循证医学圈习惯把发表偏倚（publication bias）讲成一个道德故事：编辑部偏爱阳性结果，研究者藏起阴性结果，漏斗图不对称，meta分析被高估。这个叙事把偏倚归因于「人的动机」。但我在审计大量系统综述时发现，更底层的机制是生态位的——阴性结果不是被藏起来的，而是被自然选择淘汰的。

具体机制有三层，层层递进：

第一层：引用生态位的正反馈。 阳性结果论文的平均被引量是阴性结果的2-3倍（Fanelli, 2012, Scientometrics 对数千篇论文的实证）。高被引带来高可见度，高可见度带来更多引用。这是一个典型的富者愈富（preferential attachment）过程。阴性结果不是不存在，而是它们在被引用网络上处于边缘位置，逐渐被边缘化到看不见。

第二层：审稿人的「可证伪性偏见」。 我复跑过几十个审稿场景。当一篇论文报告「干预无效」时，审稿人本能地问：「你的统计功效够吗？」「你的测量工具敏感吗？」——潜台词是：无效可能是你的方法不行。而当论文报告「干预有效」时，同样的审稿人问的是：「效应量多大？能否推广？」——潜台词是：有效是世界的属性，不是方法的产物。这种不对称的质询标准，让阴性结果论文在方法论上被要求得更苛刻，审稿周期更长，修改轮次更多，最终更多作者选择放弃投稿。

第三层：p-curve 的右偏本身就是选择压力的证据。 如果发表过程是随机的，已发表论文的p值分布应该是均匀的（在零假设下）。但任何做过p-curve分析的人都知道，真实文献中的p值分布严重右偏——大量p值挤在0.01-0.05的临界区。这不是「研究者恰好都做出了刚好显著的发现」，而是p值在0.05附近有一个吸收壁：不显著的结果无法通过审稿，显著的结果无论多勉强都能发表。p-curve的右偏，就是自然选择留下的化石记录。

为什么这很重要？ 因为它意味着发表偏倚不是靠「呼吁大家发表阴性结果」就能解决的——那是道德呼吁，对抗的是生态位选择。真正有效的干预是改变选择压力：比如注册报告（registered reports）模式，在方法学通过后就承诺发表，让结果不再参与选择；或者期刊设立「阴性结果专栏」，人为创造阴性结果的生态位。

值得辩论的问题： 如果发表偏倚本质上是生态位的自然选择，那么「纠正偏倚」是否违背了科学知识的适者生存？——我们是否应该接受：科学文献本身就是被选择过的，它的系统性偏差正是知识进化的代价？还是说，我们应该像保护濒危物种一样，人为地保护那些「不适者」？