偏倚风险评估怎么做：问“扭曲空间”，不问“好不好”

一个常见误区：统计显著、结果干净的研究就等于低偏倚。事实恰恰可能相反——带偏倚的方法完全可以产出干净的结果。

所以偏倚风险评估先看方法，后看结果。判断的依据是方法部分的描述，而不是结果的光鲜程度。

一个基本前提：偏倚风险怎么看，取决于研究设计。随机对照试验、观察性研究、诊断准确性研究，各有自己的标准评估工具。

这几类设计都有成熟的工具可用。具体用哪一个，取决于综述类型、团队和目标期刊的要求，动手前务必确认。下面以RCT为例，说说其中共通的逻辑。

对RCT而言，标准核查从这里开始：随机化方法（随机序列的生成方式有没有描述？）与分配隐藏（有没有机制防止任何人提前预知分组？）。

然后是盲法（受试者、实施干预者，尤其是结局评估者，是否不知道分组？）、缺失数据（脱落多少人、如何处理？），以及选择性报告——预先注册的结局与论文实际报告的结局是否一致？

这些信息散落在多处：主要在Methods部分，还包括试验注册记录（凭注册号可查）、方案论文和补充材料。

“未报告”本身也是发现。分配隐藏只字未提，这个空白就要计入评估。基本原则是：绝不把“没写”读成“大概没问题”。

读到这里，原因已经显形。摘要是对“写出来的内容”的压缩，而这项评估的两把钥匙——“没写出来的内容”和“与注册记录不符之处”——在原理上就进不了摘要。

这不等于AI在这里无用。让它“把这篇论文里关于分配、盲法、缺失数据的所有描述都抽出来”，就是很好的准备工作。但最终判断——包括抽取本身是否完整——属于读过原文的人。

每个评估条目不只记结论，还要记背后的理由，例如：“盲法：有一定顾虑——未提及结局评估者设盲（Methods第5页）。”

带着证据的记录可以直接用于团队定标讨论和同行评审答复。一句话理由的价值，比判定本身更持久。

在 Paperfy 中，被评估的PDF与AI摘要、图表同在一页，“找到描述 → 判定 → 记录”的往返被大幅缩短。

把每个条目的判定和理由写进摘要，整套偏倚风险评估的记录就和论文一起留在文库里——之后进入证据整体确定性评价（如GRADE）时，随时可以调出。

偏倚风险评估是训练有素的评估者也会意见相左的工作。别把任何一个人的判断当成终审，拿不准的条目就该拿到团队里讨论。

这个过程的目标不是“自信地下结论”，而是“能够拿出证据为自己的判断辩护”。