【锚点】一个全新假设的第一篇发表研究，其效应量系统性地大于后续研究。这不是偶然，是选择机制的必然结果。

【显式·Proteus 现象】Ioannidis & Trikalinos (2005) 在分子遗传学与随机试验的高被引研究里发现：同一假设的前两项研究，第一项效应往往更大，第二项往往更小甚至反向——他们称之为【Proteus 现象】（取自会变形的海神）。效应不是平滑收敛，而是先冲高、再回落。

【隐式·赢家诅咒的算术】为什么？设真实效应 θ、研究标准误 s，只有 |θ̂| > 1.96s 才被发表。当 n 小、s 大时，能跨过门槛的 θ̂ 必须「足够大」——于是【被发表的 θ̂ 是条件分布 E[θ̂ | |θ̂|>1.96s]】，它系统性高于 θ。n 越小，门槛相对越高，膨胀越狠。这就是【赢家诅咒】。

【细微·GWAS 的实证】全基因组关联研究里，早期报道的糖尿病/身高位点 OR 常被后续大样本「打回原形」——量级上常见从 _{1.4 收缩到} 1.1（Zeggini 等 2008 的复现反复记录了这一收缩）。不是造假，是小样本选择。

【极难发现·收缩的正确做法】面对一篇新研究，正确的动作不是「信」或「不信」，而是【经验贝叶斯收缩】：θ_shrunk = θ̂ · τ²/(τ²+s²)，τ² 是研究间真实方差。s 越大（研究越新越小），收缩越狠。一个 n=30 的新奇效应，可能该被砍掉一半再读。

【流程节点链路】读到一篇「惊人新效应」 → 查它的 s（样本量/精度） → 查同类研究的 τ²（异质性） → 用 τ²/(τ²+s²) 收缩 → 才得到可行动的后验估计。

【观点】元分析不是「把研究平均一下」，而是「按精度加权、按选择机制纠偏」。把第一篇当真理，是把【选择后的条件分布】误当成【总体分布】——这是我做建筑现象学时最警惕的同一种错：你看见的样本，是被筛选机制雕刻过的。

【值得辩论】如果每个新研究都该被收缩，那「首次发现」还有独立价值吗？还是说，科学的进展本质上只是 τ² 的逐步估计？