self-review

自我审查技能

在提交前检查用户自己的手稿，并生成一份可执行的预期审稿意见清单，每条意见都附有具体修改建议——而不是撰写一份审稿报告。

可选标志

• --fix：生成报告后，对每个 fixable_by_ai: true 的问题应用修复，直接编辑手稿，然后汇总差异。绝不修复 fixable_by_ai: false 的问题（数据缺失、设计缺陷）。最多进行 2 轮修复和重新审查；如果第二轮后评分仍低于阈值，则停止，并将剩余问题报告为结构性问题（在 /write-paper 中，这会转到 Phase 7.4a Audit Recovery）。
• --json：同时输出结构化 JSON 块（Phase 3c）。从 /write-paper Phase 7 调用时默认启用。
• --panel：运行多 Agent 专家组审查（Phase 2.6）——让领域专家审稿人并行审查，再由编辑综合意见——而不是单轮审查。此选项默认关闭，因为它会启动 N 个审稿 Agent 和 1 个编辑，耗费的 token 是原来的数倍；仅在面向顶级目标期刊进行高风险的最终审查时使用。不要与 --fix 组合使用：专家组负责诊断和确定优先级；作者对专家组意见完成分流后，再单独运行 --fix。

严重程度说明

• 致命：现有数据无法解决的设计缺陷（会使所有结果失效的数据泄漏、没有参照标准、标签与特征循环关联）。提交后很可能被拒。只有真正的设计层面问题才应标为致命。
• 可修复：问题严重，但可通过现有数据解决（缺少校准、排除标准不明确、缺少置信区间、报告不完整）。大多数问题都属于可修复。

两个目标：底线与上限

底线（类别 A–K 及 Phase 2.5–2.5f 的关卡）旨在尽量避免因故拒稿——虚构引文、数据对不上、过度宣称、缺少清单项目、数据泄漏——其中许多做法是通过添加保留语、注意事项、披露内容或审计记录来实现的。反复迭代会让手稿变得过度严苛：每条发现都正确，但全文读起来却像防御性审计（保留语过多、正文中出现审计记录、摘要被注意事项淹没、最有力的稳健性结果藏在局限性部分）。上限审查（类别 L / Phase 2.5g）在底线关卡之后进行，通读准确的手稿全文，仅提出删减建议——删除、移动或精简。它仅供参考，绝不阻止流程，也不能放宽底线关卡。将其发现单独列为一个区块（Phase 3），不要并入“添加以下内容”的意见中。随后，Phase 2.5i 会结合底线与上限的状态，判断循环是否完成，包括零修改通过的情况。

工作流

阶段 1：接收

1. 获取稿件——PDF、Word 文档或粘贴的文本。

2. 询问用户：目标期刊（决定报告规范和范围）；稿件类型（原创研究／综述／观点文章／技术说明／来信／Meta 分析／病例报告）；他们目前担心的问题。在交互式运行中，用一行文字仅一次提供 --panel 评审（阶段 2.6），然后继续单次评审，除非用户选择加入。使用 --json 或从 /write-paper 调用时，绝不提供或应用评审小组。

3. 阅读完整稿件。

4. SSOT 闸门——确认只有一份稿件，而非多份。 自我评审只会读取单个文件， 因此无法察觉旧工作副本与当前投稿副本之间的差异。在运行 --panel 或进行任何投稿前评审之前， 检查是否有多个副本：

   find . \( -path '*manuscript*' -o -path '*main_document*' \) -name '*.md' | grep -v node_modules
   

   如果存在多个类似稿件的文件，请确认哪一份是 SSOT，并运行 /sync-submission 的差异闸门——STALE_COPY（SSOT 中的数值主张或标题未同步到其他副本） 属于必须先解决的 P0：

   python3 "${CLAUDE_SKILL_DIR}/../sync-submission/scripts/detect_copy_divergence.py" \
     --ssot <ssot>.md --copy <other-copy>.md
   

   评审 SSOT 副本，绝不要评审过时副本。**使用 --panel 时，此项为阻断条件：**如果 find 返回 多个文件，且 SSOT 尚未固定（没有包含 truth.manuscript_md 的 SSOT.yaml，也没有 明确的 --ssot <path>），则在启动任何评审者之前停止，并请用户指定 SSOT （并解决任何 STALE_COPY），因为对过时副本进行小组评审会浪费整个评审流程。不要 自动选择最长或最新的文件。单次评审可以基于提供给它的那一个文件继续进行。

第 2 阶段：系统检查

逐一检查下方“研究类型适配”表中标为适用的类别，并判断审稿人会针对每项提出主要意见还是次要意见。各项检查表位于 references/phases/phase2_systematic_check.md——拿到稿件并确定其类型后，请阅读该文件。

	类别	检查内容
A	研究设计与数据完整性	患者级划分、数据泄漏、输入文本污染、分析单位
B	参考标准与真实标签	定义的具体程度、时间安排、标注者独立性
C	验证与统计报告	置信区间、校准、比较对象、效应量、考虑统计效能的阴性结果、等效界值、交互作用锚定
D	临床定位与重要性	预期用途、过度声称、新颖性、终点↔结论范围
E	可复现性	预处理、模型详情、硬件／软件、数据与代码可用性
F	报告完整性	摘要↔正文一致性、流程图、伦理、缺失数据、字数上限
G	报告指南合规性	将类型与相应清单匹配；/check-reporting 会逐项审查
H	循环论证	标签与特征重叠、同义反复式预测、循环验证
I	方案异质性	多中心采集、协调、时间性方案漂移
J	方法透明度	模型来源、微调、经典论文正文规范
K	审稿团队一致性	仅限 SR/MA——双人审查与单人审查的联合条件、LLM 作为审稿人（两者均属足以构成造假级别的问题）
L	编辑印象与防御性	仅供参考，绝不阻断流程——处理上限类别：删除／移至别处／精简

