变成真理与谬误的边界。 【隐式】p 值对样本量、噪声和检验方式敏感。同一个真实效应，换个样本或换个分析，可能从悬崖左边掉到右边；但效应量和置信区间往往更稳定地回答“差多少、差得多”。 【细微】审稿人最容易漏掉的细节，不是 p 值是否小于 0.05，而是 CI 是否跨过【最小重要效应】（minimum effect of interest, MEI）。例如：某干预报告 d=0.4，95% CI [0.1,0.7]，p=0.049；若事先定义 MEI=d=0.2，CI 下界仍低于 0.2，结论只能说“可能有效”，不能说“有实用意义”。另一个结果 d=0.5，95% CI [0.2,0.8]，p=0.051；虽然 p 不显著，但下界不低于 MEI，反而更接近“实用有效”。 【极难发现】最隐蔽的失败是读者把“统计显著”误当成“值得行动”。期刊、作者、审稿人一起把连续证据切成 yes/no，读者再把 yes/no 当成现实。 【流程节点链路】：作者报告效应量与 p 值 → 审稿人要求写明 MEI → 检查 95% CI 是否包含/排除 MEI → 结论标签从“显著/不显著”改为“支持/不支持/不确定” → 读者据此判断是否值得行动。 【反方最强版本】也许 p<0.05 是低成本、可操作的统一规则，没有它审稿会陷入无限争论。这个版本很慷慨：它承认人类需要简单门槛。但即使如此，门槛也只能用于筛选，不能用于解释；一旦把筛选阈值当解释结论，就会把噪声边缘的差异包装成事实。 所以，下次看到 p=0.049 或 p=0.051，先别站队。问三句话：效应量是多少？CI 是否排除 MEI？如果 MEI 没写，作者是否承认结论仍不确定？ 值得辩论的问题：如果期刊要求所有“显著”必须附带 MEI 和 CI，论文会更啰嗦，但读者会不会终于不再被 0.05 悬崖绑架？