Leonardo,
É possível quase concordar como você!
Mas para a concordância total, temos que colocar na mesa o seguinte:
A hipótese nula é verdadeira ou falsa?
No caso de uma tabela de contingência 2x2 (a do OP) a nula é que não há "associação" entre as duas variáveis categóricas, ou seja as proporções das colunas (ou linhas) espelham as proporções das margens.
Como a tabela é uma amostragem do mundo ("a população sob estudo") espera-se variações nos valores das células que difiram das proporções "reais" e por isso faz-se o teste estatístico.
No caso de o efeito ser forte e a hipótese nula ser falsa a afirmação acima não seria totalmente verdadeira...
Quanto à proposição " Acho mais produtivo estimar a dis/concordância, sem perder de vista a precisão da estimativa." o problema, é que "the devil is in the detail" como atestam as 'n' tentativas dos nossos antepassados (desde Yule na déc. dos dez do século passado, até o Gwet [de quem comprei o librito há um tempo atrás]), de definir a [medida da] "dis/concordância"!
Só para ficar nas medidas citadas nesta "trédi": o Kappa de Cohen sofre do paradoxo citado pelo Pedro, o valor-p per se não é medida dessa natureza, o OR ou RR não está claro se se aplica ao caso do OP ou não (ele precisa nos dizer como os dados foram colhidos e qual a interpretação para a tabela), as medidas de associação, precisam ser interpretadas com cuidado, por isso passei os links...
Ademais, uma questão de ordem aqui (que de novo somente o OP poderia elucidar): o modelo para se usar o índice de concordância (dos quais o Kappa é um dos exemplos) só se aplicaria se uma das variáveis categóricas estivesse classificando o resultado da outra, o que me parece impossível para os micro-organismos (a menos que a tabela indique se eles preferem a companhia do outro, por exemplo), eu entendi a tabela como uma outra instância do famoso exemplo de Snee para associação entre cor de cabelo e cor dos olhos (os dados desse exemplo existem no R no dataset "HairEyeColor").
HTH
--
Cesar Rabak