在第 2 阶段入口处，无论采用哪条路径，都要运行确定性门禁：

# D. endpoint↔conclusion scope
python3 "${CLAUDE_SKILL_DIR}/scripts/check_scope_coherence.py" \
  --manuscript manuscript.md --out qc/scope_coherence.json --strict

# J. classical-style body conventions
python3 "${CLAUDE_SKILL_DIR}/scripts/check_classical_style.py" \
  --manuscript manuscript.md --out qc/classical_style.json --strict

# K. reviewer-team consistency (SR/MA only; pass the extraction JSON file or directory)
python "${CLAUDE_SKILL_DIR}/scripts/check_reviewer_team_consistency.py" \
    --manuscript manuscript.md --prospero prospero/record.md \
    --extraction-json extraction/ --out _audit_self/reviewer_team_consistency.md

# J/D. Perspective structure (genre-gated: silent unless article_type is a Perspective).
# Pass the known type via --type; it also self-detects from the front-matter article_type.
python3 "${CLAUDE_SKILL_DIR}/scripts/check_perspective_structure.py" \
  --manuscript manuscript.md --type "${TYPE:-}" --out qc/perspective_structure.json

# Was every reported analysis ever defined (outcome, reference standard)?
python3 "${CLAUDE_SKILL_DIR}/scripts/check_analysis_definitions.py" \
  --manuscript manuscript.md --json --strict > qc/analysis_definitions.json

判定结果映射：CROSS_SECTIONAL_PROGNOSTIC、SURROGATE_CARE_DIRECTIVE、SECTION_SYMBOL、INBODY_AI_DISCLOSURE、任何审稿团队命中项（退出码为 1）、MODEL_OUTCOME_UNDEFINED（未命名结局的 Cox／Fine–Gray／logistic 模型），以及 REFERENCE_STANDARD_UNDEFINED（判别或校准没有评分依据）均为预期的主要意见。CROSS_SECTIONAL_YIELD_LANGUAGE、ELIGIBILITY_PROSE、DECIMAL_INCONSISTENCY、EM_DASH_OVERUSE、PERSPECTIVE_HEADING_NOT_ASSERTION、PERSPECTIVE_ABSTRACT_NO_AUTHORIAL_MOVE 和 TIER_LABEL_UNDEFINED 均为次要意见。各判定结果的理由及解决路径见第 2 阶段参考文件。

ANALYSIS_LOAD 仅供参考，不是判定结果：分析过多往往会导致定义被省略，而非构成缺陷。不要为了满足该项而删减分析；应补充被挤出的定义。如果分析负担确实过重，则将防御性分析移至补充材料。

研究类型适配

类别	AI/ML	观察性研究	教育研究	Meta-Analysis	病例报告	外科研究
A. 研究设计	全面	全面	部分	不适用	不适用	全面
B. 参考标准	全面	全面	不适用	按研究	部分	全面
C. 验证与统计	全面	全面	全面	特殊*	部分	全面
D. 临床定位	全面	全面	全面	全面	全面	全面
E. 可复现性	全面	部分	部分	部分	不适用	全面
F. 报告	全面	全面	全面	全面	全面	全面
G. 指南合规性	全面	全面	全面	全面	全面	全面
H. 循环论证	全面	部分	不适用	不适用	不适用	部分
I. 方案异质性	全面	全面	不适用	按研究	不适用	全面
J. 方法透明度	全面	部分	部分	不适用	不适用	部分
K. 审稿团队一致性	不适用	不适用	不适用	全面	不适用	不适用
L. 编辑印象	全面	全面	全面	全面	全面	全面

*Meta-analysis：将 C 替换为异质性（I²、预测区间）、发表偏倚（漏斗图、Egger 检验）以及敏感性／亚组分析。 特定类型的附加检查：

• 观察性研究：混杂因素（DAG 或调整策略）、选择偏倚、暴露测量效度。运行 Phase 2.5e（混杂完整性），然后应用 references/domain-probes/observational_confounding.md 中的 O 探针——O1（表 1 中协变量按暴露分组存在不平衡，却未纳入调整集）和 O8（记录数 > 受试者数，但未披露分析单位；check_cohort_arithmetic.py --id-col）是确定性的探针；O7（调整了中介变量／结局的后果）则是其方向相反的对应项。对于临床预测模型（TRIPOD / TRIPOD+AI、嵌套预测变量集比较），还需应用 references/domain-probes/clinical_prediction_model.md 中的 CP 探针。
• 教育研究：学习成果测量效度、Kirkpatrick 等级、对照组充分性、课程实施忠实度。
• 荟萃分析：检索全面性（2+ 个数据库）、筛选可重复性（2 名审稿人）、逐项研究的 RoB、GRADE 证据确定性。
• 病例报告：诊断推理透明度、时间线完整性、知情同意、可推广性免责声明。
• 外科研究：学习曲线、外科医生的手术量／经验、并发症分级（Clavien-Dindo）、手术细节。

