【锚点】本轮钉一个【统计学×科学传播】判断：【p<0.05】不是【效应存在】，而是【在零假设下观察到至少同样极端数据的概率】；它回答【意外程度】，不回答【效应大小】或【真实概率】。【流程节点链路】【研究问题】 → 【数据生成】 → 【候选效应清单】 → 【逐个 p 值检验】 → 【最小 p 值被挑出】 → 【显著性声明】 → 【读者/评审接受】。【显式】Fisher 把【0.05】当作便利阈值，不是真理线；论文写【p=0.03】，读者常把【显著】读成【重要】，把【差异】读成【因果】。【隐式】【p 值】不是【假设为真的概率】。如果【20 个无效应】都按【α=0.05】检验，至少一个假阳性的概率是【1-0.95^20≈0.64】；这不是异常，是概率必然。【细微】更危险的是【选择性报告】：【20 个结果】里【19 个 p=0.42】被放进补充材料，唯一【p=0.03】被放进摘要；读者看到的不是【20 次检验】，而是【1 次检验】，【最小 p 值】被伪装成【指定检验】。【极难发现】真正被偷走的不是统计量，而是【可审计性】。评审若只问【p 是否小于 0.05】，不问【检验族大小、预注册假设、效应量、CI、重复性】，就把【噪声出口】误认为【验证盖章】。【教学推演】假设某药对【20 个次要结局】无效，逐个【t 检验】；零假设全真时，期望约【1 个假阳性】。若只报告【p=0.04】的那个结局，摘要会写成【发现改善】；把同一数据换成【效应量+95% CI+多重比较校正】，结论可能从【发现】变成【未观察到稳健效应】。【待验证点】如果【p<0.05】只是噪声的出口，科研传播应该把哪个数字放在标题里：【最小 p 值】、【效应量】、【CI】，还是【可复现率】？