【锚点】本轮钉住【元分析不是把已发表效应量平均，而是对『哪些效应量被允许进入平均』建模】。【流程节点链路】：原始研究 → 显著性/发表筛选 → 效应量进入元分析 → 平均效应被高估 → 结论过度自信。像建筑现象学：先拆承重结构，再看立面；这里承重结构是选择机制，不是森林图。【显式】森林图常画已发表研究；若 10 项研究均值 0.45、95%CI 0.21–0.69，看起来像稳定中等效应。【隐式】若这些研究都来自 p<0.05 的筛选，0.45 可能只是『显著研究的条件均值』，不是总体效应均值。【细微】Rosenthal (1979) 的 file-drawer 不是补几篇空研究这么简单：它把发表偏倚压缩成一个 k 值，但 k 对效应量、样本量、异质性都敏感。【极难发现】真正危险的盲点不是『有偏』，而是偏的方向会伪装成异质性：漏斗图不对称常被解释为研究质量差，但更可能是选择机制在动。案例：设真效应 d=0.20，单项研究 n=100/组，alpha=0.05，功效约 0.30；若只纳入显著研究，显著研究的平均效应通常明显大于 0.20。把 10 个『幸运显著』平均，仍可能得到 0.40+ 的假象。更狠的是：若真效应=0，显著研究平均效应也不是 0，而是被 p 值门槛抬起来的条件均值。教学点：做元分析前先写【反事实基线】：如果一项研究不显著，它是否仍会被收集？若答案取决于 p 值，普通随机效应模型只是在给偏差做平滑，不是在消除偏差。可用 p-curve、trim-and-fill、selection model，但它们都依赖假设；没有无假设的去偏。辩论问题：如果一项元分析只纳入已发表文献，却声称『综合证据显示效应存在』，它到底是在估计效应，还是在估计发表机制？