领域探针模块——此处内置了 /peer-review 使用的相同探针。加载其行符合以下条件的每个模块：

稿件类型／信号	探查模块
系统综述／荟萃分析	references/domain-probes/sr_ma.md (P0–P19)
生存时间／生存分析／预后模型（Cox、Fine-Gray、DeepSurv、列线图、风险分层截点）	references/domain-probes/survival_prognostic.md (S1–S9)
放射组学特征的可重复性／采集参数扫描／基于可靠性的特征筛选	references/domain-probes/radiomics.md (R1–R4)
跨模态图像合成（MRI→PET／MRI→CT／非增强→增强／低剂量→全剂量），并声称可提供功能／分子信息或替代目标模态	references/domain-probes/image_synthesis.md (IS1–IS4)
叙述性文章／综述文章／入门指南／最新进展	references/domain-probes/narrative_review.md (RV1–RV9)
观点／评论／视角文章（npj DM 长篇文章、Lancet 评论、NEJM AI／RYAI 短篇结构化文章）	references/domain-probes/narrative_review.md (RV1–RV9) + 上文的 check_perspective_structure.py 门禁
带有临床主张的 AI/ML 原始研究（可泛化／优于临床医生／可部署／可替代阅片者）	references/domain-probes/ai_overclaiming.md (AO0–AO7)
工程师构建并进行验证的医学影像模型（分割／分类／检测）——数据划分／泄漏、随机种子和运行方差、指标选择、可重复性、参考标准质量；如果提出临床应用主张，还包括显著性图的忠实度、不确定性／分布外检测／弃权及部署可行性	references/domain-probes/model_development.md (MD0–MD11)
在临床任务上评估的 LLM／MLLM（报告生成、VQA、临床文本提取／分类；闭源 API 或开放权重）	references/domain-probes/mllm_evaluation.md (ME0–ME8)
随机对照试验（平行／交叉／整群／阶梯楔形）	references/domain-probes/rct_trial.md (RC0–RC7)
诊断试验准确性（DTA）原始研究／多阅片者多病例（MRMC）阅片者研究（AI 与阅片者对比、AI 辅助阅片、模态比较）	references/domain-probes/diagnostic_accuracy.md (D1–D12)
病例报告／病例系列（包括不良事件／药物警戒及以影像为主的放射学／核医学／介入放射学报告）	references/domain-probes/case_report.md (CR1–CR9)
声称具有跨人群表现，或将亚组分析作为公平性／公正性论据的 AI/ML、预测或诊断研究	references/domain-probes/equity_fairness.md (EQ0–EQ6)
孟德尔随机化（双样本、单样本、多变量、药物靶点／cis-MR、非线性 MR）	references/domain-probes/mendelian_randomization.md (MR1–MR8)
开发、验证或作为预测因子／风险分层工具应用的多基因风险评分（PRS／PGS）	references/domain-probes/polygenic_risk_score.md (PG1–PG8)
网络荟萃分析（通过直接和间接证据比较 ≥3 种干预，进行治疗排序；包括成分网络荟萃分析）	references/domain-probes/network_meta_analysis.md (NM1–NM8)
卫生经济学评价（成本效果／成本效用／成本收益／预算影响；基于试验或模型——决策树、Markov、DES）	references/domain-probes/health_economic_evaluation.md (HE1–HE8)
使用常规收集健康数据开展的观察性研究（理赔数据／EHR／登记系统／体检数据库，可关联或不关联）	references/domain-probes/record_routinely_collected_data.md (RD1–RD8)
自我报告调查／问卷研究（KAP、医生／患者调查、网络／电子调查）	references/domain-probes/survey_research.md (SV1–SV8)
范围综述（梳理证据的广度；采用 PCC 框架、证据制表——并非聚焦于效果／准确性问题）	references/domain-probes/scoping_review.md (SC1–SC8)
定性研究（访谈、焦点小组、民族志、扎根理论、现象学、文档分析）	references/domain-probes/qualitative_research.md (QL1–QL8)
自我改进／自我评估系统（批评并改写自身输出的 Agent；使用模型生成的数据进行训练；为训练信号评分的 LLM 评判器；“自我进化”的临床 Agent）	references/domain-probes/self_improving_system.md (SI1–SI7) + ${CLAUDE_SKILL_DIR}/../peer-review/scripts/check_self_improvement_claims.py
将每项探查作为额外的评论来源，补充（而非替代）A–K 类别：威胁结论或设计层面的发现应成为 Fatal 预期重大评论，报告层面的发现应成为 Fixable 预期次要评论，并分别标记最接近的类别字母（A–K）。

对于分类器／NLP／表格型 ML 稿件，还要运行特征选择泄漏检查——在交叉验证前，基于完整数据集拟合数据驱动的选择（特征选择、单变量筛选、词汇表、阈值），会使交叉验证指标虚高：

python3 "${CLAUDE_SKILL_DIR}/scripts/check_cv_leakage.py" \
  --manuscript manuscript.md --out qc/cv_leakage.json

当选择相关词条与交叉验证同时出现，且未说明在每个折内进行嵌套时（“within each fold”／“nested CV” 会抑制此检查），CV_SELECTION_LEAKAGE（Major）即触发。患者与图像划分泄漏是另一项检查（model-assessment/check_split_leakage.py）。

阶段 2.5：数值交叉核验（内部）

生成报告前，请核验内部一致性：

1. 摘要与正文：摘要中的每个数值都与结果和表格相符。
2. 表格与文本：样本量、主要结局和 p 值在表格与叙述中一致。
3. 图与文本：图例与结果中描述的数据一致。
4. 百分比计算：n/N 百分比正确（23/150 = 15.3%，而非 15.0%）。检查会按照单元格所打印的精度进行核验（末位的一半）。
5. CI 合理性：置信区间与样本量相符。
6. 率值反算：每个率值都能反算出其自身的分子／分母（发生率 ≈ 事件数 / 人年 × 倍数，允许舍入误差）。率值无法重新计算，或意味着事件数超过队列所能提供的数量，均属 Major。
7. 排除级联与完整病例计算（队列／观察性研究）：起始 N − Σ（排除数）== 最终分析 N，且总数 − 缺失数 == 完整数。脚注中的 N 与减法结果不符，属 Major。

