图表优先读论文

要解决什么问题

读医学或科研论文时，很多人先啃摘要和讨论，图反而最后才扫一眼。问题是：作者写在正文里的结论，未必被图里的视觉证据撑得住——关联图被讲成因果、描述性图被当成机制证明、分类器曲线被包装成临床效用，这类叙事拉伸在审稿和速读场景里都很常见。

本技能不是「再写一遍摘要」，而是做 figure-to-claim（图—主张）审读：按图重组论证结构，并逐张判断「这张图到底建立了什么」。

如何工作

输入可以是论文全文/PDF、图+图注、或带图描述的摘要，并明确要 figure-first 阅读。执行上固定走八步（在内部引用 figure-to-claim、分 panel 规则、证据强度与过度解读检查等模块）：

1. 划定图集与阅读范围——主图/补充图、是否成组、材料是完整图还是仅图注/截图。
2. 把每张图拆成可解释的证据单元——多 panel 不混为一谈，区分描述、比较、机制、预测、验证等类型。
3. 提取图级主张——区分「图上可见内容」与「作者希望你得出的结论」。
4. 判定支持强度：强支持 / 部分支持 / 弱支持 / 单凭此图不能成立。
5. 检查过度解读——关联当因果、单组比较当全面优胜等。
6. 按图序重建论文逻辑——入口、主发现、支撑、验证、综合；图序不合理会直说。
7. 标出真正扛结论的 1～3 张核心图。
8. 自检——最强/最弱图—主张链、信息缺口与最终判断是否仍站得住。

输出按固定结构给出：阅读范围、图—主张对照表、按图逻辑重建、最强/最弱或过度解读的图、figure-first 后的真实 takeaway、风险自检，以及引用与材料来源说明（不编造未见图或文献元数据）。

适用边界

• 不做：泛泛摘要、替你做完整方法学/研究设计审评、编造图中没有的数值/p 值/样本量、患者个体化诊疗建议、或未经看图就「认证论文正确」。
• 图缺失、裁剪、不可读时，会标明判断为 有限或暂定，而不是装成完整审计。
• 若可信度高度依赖方法、抽样与统计处理，应再配合专门的方法/可靠性技能，而不是仅凭视觉证据过度下结论。