P=0.05，我们该如何取舍与描述？是一个困扰过许多研究者的难题，是描述为数据具有统计学差异，亦或认定为没有统计学差异，统计学描述将直接决定该研究的结果与意义。
面对P=0.05的尴尬统计学难题，如何做到有理有据的进行评判呢？我们从如下几个方面进行叙述：传统统计学教课书认为“P小于或等于0.05时，认为可以拒绝H0。”所以一部分学者认为P=0.05是可以认为有统计学差异的。但是在现实SCI杂志审稿过程中，P=0.05时，编辑往往并不认同该项研究成果具有统计学差异，会要求增大样本量重新统计。然而单纯的增加样本量重新统计的做法到底对不对，有关于此的讨论越来越激烈。而且从临床和基础科研工作的角度来看，增加样本量也给实验工作增加了很多困难。
英国伦敦大学学院Wood教授撰写了题为“差异倾向于统计学意义的陷进：接近P值后增加额外数据使其具有统计学意义的可能性”的文章。他指出，当碰到P值没有达到统计学意义时，很多作者都会暗示读者倾向于统计学意义，或者说没有达到统计学意义的原因是数据不足。如类似句子“almost/approaching statistical significance” 或“a trend towards statistical significance”在我们撰写论文中也经常出现类似的提法。因此，Wood教授特别批评了2008年NEJM的一项临床研究。针对这一问题，wood 教授通过建立数学假设，验证了P值绝不能保证因为增加额外的数据就可以变小。简单的通过增加20%的数据量只有30%的机会将P值可能变的更小。有些作者不写“倾向于”，但会暗示他们的结果接近于或者在显著性的边缘上，用 “teetering on the brink of significance”进行表示，他们指出只要增加额外的数据，显著性可能就会实现。然而，Wood的数学假设结果并不支持这一观点。
综上所述，将接近于0.05的P值描述成“倾向于显著性”不仅不恰当而且会误导。在显著性的边缘也同样具有误导性。重复显著性结果是一个挑战，对试验进行重复得出非显著性结果的可能性会很高。
不过笔者认为真正得到P恰好等于0.05的概率很小，当软件计算得到的P值粘贴到EXCEL里往往能看到后面还有很多位小数，所以软件显示P=0.05时，通常可认为P<0.05或P>0.05，因此请扩展有效数字后再予以判断。同时值得提倡的是，在著名期刊中常常可以发现这样的趋势，越来越多的作者将P值的实际结果直接写到文章中，（如P=0.032）。这样便可以由读者自行分析与判断结果的可靠性了，这种做法同样也适用于当P=0.05.