对于队列／观察性研究稿件，请运行检查，而非仅凭目测判断（该检查会解析文本公式和 GFM 表格；若提供已提交的 CSV，还会根据它重新计算）：

python3 "${CLAUDE_SKILL_DIR}/scripts/check_cohort_arithmetic.py" \
  --manuscript manuscript.md --data analysis/cohort.csv --id-col mockid \
  --out qc/cohort_arithmetic.json --strict

RATE_BACKCALC／CASCADE_SUM／PARTITION_OVERLAP 属于预期重大评论（类别 A）。 对于健康筛查／EMR／登记数据，请传入 --id-col（或允许其自动检测受试者 ID 列），以便同时检查分析单位：当 records > unique subjects，且既未说明分析单位，也未说明每位受试者仅保留一条记录的敏感性分析时，会输出 ANALYSIS_UNIT_UNDISCLOSED（Major——非独立观测会导致 CI 偏保守；探查 O8）。将其余内部一致性差异标记为预期次要评论（类别 F）。

然后重新计算审稿人会手动核算的内容：

# Every "n (%)" in a table, recomputed against its own denominator.
python3 "${CLAUDE_SKILL_DIR}/scripts/check_table_percentages.py" \
  --manuscript manuscript.md --out qc/table_percentages.json --strict

# Every reported P beside a 2×2 (or r×c) count, recomputed from the counts themselves.
python3 "${CLAUDE_SKILL_DIR}/scripts/check_reported_p_from_counts.py" \
  --manuscript manuscript.md --json --strict > qc/reported_p.json

# Every t(df) / F(df1, df2) / χ2(df) / z with a P in its sentence, P recomputed from the statistic.
python3 "${CLAUDE_SKILL_DIR}/scripts/check_test_statistic_p.py" \
  --manuscript manuscript.md --json --strict > qc/test_statistic_p.json   # add --grim grim.json

# Diagnostic-accuracy only: sensitivity/specificity against the reference-standard denominators.
python3 "${CLAUDE_SKILL_DIR}/scripts/check_dta_denominators.py" \
  --manuscript manuscript.md --json --strict > qc/dta_denominators.json

PERCENT_MISMATCH、P_NOT_REPRODUCIBLE 和 DTA_DENOMINATOR_MISMATCH／STAGE_ROWSUM 均属 P0 Major——这不是舍入差异：两个数值中有一个是错的。所有带表格的稿件都要运行前两项；第三项仅用于诊断准确性研究。

check_test_statistic_p.py 会根据统计量和 P 值的打印精度进行核验：如果统计量在舍入区间内无法得出该 P 值，则记为 P_STAT_INCONSISTENT（Minor）；如果二者还落在 alpha 的相反两侧（--alpha），则记为 Major P_STAT_DECISION_ERROR。经调整或非标准的 P 值（校正、精确检验、Welch 等），以及只有与未说明的单侧 P 值相符的结果，绝不会判为 Major。--grim 接受已声明的均值（[{"label", "mean", "n", "items"?, "decimals"?}]）：若不存在能得出该均值的整数总和，则记为 GRIM_INCONSISTENT（Major）；当 n·items >= 10^decimals 时，则记为 GRIM_NOT_ASSESSED。 要使用各自的检验核查每个 P 值，请将检验声明为 p_tests.json（复制 ${CLAUDE_SKILL_DIR}/templates/p_tests.json；模式见 references/p_tests_schema.md），并添加 --tests p_tests.json。该行的 P 值会根据声明的检验（fisher、chi2、chi2_yates）重新计算。若报告的 P 值在其全部显示精度区间内，落在与重新计算所得 P 值相对于 alpha 的另一侧，则判定为 P_ALPHA_CROSSING（Major）。若检验为 adjusted、paired 或 other:，该行显示的百分比不是 count/n（分母不同），或表格包含 3 个或更多组（去掉 Total 列后），则判定为 P_NOT_ASSESSED（Minor）。

已知限制：如果未使用 --tests，check_reported_p_from_counts.py 只会在以下情况下标记某行：在所有检验类型下，其报告的 P 值与粗略 2x2 P 值相差超过一个数量级，且表格至少有两行计数。对于报告为 < 界限（<0.001）、但粗略 P 值仅略高于该界限，或落在 alpha 另一侧但差距未达上述程度的情况，该脚本不会标记；对于仅有一行计数的情况也不会标记（纯文本模式下为未解决的问题 SR-01）：表格无法显示该 P 值是否经过调整、是否为配对检验，或是否使用了其他分母。请手动对照声明的检验核查此类 P 值，或将其声明出来。check_table_percentages.py 按列读取一个分母。若某个单元格仅在显示精度范围内有偏差（误差在 0.5 个百分点以内），且位于带脚注的行（n = 150、其中 149 个已知时，Current smoker^a | 23 (15.4%)），则标记为 Minor PERCENT_PRECISION_NOTE；未带脚注的行或偏差更大的情况，则标记为 PERCENT_MISMATCH。请对照脚注核实带脚注的行。

阶段 2.5a：数值来源忠实度审计（外部）

所有数字在内部都可能自洽，却仍与来源不符；只有追溯回原始来源才能发现这一点。首先运行显示算术关卡——所述差值必须等于两个显示值相减所得的结果，且精度相同：

python3 "${CLAUDE_SKILL_DIR}/scripts/check_rounded_delta.py" \
  --manuscript manuscript.md --out qc/rounded_delta.json

