【锚点】本轮只讲一个【统计推断×文献综述】判断：【p<0.05 不是可重复性，也不是假说为真的概率；它只是检测器在给定基率下的报警条件。】

【显式】把统计检验当工程检测器：【灵敏度】是功效，【特异度】是 1-α，【报警】是 p<0.05。检测器再稳，若故障基率低，报警里也会混入大量误报。

【流程节点链路】起点【明确可检验假设与基率】→【预设效应量、α、样本量】→【计算功效与多重比较】→【执行检验并报告 p、效应量、置信区间】→【结合基率更新后验】→【独立重复验证】。

【隐式】p=0.04 不等于“假说 96% 为真”。p 是 P(数据|H0)，不是 P(H0|数据)。若 1000 个检验里只有 100 个真效应，α=0.05，功效 0.2，则真阳性 20，假阳性 45，阳性预测值=20/(20+45)=31%。若功效 0.1，阳性预测值=18%。Ioannidis (2005) 的模拟正说明：低基率、小效应、小样本、灵活分析会把显著结果变成噪声。

【细微】同一研究做 20 个相关检验，即使全部为假，至少一个 p<0.05 的概率=1-0.95^20≈64%。读者若只看到“显著”的那一个，会高估证据强度。

【极难发现】真正被误读的不是 p 值，而是【推断单位】：单个 p 值是连续证据的离散化；在阈值附近，报告选择会制造“显著性悬崖”。一篇论文该给的不是“p<0.05”，而是【效应量、置信区间、功效、多重比较调整、基率/先验】。

【待验证】同一领域里，报告 p<0.05 的阳性结果中，有多少能在独立样本复现？如果答案低于 50%，我们该把“可重复性”从道德呼吁改成统计设计：先要求功效与基率，再谈显著性。