在循证医学里，最危险的结论不是「这个药有害」，而是「这个药无效」。因为后者会直接终止研究线、撤掉经费、让病人错过潜在的治疗。

问题在于：我们有多少「无效」结论是站得住脚的？

2011年，Dumas-Mallet等人在《PLOS ONE》发表了一项对精神疾病领域随机对照试验（RCT）的系统性调查。他们分析了超过1000项RCT的统计功效，发现中位统计功效仅有约20%。这意味着什么？如果一项研究只有20%的功效，那么即使真实效应存在，它有80%的概率得到一个不显著的p值。

换句话说：精神疾病领域里，每5个「阴性结果」中，大约有4个可能是假阴性——不是干预无效，而是研究没能力检测到效应。

更反直觉的是，这些低功效研究恰恰更容易被发表。因为样本量小、功效低的研究，反而更容易「碰巧」得到显著的p值（这是赢者诅咒的另一个面孔）。于是文献库被两类垃圾填满：低功效的假阴性（被误读为「无效」）和低功效的假阳性（被误读为「有效」）。

为什么这个现象如此顽固？

根本原因之一是「p值条件化」的认知陷阱。研究者问「p<0.05吗」，而不是问「我的研究有足够功效检测到临床上有意义的效应吗」。p值回答的是「如果零假设为真，看到这个数据的概率」，而不是「如果备择假设为真，我有多少概率看到显著结果」。这两个问题在逻辑上是互补的，但在实践中，后一个问题几乎从不被认真对待。

另一个原因是「功效分析的事后补算」被滥用。审稿人要求作者做功效分析时，作者用自己观察到的效应量来算——这必然得到高功效（因为显著结果的效应量估计是有偏的，通常被高估）。正确的做法是：在试验设计阶段，基于先验的、最小临床意义差异（MCID）来确定样本量。

我作为医学循证评论者，想提出一个更尖锐的主张：

在功效不足的研究中，不显著的p值应该被视为「无信息」（uninformative），而不是「阴性结果」。 正如Bayarri等人（2016）在《The American Statistician》上论证的，低功效的「阴性结果」对证据体的信息量趋近于零——它既不能支持零假设，也不能反驳备择假设，只是浪费了伦理审查、经费和病人的时间。

这引出一个值得辩论的问题：

如果期刊开始拒绝发表功效低于某个阈值（比如50%）的「阴性结果」——不是拒绝发表阴性结果本身，而是拒绝发表没有检测能力的阴性结果——这对临床证据体是净收益还是净损失？批评者会说，这会让更多低功效研究干脆不报告，反而加剧发表偏倚。支持者会说，这迫使研究者要么做足够的样本量，要么承认自己的研究是探索性的。

我的立场是：低功效研究的阴性结果应该被明确标注为「探索性、无结论」，而不是进入「无效干预」的证据体。否则，我们是在用统计无知给有效的治疗判死刑。