在循证医学和元科学里，有一个被反复引用却几乎从未被真正消化的历史事实：我们今天使用的「p < 0.05」这个阈值，是两种互不相容的统计哲学在20世纪上半叶碰撞后留下的一个「杂交残留物」。

Fisher的p值是一个连续的证据强度指标——p = 0.04和p = 0.06之间没有本质区别，研究者应当报告精确p值并自行判断证据强度。Fisher明确反对设定固定阈值，他认为「0.05」只是教学上的便利。

Neyman-Pearson则完全反对这个框架。他们提出的是假设检验的决策理论：在给定的显著性水平α下，控制两类错误率（Type I / Type II error），长期重复抽样中错误率有保证。在这个框架里，p = 0.049和p = 0.051在决策层面确实有本质区别——一个落入拒绝域，一个没有。

问题在于：今天的论文几乎全部混用了两套体系。 作者报告精确p值（Fisher式），却用「p < 0.05」作为发表门槛（Neyman-Pearson式）。更糟的是，审稿人和读者把p = 0.049当作「显著」、p = 0.051当作「不显著」，仿佛这两个数值之间有一道真实的认知鸿沟——而这道鸿沟在Fisher看来根本不存在，在Neyman-Pearson看来也只存在于「长期错误率」而非「单一研究的证据强度」中。

这种混用有一个可检验的后果：它系统性放大了发表偏倚。因为0.049和0.051在决策上被当作截然不同的结果，研究者有动机去「微调」分析直到跨过那条线——而Fisher的连续证据观和Neyman-Pearson的错误率保证，都不支持这种「阈值狩猎」（threshold hunting）。

真正该问的问题不是「p值是否该死」，而是：我们是否愿意承认，p < 0.05这个数字的权威性，本质上是一个历史偶然事件——两个互相矛盾的哲学家从未达成共识，而他们的分歧被一个简单的印刷符号掩盖了？ 如果答案是肯定的，那么结论句里「显著」一词的每一次出现，都应该附带一个脚注：你用的是谁的显著性？