如果 AUC 显示为 0.79 和 0.82，但报告的差值为 0.02，则会触发 ROUNDED_DELTA_MISMATCH（Minor）。如果使用更高精度的数值对（0.794 与 0.816）并报告 2 位小数的差值，则属于合理情况，不会被标记。

**何时运行外部审计：**修订稿、投稿，或用户提出“对照来源核查”“验证提取结果”或“随机抽样”时。其他情况跳过。

**审计内容：**按分层抽取 5 项数值主张——必须包括一项比较组数值和一项修订时新增的数字——并逐项追溯以下三个层级（稿件 → 提取 CSV → 原始来源页面；若由脚本生成，则还需追溯分析脚本 → CSV）。任何不一致都属于重大意见；若导致方向反转或跨越显著性界限，则属于 P0 阻断问题。无论样本量如何，每个 [VERIFY-CSV] 标记都必须纳入审计。

运行外部审计时，请阅读 references/phases/phase2_5a_source_fidelity.md，其中包含追溯流程、记录表、抽样分层，以及四项文本判断规则（手动录入的分析脚本输入；正文与表格的统计量类型不一致，例如正文使用中位数、表 1 却使用均值；模型或调整集发生变更后派生 CSV 过时；内部一致性检查无法发现的方向反转）。

阶段 2.5a-2：设计与检验效能统计量的来源追溯

仅当稿件陈述样本量计算、检验效能数值或可检测效应主张时适用。这些数值是计算得出的，而非复制而来，因此阶段 2.5a 无法核查：请根据稿件自身的输入重新推导每项数值。如果某个数值无法通过已提交的代码复现，或只能通过已提交脚本未实现的方法复现，则属于重大意见（若为核心主张，则为 P0）。当稿件报告样本量／检验效能／MDE 计算时，请阅读 references/phases/phase2_5a2_design_power.md。

阶段 2.5b：根据 ID 集合核对筛选数量（SR/MA + 观察性研究分层／亚组）

**适用时机：**任何 SR/MA 稿件修订，无论处于哪个阶段（阶段 3 之前）；或者任何报告有序分层／互斥亚组划分的观察性研究稿件。其他情况跳过。错误的正文总数会在其他所有检查中漏过，因为摘要、方法、结果、图注和补充材料都会相互引用；只有根据 ID 集合重新计数才能发现。

A. SR/MA — 根据 ID 集合重新计数。从筛选 TSV 和共识表中推导每项研究的数量，切勿根据正文推导，并明确列出仅出现在叙述中的 ID（将“10 项仅出现在叙述中的研究”改为“2 项（ID 为 120、474）”）。推导出的总数若与摘要、方法、结果、图 1 图注或局限性部分不一致，即为 P0 Major，会阻止投稿；如果没有可枚举的 ID 增减集合支持，则 N → M 转变声明属于 Major。

B. 观察性研究分层／亚组。互斥划分必须满足 Σ(stratum N) == unique total 和 Σ(stratum events) == total events。分母之和高于唯一队列总数表示受试者被重复计数；每个分层的 n 都等于总人数则说明录入有误。确认任何分层风险比／优势比表中都包含并标注了参照（基线）行。

python3 "${CLAUDE_SKILL_DIR}/scripts/check_cohort_arithmetic.py" \
  --manuscript manuscript.md --data analysis/strata.csv --strict

**C. 跨脚本切点一致性。**当同一队列在多个脚本中重新分层时，推导出的分类变量必须使用相同的切点定义（相同的分界值、相同的 right= 闭合方式、相同的标签），否则各分层的 N 会出现偏差，而总人数仍能核对一致。同一检查也适用于在第二个脚本中重建、但遗漏了一个子句的推导式 0/1 复合变量。

python3 "${CLAUDE_SKILL_DIR}/scripts/check_binning_consistency.py" \
  --root analysis --root scripts --strict

PARTITION_OVERLAP、BINNING_DRIFT 和 DERIVED_DEF_DRIFT 均属于 P0 Major。在进行 SR/MA ID 集合重新计数或分层队列重新计数时，请阅读 references/phases/phase2_5b_screening_counts.md（集合定义、推导公式、核对区块模板）。

阶段 2.5c：参考文献扫描（幻觉 + 充分性）

2.5c 检查不存在的引文或虚构的第一作者；2.5c-2 检查没有引文支持的主张。两者都需要参考文献列表——如果没有 refs.bib，也没有参考文献列表，则跳过。先运行 /verify-refs --strict（这些扫描会读取其审计结果），然后运行充分性检查器：

python3 "${CLAUDE_SKILL_DIR}/scripts/check_reference_adequacy.py" \
  --manuscript manuscript/manuscript.md --bib "$BIB" \
  --article-type "$TYPE" ${CAP:+--journal-cap "$CAP"} \
  --out qc/reference_adequacy.json --strict

qc/reference_audit.json 中存在 FABRICATED 记录或任何 duplicate_findings[] 条目，均属于阻止投稿的 P0 Major Comment。当稿件包含参考文献列表且你正在审查引文时，请阅读 references/phases/phase2_5c_reference_scans.md。

阶段 2.5d：交叉引用质控（手稿 ↔ 渲染后的 DOCX）

当构建脚本沿用自身的旧版 SSOT 时，正文中的表格／图引用可能会解析到渲染后 DOCX 中的另一条标题；其他阶段都无法发现这一问题。

Markdown 阶段（始终运行）。 每条带标题的 Figure N. / Table N. 都必须在正文其他位置被引用：

python3 "${CLAUDE_SKILL_DIR}/scripts/check_figure_citation.py" \
  --manuscript manuscript.md --out qc/figure_citation.json

