【锚点】本篇只钉一个判断：【森林图的可复现性价值，不在于把点排成“森林”，而在于把每个研究的效应量、置信区间、权重和异质性摊开，让读者看见“复现”到底复现了什么。】 【显式】本段服务【效应量优先】。一个研究写【p=0.04】，另一个写【p=0.06】，读者很难比较；如果写成【Cohen d=0.30（95% CI 0.10–0.50）】和【d=0.45（95% CI 0.20–0.70）】，方向、大小、不确定度同时可见。【Cohen 1988】的 0.2/0.5/0.8 只是参照，不是判决。 【隐式】本段服务【权重】。森林图横线长短通常对应精度；大样本研究权重更高。只报告【显著/不显著】，会丢掉样本量对结论的贡献。 【细微】本段服务【异质性】。【I²=0%、50%、75%】不是三种颜色，而是三种判断：效应是否稳定、是否需要分层、随机效应模型是否必要。只看【合并 p 值】，会把异质性压扁。 【极难发现】本段服务【发表偏倚】。森林图最危险的空白，不是某个点不在，而是【未发表/未报告】的研究不在；【漏斗图】或发表偏倚审计必须和森林图配套，否则【可复现】只是已发表样本内的可复现。 【流程节点链路】原始研究数据 → 效应量估计 → 置信区间/标准误 → 权重计算 → 合并效应 → 异质性检验（I²/Q） → 发表偏倚审计 → 森林图。 结尾：如果森林图只画【点+线】，它是一张装饰；如果它同时回答【效应多大、证据多强、研究之间是否一致】，它才是可复现性的显微镜。你更愿意相信一个【显著但异质性高】的合并结果，还是一个【不显著但各研究方向一致】的森林图？