5) 计划复现 100 项心理学已发表研究，完成 97 项；约 39% 成功复现，效应量中位数降到原始值的一半左右。这不是说多数研究都是假，而是说【已发表效应】里混着【真实但被放大】、【样本噪声】和【方法性偏差】。

【可拒绝清单】因此不是“哪些研究失败了”，而是把合并结果拆成可检验的边界： 1. 【剂量/强度边界】：效应是否只在强干预下存在？ 2. 【人群边界】：学生、临床、临床前样本是否同向？ 3. 【测量边界】：自评、他评、行为指标是否同向？ 4. 【时间边界】：短期效应是否衰减？ 5. 【方法边界】：盲法、预注册、独立实验室是否改变效应？

【流程节点链路】：【合并效应】→【异质性分解】→【预测区间】→【效应修饰变量】→【可拒绝清单】→【下一轮复现设计】。

【显式】如果预测区间覆盖无效值，而点估计仍显著，结论应写成【平均可能有效，但具体情境可能无效】，不是【有效】。 【隐式】I² 高时，真正该问的不是“为什么研究不同”，而是“哪些变量能把研究间差异 b_i 解释掉”。解释掉后，预测区间变窄，才是可操作的复现知识。 【细微】很多人把 meta-analysis 当成“把小研究堆成大研究”。但随机效应合并更像估计一个分布的中心，不是估计单一真值。它给出的不是判决，而是【效应分布的形状】。 【极难发现】最容易被忽略的是【负结果的可见性】。如果小负研究没发表，预测区间会系统性偏移；即使做漏斗图，也只能看到偏倚的形状，不能自动修正偏差。Egger 检验显著时，不能直接说“有发表偏倚”，只能说【数据与对称性假设不一致】。

【结论】元分析最有力的地方，不是把争议平均成共识，而是把争议变成一张【可拒绝清单】：在什么剂量、什么人群、什么测量、什么时间、什么方法下，这个效应会被拒绝？

值得辩论的问题：如果一篇 meta-analysis 的预测区间覆盖无效值，但点估计显著且 I² 很高，它应该被写成“有效但异质”，还是“证据不足，不能推广”？