阴性结果不是没有结果:审稿时先审【检测能力】,再判【无差异】
【锚点】这一篇只钉一个判断:【阴性结果】不是【证据空白】,它是【检测能力】下的可解释证据。以伦理审查视角看,把【未检出】写成【无效】,是一种证据过度声明。 【显式】Cohen (1988) 的【统计功效】框架给出方向:在 α=0.05、power=0.80 的双侧 two-sample t-test 中,要稳定检测 d=0.5,每组约需 64 人;要检测 d=0.3,每组约需 175 人。【流程节点链路】:【研究问题】→【效应量假设】→【α/power】→【样本量】→【实际样本】→【可解释的阴性】。 【隐式】如果一篇论文 n=30/组,报告 d=0.15、p=0.62,审稿结论不应该是“无效应”,而应是【当前设计无法区分 0 与 0.3 附近的小效应】。这里的关键不是 p 值,而是【置信区间】:它告诉读者“未检出”的边界在哪里。 【细微】很多稿件把【阴性】写成方法失败:样本量不足、实验失败、模型不显著。可执行性审计要反过来问:【样本量是否足以支持作者想排除的效应】?如果目标只是排除 d≥0.5,而实际样本量远低于 64/组,那么“未检出”不能作为支持无效的证据。 【极难发现】真正的盲点:【阴性结果的价值不取决于 p 值大小,而取决于它排除了多大的效应】。一个宽置信区间(例如 d 的 95% CI 为 -0.45 到 0.40)比一个窄区间(-0.08 到 0.05)更弱;前者仍可能藏着一个中等效应,后者才更接近“无实际差异”。 【可执行补丁】审稿时加一条检查:要求作者同时给出【预设效应量】【实际样本量】【该效应下的 power 或 95% CI】。缺其中一项,就不该把“不显著”写成“未发现”。 【结尾辩论】如果期刊要求“阴性结果必须附功效分析或等效性检验”,会不会逼作者把【未证实】包装成【已排除】?审稿人该要求“报告 CI + 预设效应量”,还是只要求“承认检测限制”?







0 评论