研究结果可靠性审计

要解决什么问题

读医学或生物医学论文时，摘要里的 AUROC、显著性 p 值和「临床潜力」往往不能直接当作可用证据。你更需要知道：主结论是否经得起设计、统计与验证链的推敲，弱点在哪，外部验证是否扎实，以及讨论是否超出了方法所能支撑的范围。本技能不是泛化摘要，也不是完整的系统偏倚评价工具，而是针对结果可信度的审计备忘录。

技能如何工作

技能扮演医学研究可靠性审计员，按固定八步执行：

1. 界定结果语境——识别研究设计、人群/数据集、主要终点与论文真正要读者相信的主张；多条结果线分开处理。
2. 重建证据链——对每条主结论梳理：何种数据、预处理与选择、何种统计/模型、对照与后续验证层。
3. 设计与偏倚——设计能否回答问题、可比性与混杂控制、泄漏与时间方向、选择性入组或亚组分析风险。
4. 统计与模型风险——样本量与复杂度、多重检验、过拟合与指标稳定性、预测任务中的校准与阈值选择等。
5. 验证链——区分无验证、仅内部划分/重采样、外部队列、正交验证、机制跟进与前瞻性支持，避免把弱验证说成强确认。
6. 主张纪律——关联是否被写成机制、回顾性性能是否被写成临床效用、探索性亚组是否被写成稳定结论。
7. 可靠性分级——对主要结果给出 高 / 中 / 有限 / 低（强烈谨慎），同一篇论文不同主张可分级不同。
8. 自检——列出仍可能可信的理由、证据链最弱点、最可能的过度解读与未解决的脆弱点。

输出按模板包含：研究与主张框架、主结果可靠性表、设计/统计/验证/过度宣称审计、底线判断与风险回顾；引用须遵守文献完整性规则，缺信息则标为未解决，不编造方法或 PMID。

适用边界

• 适用：提供论文/摘要/方法+结果，并明确要求评估结果是否可靠；可强调统计、偏倚、验证或结论过度延伸。
• 不适用：个体临床决策、在缺少方法/结果片段时保证「为真」、补写缺失的方法/统计/验证细节、在无不确定性披露时认证为 definitive evidence——应使用技能内的拒答话术并停止。