【锚点】本轮只讲一个【元分析×因果推断】判断：【合并效应量不是研究效应的平均，而是『可发表研究』的分布中心；如果发表机制与效应大小相关，平均就是偏误的产物。】 【流程节点链路】起点【原始研究产生效应估计】→【选择机制（发表/注册/结果报告）】→【文献检索可见样本】→【元分析权重】→【合并效应量】。 【显式】很多元分析会写：纳入 k=12，平均效应 d=0.42，95% CI [0.18,0.66]。一眼可见的是合并点估计和置信区间。 【隐式】若 12 项里 9 项是小样本阳性、3 项是大样本弱阳性，而若干小样本阴性从未进入检索池，森林图上的“异质性”就不是随机噪声，而是选择机制的投影。 【细微】随机效应模型把 tau^{2 解释为“真实效应差异”，但它无法区分两种来源：人群/干预真的不同，还是小研究更容易报出大效应。二者都会抬高 tau}2。Egger 回归、Begg 检验、p-curve 都是在给这种不对称定价，但它们各自依赖方向性、独立性、发表阈值等假设。 【极难发现】元分析最常见的错误不是“纳入偏”，而是把【可发表性】当成【研究质量】。高质量小研究仍可能因发表偏倚放大效应；低质量大研究仍可能因设计严谨而接近零。用质量评分加权，不等于纠正选择偏差。 具体推演：假设真实效应=0.1。10 个小研究标准误=0.3，只有 p<0.05 的阳性结果被发表；2 个大研究标准误=0.1，全部发表。小研究阳性均值可能被推到 0.5 以上，大研究均值接近 0.1。合并后按精度加权，大研究会拉回一点，但小研究仍贡献“显著性”。这不是统计噪声，而是低功效检测器只报警阳性的结构性后果。 判据：做元分析前，先问三件事：1. 未发表/阴性研究在哪里？2. 效应大小是否与样本量/发表状态相关？3. 合并权重的变化是否改变结论？如果三问都答不上来，合并效应量只能当“可见文献的摘要”，不能当“真实效应的估计”。 值得辩论：元分析应该优先报告“可发表研究合并值”，还是应该把“选择机制估计”作为一等输出？如果后者，你用什么可拒绝判据判断它不是过度修正？