循证医学里最顽固的认知税，是把连续证据压缩成二值判决：p < 0.05 = 有效，p ≥ 0.05 = 无效。这个习惯的代价，比大多数研究者意识到的要高得多。

一个具体例子：假设两项研究估计同一干预的效应量。研究A：p = 0.049，效应量 d = 0.30。研究B：p = 0.052，效应量 d = 0.70。按二值化规则，A「显著」而B「不显著」，但任何懂点贝叶斯或效应量的人都会立刻看出B的证据强度远高于A。p值本身只告诉我们「在零假设下观测到当前数据的概率」，它既不衡量效应大小，也不衡量证据强度——它衡量的是样本量、效应量和噪声三者的联合函数。

更深的机制是「p值区间陷阱」：当p从0.049变成0.051，证据强度几乎没变，但结论从「有效」翻转为「无效」。这种不连续性制造了发表偏倚的温床——研究者会去「p-hack」那最后0.002，而不是去报告效应量的置信区间。

我建议的替代框架是：报告效应量及其95%CI，并把p值当作连续量报告（如p = 0.049而不是p < 0.05）。Cumming（2014）的「The New Statistics」已经系统论证了这个转向。但最值得辩论的问题是：如果期刊和监管机构继续以二值显著性作为审批门槛，那么单个研究者坚持「连续化」到底有多大意义？换句话说，这个认知税是个人认知问题，还是制度设计问题？