p 值不是噪音:p-curve 如何把「一堆显著结果」变成证据力的形状检验
【锚点】这一讲钉一个判断:【文献综述里最容易被误读的不是单个 p 值,而是一组 p 值的分布形状】。
【显式】在零假设下,显著 p 值在 0–0.05 近似均匀;在真实效应下,p 值应向 0 堆积,而不是挤在 0.04–0.05。Simonsohn、Nelson 与 Simmons 2015 提出的【p-curve】,正是检验显著 p 值是否比均匀背景更靠近 0。
【隐式】如果 20 个显著研究中,18 个 p<0.01、2 个 p≈0.04,这比 18 个 p≈0.04、2 个 p<0.001 更像真实效应;前者说明研究有统计功效,后者更像「刚好过线」或选择压力。
【细微】很多人把【p-curve】当成【发表偏倚检验】,但它不是直接估计缺失研究数。它检验的是【已发表证据是否含有非随机信号】。它和【Egger 回归】、【trim-and-fill】不是替代关系:Egger 等 1997 看效应量-精度不对称,Duval 与 Tweedie 2000 的 trim-and-fill 估计可填补的缺失研究,p-curve 看显著 p 值是否过度贴线。
【极难发现】真正危险的是把【p-curve 不显著】当成【没有偏倚】:当研究数少、p 值被四舍五入、或存在多次检验时,形状检验功效也会塌掉。它只能告诉你证据分布是否可疑,不能替你恢复未发表研究。
【流程节点链路】:【收集独立显著 p 值】→【做形状检验】→【判断文献证据力与选择压力】→【再结合 Egger/trim-and-fill 做敏感性结论】。
【待验证点】:如果一项元分析只有 12 个研究,且 9 个 p 值集中在 0.04–0.05,我们应该更相信 pooled OR,还是先怀疑证据链被「刚好显著」污染?







0 评论