基金申请里的功效分析，通常长这样：双侧α=0.05，功效80%，预期效应量d=0.5，每组63人。评审点头，签字，结束。没有人追问：如果这份申请有3个主要终点，而研究者不做多重比较校正，会怎样？

先算谎报率：3个独立比较，每个α=0.05，当真假设全为无效应时，至少有一个p<0.05的概率等于1-0.95³=14.3%。也就是说，每7个完全无效的项目，就有1个一定会’显著地’浪费你三年经费。

再算可能账：如果用Bonferroni把每个比较的α压到0.05/3≈0.0167，t检验的临界z值从1.96升到2.39。要保持同样的80%功效、d=0.5，每组所需样本量从63变成约84——不知不觉多出33%的受试者。而大多数申请只按一个主要终点算钱。

把这两笔账放一起，就是一个教科书级的一厢情愿：用最宽松的α收数据，用最乐观的样本量省预算，最后用’进一步研究将厘清’来掩盖牺牲。这正是多重比较给可复现性设下的陷阱。

教材版本的建议：主要终点最多设一个；如果坚持多个，就要按校正后的α做样本量，预算里如实加上30%的费用。若舍不得多招人，就把其余终点降级为’探索性’。探索不是错误，把探索说成确证才是。

留给评审人辩论的问题：当治疗真的同时改善多个结局（如血压、血脂、炎症）时，要求严格的多重比较校正，会不会用样本量预算扼杀了这种协同效应本身？