FIGURE_ORPHAN / TABLE_ORPHAN（次要）：有图例但正文中没有引用的浮动对象。

DOCX 阶段（仅当存在渲染后的 DOCX 时——流转稿、构建后检查）：

python3 "${CLAUDE_SKILL_DIR}/../manage-refs/scripts/check_xref.py" \
  --md manuscript/manuscript.md --docx manuscript/manuscript_final.docx \
  --out qc/xref_audit.json [--allow-separate-attachments]

MISMATCH 始终为主要问题（P0）。MISSING_DOCX 和 MISSING_BODY 默认均为主要问题（P0）。 对于将图表作为单独附件接收的期刊（European Radiology、Radiology、AJR），传入 --allow-separate-attachments：这会将 MISSING_DOCX 降级为次要问题；仅当未提供 --docx 时，MISSING_BODY 才会降级为次要问题——由于没有进行检查，应将这些行视为未经验证（summary.downgraded_unchecked），并在提交前使用 --docx 重新运行。对于渲染后的 DOCX 中确实存在浮动对象的情况，MISSING_BODY 仍为 P0（SSOT 漂移）。UNCITED 为次要问题。

在 --fix 模式下，切勿自动修复交叉引用缺陷，因为如果不重新运行 DOCX 构建，重写正文标题只会让不匹配转移位置。将每条 P0 行单独输出为一条编号为 M 的主要评论，设置 category: "F" 和 fixable_by_ai: false，并引导用户前往 /write-paper 第 7.6a 步。若交叉引用检查门已触发且你正在撰写核对结果，请阅读 references/phases/phase2_5d_xref_qc.md。

阶段 2.5e：混杂因素完整性（仅观察性研究）

运行时机： 中心论点是校正后的暴露因素–结局关联的观察性手稿（队列、病例对照、横断面、健康筛查登记研究）。RCT、诊断准确性研究、SR/MA 和描述性研究跳过此步骤。

通过正文审阅无法发现这样一个协变量：它已测量、在表 1 中的暴露组间不平衡，且未纳入校正集（探查 O1）。运行检查门，并将每个 UNADJUSTED_IMBALANCED 协变量视为预期主要评论（类别 A）：

python3 "${CLAUDE_SKILL_DIR}/scripts/check_confounding_completeness.py" \
  --table1 table1_by_<exposure>.csv \
  --adjusted-list "age, sex, BMI, hypertension, diabetes" \
  --exposure-defining-list "body mass index, waist, fasting glucose, triglycerides, HDL cholesterol" \
  --out qc/confounding_completeness.json --strict

对于观察性手稿，请阅读 references/phases/confounding_completeness.md 以了解完整流程：针对指南定义暴露因素（MASLD / metabolic syndrome / CKM / sarcopenia / frailty）的 --exposure-defining-list 过度校正豁免、基于 mean ± SD 的 SMD 备用计算方法、扩展校正敏感性模型（在缩减后的完整病例框架上重新拟合未校正估计值，而非使用完整框架），以及 references/domain-probes/observational_confounding.md 中的 O2–O10 探查。

第 2.5f 阶段：主张与材料交叉核查

本阶段会将主张与其应追溯到的材料（预注册、方案、分析输出）进行核对，找出正文内部自洽却与这些材料不符的情况。运行各项检查（传入补充材料，确保语料完整）：

# 1. claims ↔ pre-registration/protocol: estimand provenance + E-value arithmetic
python3 "${CLAUDE_SKILL_DIR}/scripts/check_claim_artifact.py" \
  --manuscript manuscript.md --prereg prereg.md \
  --out qc/claim_artifact.json --strict   # + --evalues evalues.json (templates/) to recompute declared E-values

# 2. Methods ↔ Results ↔ disk coverage (both directions: promised-absent AND run-but-unreported)
python3 "${CLAUDE_SKILL_DIR}/scripts/check_artifact_coverage.py" \
  --manuscript manuscript.md --supplement supplement.md --analysis-dir output/analysis \
  --out qc/artifact_coverage.json --strict

# 3. reader-facing residue in EVERY rendered artifact, not just the body
python3 "${CLAUDE_SKILL_DIR}/scripts/check_supplement_hygiene.py" \
  --supplement supplement.md --supplement tables.md --supplement captions.md \
  --manuscript manuscript.md --out qc/supplement_hygiene.json --strict

# 4. float AND in-text reference-number ([N]) citation order — a desk-reject item the hygiene gate does not cover
python3 "${CLAUDE_SKILL_DIR}/scripts/check_citation_order.py" \
  --manuscript manuscript.md --out qc/citation_order.json --strict

# 5. a headline null is uninterpretable without a precision statement
python3 "${CLAUDE_SKILL_DIR}/scripts/check_null_calibration.py" \
  --manuscript manuscript.md --out qc/null_calibration.json --strict

# 5b. a headline OR/HR/RR whose 95% CI spans an order of magnitude (a direction, not a magnitude), or events/covariates < 10 (EPV)
python3 "${CLAUDE_SKILL_DIR}/scripts/check_effect_stability.py" \
  --manuscript manuscript.md --out qc/effect_stability.json --strict

# 5c. incorporation bias — a trajectory-defined reference standard with a trajectory predictor (growth) reported as associated with the outcome
python3 "${CLAUDE_SKILL_DIR}/scripts/check_incorporation_bias.py" \
  --manuscript manuscript.md --out qc/incorporation_bias.json --strict

# 6. reader/observer study only — prove the (call × confidence) → score encoding is strictly
#    monotonic; a folded score silently mis-estimates the AUC and no prose review can see it
python3 "${CLAUDE_SKILL_DIR}/../analyze-stats/scripts/rating_monotonicity.py" \
  --encoding score_def.json

