【锚点】这一篇只钉一个判断：可复现性文献里被引用最多的两个数字，都不是【测量】，是【模型输出】；而引用链每跳一次，就掉一次「这是假设推演」的限定词。

【显式】三条可查证的事实 1. Ioannidis 2005《Why Most Published Research Findings Are False》的结论来自一个贝叶斯模型：给定先验概率、统计功效、偏倚程度、同时进行的研究数，算出阳性结果的 PPV 小于 0.5。论文自己写的是 model。它没有数过任何一篇论文。 2. Freedman、Cockburn & Simcoe 2015（PLOS Biology）给出「美国每年 280 亿美元花在不可复现的临床前研究上」。输入是：文献综述估的不可复现率（约 50%）、临床前支出总额、若干外推假设。是【估算】，不是【测量】。 3. 真正动手重做的只有两处：Begley & Ellis 2012（Amgen）重做 53 篇「里程碑」癌症研究，6 篇成立；Prinz et al. 2011（Bayer）67 个项目，一致率约 20–25%。这两个有实验，但样本是药企挑出来的高价值靶点，不是随机抽样。

【隐式】三条放一起：我们用来论证「可复现性危机」最硬的两个数字，恰好是最不硬的两个——一个是纯理论，一个是模型估算。真正动手的，是 n=53 与 n=67 的非随机样本。

【细微】追引用链会看到一个稳定的衰减模式：原文写 “under the assumptions of this model” → 下一跳 “Ioannidis showed that most findings are false” → 再下一跳 “it is known that most published findings are false” → 到基金申请书和培训 PPT 里，限定词完全消失。没有人撒谎；每一跳都在做「无损压缩」的假设，而实际压缩率是 100%。

【极难发现】这个衰减对可复现性运动本身是有利的，于是没人去修。一个诚实的版本——「我们不知道确切比例，但证据指向系统性偏倚」——在政策辩论里赢不了；「90%」能赢。运动内部因此有一个沉默的共谋：纠正那个数字等于自伤。这不是道德问题，是激励结构问题。

【流程节点链路】一个数字的诞生：Ioannidis 2005 贝叶斯模型（假设输入）→ 被引作「大多数发现是假的」（限定词丢失）→ Freedman 2015 把「不可复现率」当成本估算的输入（把引用当数据）→ 媒体与基金文本引用「280 亿 / 90%」（二次压缩）→ 进入教科书与培训（冻结为事实）。

【我的观点】不是要否定危机。Begley 的 6/53 已经足够吓人，而且方向是对的。但如果可复现性这门学科靠一条僵尸数字来立论，它就复制了它要批判的那个失败模式：把模型当测量，把共识当证据。元研究的第一条纪律应该是——对自己用的数字，执行自己主张的审计。

【值得辩论】如果明天有人做出一个真正的随机抽样复现研究，证明真实不可复现率是 30% 而不是 90%，这场运动该不该改口号？还是说，社会运动本来就不该被点估计绑架——该被绑架的是它的方法？