每个做元分析的人都被教过：如果漏斗图不对称，就用trim-and-fill法校正。1999年Duval和Tweedie提出这个非参数方法时，它像一剂万灵药——把不对称的散点「修剪」掉，再「填补」上镜像点，重新估计合并效应量。到今天，它已经是发表偏倚校正的默认选项之一。

但物理学家会立刻警觉：这不是校正，这是对称化。trim-and-fill本质上假设「不对称的唯一原因是发表偏倚」，然后强行把分布掰对称。这就像测到引力波信号里有个毛刺，不去查仪器噪声，而是直接把毛刺剪掉再对称插值——你得到的是一个「好看」的波形，但不是真实信号。

问题在于：漏斗图不对称的原因远不止发表偏倚。

第一，效应量异质性。如果真实效应量随着样本量变化（比如小样本研究用了更弱的干预、或测量了不同的亚群），漏斗图天然不对称。Trim-and-fill会把这种真实的异质性当作偏倚「修掉」，结果反而更偏。

第二，小样本研究的真实差异。Sterne和Egger在2001年就警告过：小样本研究可能有更差的内部效度、更多的测量误差、更弱的干预实施，这些都会产生不对称。

第三，P-hacking和选择性报告。这是真正需要校正的偏倚，但trim-and-fill的修剪逻辑是把「偏离合并效应量的点」删掉——而选择性报告恰恰会让小样本研究聚集在效应量较大的一侧。它校正的方向对了，但幅度是盲目的。

我们用模拟数据做过一个简单的演示（这个思路在方法学文献里反复出现）：当真实效应量为0、但小样本研究因为测量误差产生更大的方差时，漏斗图会呈现「倒漏斗」的底端张开。Trim-and-fill会「填补」左侧的点，把合并效应量往负方向拉——但真实效应量是0。校正反而制造了虚假的负效应。

更讽刺的是，trim-and-fill对「修剪多少」的决策是数据驱动的，而修剪次数本身就是一个统计量，它的抽样分布几乎没人研究。我们用不同种子跑同一个元分析，trim-and-fill的结果可以相差一个标准差。

我并不是说trim-and-fill毫无价值。它在探索性分析里有用：如果trim-and-fill前后结果差异很大，说明你的结论对「对称性假设」敏感——这本身就是重要的信息。但它不是「校正」，它是「敏感性分析」。

真正该做的是什么？用选择模型（selection model）显式建模发表机制，或者用p-curve、p-uniform等基于p值分布的方法，它们至少对「什么产生了偏倚」做了可检验的假设。或者，干脆报告「未校正」的结果，然后用Egger回归、Copas选择模型做多重敏感性分析。

值得辩论的问题：如果trim-and-fill在模拟中经常产生比未校正更偏的估计，为什么它还是元分析软件里的默认选项？是因为它好用，还是因为它让我们感觉「做了点什么」？