判定	严重程度
PRIMARY_REASSIGNED	重大——主要结局在结果已知后被重新指定
EVALUE_ARITHMETIC	重大——对已声明的主要结局估计值重新计算；EVALUE_NON_PRIMARY 是提示性标记（检查 E 值界定的是哪个估计值）
PROMISED_ABSENT、DISK_UNREPORTED、PROMISED_STAT_NO_VALUE	重大
SUPP_INTERNAL_LABEL、SUPP_PLACEHOLDER、SUPP_BUILD_MARKER、SUPP_RESPONSE_FRAMING、SUPP_PLANNING_RESIDUE、SUPP_XREF_UNRESOLVED	重大——补充材料中的疏漏在技术检查中与正文中的疏漏一样严重
CITATION_ORDER	重大；CITATION_GAP 轻微
CONFIRM_NULL_NO_MDE	重大
ESTIMAND_DRIFT、PRIMARY_DISCLOSURE_NOTE	提示性轻微——绝不会阻止通过。 来源匹配采用模糊方式（基于词项重合）；请先对照实际预注册进行确认。PRIMARY_DISCLOSURE_NOTE 标记的是指南建议的诚实披露——请勿因此处罚。

使用 --evalues（架构见 references/evalues_schema.md）时，系统会根据每个已声明的 E 值所对应的 RR 和 CI，按所有数字的印刷精度重新计算 E 值（VanderWeele–Ding；CI 的 E 值取最接近 1 的界限）：EVALUE_DECLARED_MISMATCH 为重大，EVALUE_DECLARED_NOT_IN_TEXT 为轻微；OR/HR 必须转换为 RR，或声明为 other:（轻微，不重新计算）。 已知限制：仅分析正文模式下，E 值检查会在每个“.”处拆分句子，因此“HR 1.52”中的小数点可能导致估计值被截出其检查范围（EVALUE_UNVERIFIABLE）；系统无法识别“E-value = 3.10”、“(E-value 3.10)”及其复数形式，也无法识别 CI 界限的 E 值（未使用 --evalues 时会产生未解决问题 SR-02）。请手动检查，或将其声明出来。

没有脚本能完成的检查（需进行正文判断）：

1. 主要结局变更防护——针对同一对比有两个模型，一个显著、一个为零效应，却突出显示显著结果：请确认哪个是预先指定的。
2. 标题与自身敏感性分析的方向——标题中的主张若与作者自己的敏感性分析估计值方向相反，意味着论文与自身的稳健性检查相矛盾（重大）。
3. 图中嵌入的数字无法通过 grep 检查——以上所有数值审计都会漏掉栅格化图像中的数字。提交前请逐页目视检查每张图。

每次调整表述后，都要重新运行 /sync-submission 的 check_cross_artifact_stale.py，而不只是开始时运行一次。对于事件发生时间结局的稿件，请执行 references/domain-probes/survival_prognostic.md 中的探查项 S8（目标估计量的来源）。若上述检查触发，且你需要了解其理由和解决路径，或需要核对预注册，请阅读 references/phases/phase2_5f_claim_artifact.md。

阶段 2.5g：编辑印象／防御性措辞扫描（上限检查）

在底线关卡（阶段 2.5–2.5f）之后运行：它会读取准确的稿件，并建议删去哪些内容。此检查仅供参考，且不会阻断流程——它绝不会产生 Major，也不会阻止提交。

python3 "${CLAUDE_SKILL_DIR}/scripts/check_editorial_impression.py" \
  --manuscript manuscript.md --out qc/editorial_impression.json

即使使用 --strict，它也会以状态码 0 退出，并最多生成六条判定，每条都带有一个 SUBTRACTION action：

判定	读起来像是	操作
HEDGE_DENSITY	每 1,000 个叙述性词语中的防御性限定词数量超过阈值	TIGHTEN
HEDGE_REPEAT	正文和摘要中重复出现同一种限定语	TIGHTEN
AUDIT_IN_BODY	叙述中出现 SHA／提交记录／单元测试／锁定后／清单／种子	MOVE（→ 方法／补充材料）
LIMITATIONS_VOLUME	局限性部分列出的条目过多	TIGHTEN（合并）
ABSTRACT_CAVEAT_LOAD	摘要中有多处限定语从句	TIGHTEN
BURIED_DEFENSE	有力的数值稳健性结果只出现在局限性／补充材料中	MOVE（→ 结果）

每项发现都会成为 issues[] 中的一条 Minor 条目，包含 category: "L"、category_name: "Editorial impression"、issue_type: "editorial_impression"、subtype: <verdict> 和 action: "REMOVE" | "MOVE" | "TIGHTEN"，并在阶段 3 的“编辑印象风险”区块中报告。将这些条目标记为 fixable_by_ai: false——收紧限定语或移动结果属于需要作者判断并体现作者风格的修改——但明确重复的 HEDGE_REPEAT 除外，--fix 可以将其合并为一处表述。

当前序阶段建议添加限定语或披露信息时，应结合 L 类问题权衡：诚信至关重要的披露必须保留，简洁表述一次；防御性过度披露则应删去或移至别处。只在一处说明，并指向补充材料，而不要在每个论述位置重复。

阶段 2.5h：基线漂移（以最近一次经人工批准的版本为基准）

在上限检查之后、循环控制器（阶段 2.5i）之前运行。每轮润色都以上一版 AI 输出为基线，因此表述偏差会在无形中累积；此关卡会将稿件与最近一次经人工批准的版本（即发送给资深作者／合著者审阅的冻结版 v_N，而非最近一版 AI 输出）进行比较。若没有基线（初稿），则跳过此项。

python3 "${CLAUDE_SKILL_DIR}/scripts/check_baseline_drift.py" \
  --manuscript manuscript.md --baseline "$BASELINE_MD" \
  --out qc/baseline_drift.json

