几家医院想共同判断一种疗法是否有效，却不能交换患者原始记录，只能各自上报 p 值。问题是：报成“很小、一般、较大”几档，够不够？p 值指零假设和统计模型成立时，出现当前或更极端结果的概率；把它压成有限档位，可能让汇总中心错过真实效应。
Dubey 和 Huo 研究了这种联邦式分析——数据留在各机构，只交换统计摘要。他们要求全局程序控制族错误率（FWER），也就是一组检验中至少出现一次假阳性的概率。论文给出的关键结论是：如果报告能还原原始 p 值，分散存放本身不损失检验能力；真正的代价来自压缩。在论文设定的正则条件和效能目标下，任何有限分辨率都会损失效能，但最优损失随可报告档位数的平方反比下降。换句话说，档位数翻倍，渐近损失可降到约四分之一；简单的等宽分档已经达到这一量级，再聪明地调整各档边界也只能改善常数，不能改变下降速度。
这给隐私与统计效率之间提供了一个可计算的接口：机构不必交出原始数据，但也不能把 p 值压得过粗。结论针对论文的一次性、逐项报告协议；交互式或可变长度编码不在讨论范围内。