数字到底降了多少？
最清楚的答案来自一项元-元分析——它汇总了215项独立元分析的结果，涵盖运动与认知随机对照试验的2239个效应量估计[1]。在校正偏倚之前，这类综合研究往往报告令人鼓舞的平均益处。校正选择性报告后，一般认知的平均效应为标准化均数差（SMD）0.227，95%可信区间为0.116至0.330[1]。SMD是一种无量纲指标：按惯例0.2算小效应，所以这是一个真实但适度的平均益处。
记忆和执行功能的情况更不乐观。它们校正后的平均值分别为SMD = 0.027和SMD = 0.012，可信区间都包含零[1]。通俗地说，一旦校正了小样本阳性研究更容易发表、小样本阴性研究容易消失的倾向，运动对这两个领域的平均效应就几乎与零无异。同一分析还发现预测区间很宽，同时涵盖负效应和正效应，意味着个别研究或情境完全可能显示有害，也可能显示有益[1]。
为什么校正偏倚会把平均值拉低这么多
发表偏倚是指结果令人兴奋、有统计学意义的研究更容易发表，而阴性或无效结果则被搁在抽屉里。小样本效应是相关现象：小试验往往报告比大试验更大的效应，原因之一是小研究只有在结果好看时才更可能被发表。当一个领域同时充斥这两种问题时，未经校正的平均值就会被抬高。这项元-元分析发现了选择性报告的强有力证据，以及很大的研究间异质性——也就是说，各研究之间确实存在分歧，而不只是随机波动[1]。
“运动零食”综述在较窄的情境下为同样的校正提供了一个具体例子。它采用了剪补法，这是一种标准方法，用来估计需要多少项缺失研究才能使漏斗图对称，再把它们补回去。作者得出结论：表面上的效应是由明显的小样本效应或发表偏倚造成的[2]。这是一个定性警告，而不是精确的缩水数值，但指向同一方向：主要效应部分是由哪些研究被发表这一因素造成的假象。
校正之后，真正的益处还留在哪里？
缩水并不均匀。元-元分析发现，特定人群与干预方式的组合显示出更一致的益处，尽管“普遍提升认知”的宽泛说法看来为时过早[1]。实际含义是，运动可能对某些群体和某些形式更有帮助，而把所有情况平均起来会掩盖这种差异。
一项针对重性精神疾病成年人的元分析暗示了这些局部益处可能是什么样。在15项慢性运动试验、936名参与者中，运动对推理和问题解决显示出大效应，对执行功能显示出小效应[3]。按诊断细分，抑郁症患者在執行功能上显示中等效应，在处理速度上显示大效应，而精神分裂症患者在推理和问题解决上显示大效应[3]。这些是来自较小证据基础的未校正主要效应，因此应视为特定人群中有希望的信号，而不是经得起所有偏倚校正的证明。不过，它们符合更广泛的模式：有针对性的建议比笼统的建议更站得住脚。
读者该如何看待这些数字？
诚实的总结是：运动并不是常被宣传的那种可靠、通用的认知增强手段。校正最好的估计把一般认知放在很小的平均益处上，把记忆和执行功能放在接近零的位置[1]。这并不意味着运动对大脑毫无价值——它意味着平均值掩盖了真实差异，而最强的说法所依赖的证据在审视下会缩水。
有两点注意事项应当紧挨着这些数字。第一，校正后的估计带有很宽的可信区间和预测区间，所以真实平均值可能略大或略小，个别情境的方向也可能不同[1]。第二，若干较窄的综述评估了发表偏倚，但没有报告校正后的效应量，所以我们无法确切说出它们的估计会移动多少[4][5]。我们能说的是：一旦施加校正，效应往往会变小——有时小得多——而最站得住脚的建议是那些与特定人群和特定训练类型挂钩的建议。
本文引用的文献
运动对认知、记忆和执行功能的影响：跨人群和运动类别的研级元-元分析
校正发表偏倚后，运动的平均效应为：一般认知SMD = 0.227，记忆0.027，执行功能0.012，预测区间很宽，同时涵盖负效应和正效应。
运动零食对认知功能的影响：系统综述与三级元分析
剪补法分析判断，运动零食对认知功能的表面效应是由明显的小样本效应或发表偏倚造成的。
运动对重性精神疾病成年人认知功能的影响：元分析综述
在重性精神疾病成年人中，慢性运动对推理和问题解决显示大效应，对执行功能显示小效应，并呈现诊断特异性模式。
传统与基于技术的运动干预对老年人认知功能的影响：系统综述与元分析
该研究比较了基于技术和传统的运动干预对老年人认知功能的影响，人工智能辅助运动得出SMD = 0.51；评估了发表偏倚，但未报告校正后的效应量。
运动对老年人认知功能的影响：睡眠中介作用的系统综述与元分析
该研究考察了运动对老年人认知的影响，并将睡眠作为可能的中介因素；评估了发表偏倚，但未报告偏倚校正后的效应量。