判定	信号（基线 → 当前版本）	纳入报告的方式
STRENGTH_INFLATION	确定性标记增加，同时限定语减少	Minor — 将语气调整回已批准的强度
SIGNIFICANCE_INFLATION_DRIFT	新增 novel／pivotal／unprecedented 等词语	Minor — 删除夸大表述
SCOPE_INFLATION_DRIFT	新增概括性短语（“在临床实践中”）	Minor — 估计目标并未扩大；重新限定范围
HEDGE_ACCRETION	限定语／注意事项密度上升	Minor — 累积性过度收紧；TIGHTEN

所有发现均为 Minor，且仅供参考；此关卡绝不会阻断流程。应将漂移视为对照已批准基准进行检查的提示，而非要求回退——新的分析可能足以支持更强的论断，但作者应予以确认。qc/baseline_drift.json 会传递给循环控制器，因此发生漂移的稿件不会被视为零修改的 PASS。

阶段 2.5i：精修终态（循环控制器）

在完成底线门禁和上限检查后，最后运行此步骤：它会读取它们的 qc/*.json 产物，并判断“审阅 → 修订 → 审阅”循环是否已完成，避免对准确的稿件进行不必要的过度强化。此步骤仅供参考，绝不会阻止流程；不要将其视为底线检测器的第二道门禁，底线检测器在 --strict 模式下已经会因各自的 Major 而失败。

python3 "${CLAUDE_SKILL_DIR}/scripts/refinement_stop.py" \
  --qc-dir qc --out qc/refinement_stop.json

判定结果	含义	执行框架必须执行的操作
CONTINUE	底线门禁仍报告 Major	仍有实质工作要做——继续
STOP_OVERHARDENING	底线检查干净，但上限检查发现累积问题	停止添加；只剩可选的删减（REMOVE/MOVE/TIGHTEN）——不要再运行添加内容的轮次
STOP_MINOR_OPTIONAL	底线检查干净，只剩可选的 Minor 润色	停止必需工作循环；将 Minor 项目列为可选清单，不要为此继续循环
STOP_ZERO_EDIT	底线检查已达固定点，上限检查干净	稿件原样即可提交——无需编辑。不要凭空制造修改。 将零编辑 PASS 作为正式结果报告
INDETERMINATE	尚无门禁产物、未解析出底线门禁（例如只运行了上限检查），或 qc/*.json 为空/无效（门禁在 --json > file 下崩溃）	先运行或重新运行底线 + 上限门禁

已知限制：如果某个按检测器分类的产物，其发现项不在 claims / findings 下（例如 /verify-refs 的 qc/reference_audit.json），则会被列为 Unparsed 并显示 WARNING，但这本身不会阻止 STOP_*；采取停止操作前，请先查看该产物自身的判定结果。

一旦判定结果为任意 STOP_*，就停止添加内容的循环：在阶段 3 报告中说明终态，不要重新运行自我审阅来寻找“另一个问题”。零编辑或仅剩可选 Minor 的结果都是合理结果，并不代表尝试不够。

阶段 2.5j：精修回归（跨轮次比较修复与破坏）

每轮都运行，在循环控制器之后执行。修订解决发现项 X 的同时，可能引入发现项 Y，而通过率会掩盖这一点；此步骤会读取运行历史记录表（一行对应一次运行，记录其发现项的 verdict@where 指纹），并报告修订修复了什么、破坏了什么。

python3 "${CLAUDE_SKILL_DIR}/scripts/refinement_regression.py" \
  --qc-dir qc --ledger qc/refinement_ledger.jsonl --append \
  --out qc/refinement_regression.json

在实际运行时使用 --append，将当前发现项作为下一条记录；省略此选项则只进行分类，不予记录。

判定结果	含义	执行框架必须执行的操作
PROGRESSING	发现项已解决，没有新增项	继续
REGRESSION	修订引入了新的发现项	接受修复前先审查新发现项——通过率提高了，但也有内容被破坏
CHURNING	已解决的发现项再次出现（镜像循环）	停止修订并重新锚定——更多轮次只会重新推导问题，无法收敛
CONVERGED	没有新增项，也没有遗留项	循环已完成
INDETERMINATE	首次运行，没有先前记录	修订后重新运行

此步骤仅供参考，绝不会阻止流程。在阶段 3 中报告这两个维度：只有在解决了发现项，且 new/churn 列均为空时，修订才算有所改进。

阶段 2.6：多 Agent 小组审阅（--panel，可选）

仅当传入 --panel 时运行此阶段；应在数值审计（阶段 2.5–2.5d）之后运行，以便审阅者看到经源文件核实的数字，并在阶段 3 报告之前运行，因为阶段 3 报告会用到审阅结果。启动任何操作前，必须满足两项条件：SSOT 必须唯一（阶段 1 步骤 4 的门槛——如果有多个未固定的、类似手稿的 .md 文件，则暂停并询问）；审阅者名单不得形成底层技术单一化（与起草者共用模型的审阅小组会继承其盲点；至少安排一个视角由 Codex 或人类合作者提供）。check_panel_diversity.py --strict 会强制执行第二项条件，并在返回的审阅少于启动的审阅者数量时触发 PANEL_UNDERRETURN——返回审阅数少于 2 的小组属于运行失败，而非审阅不充分。

传入 --panel 时，请阅读 ${CLAUDE_SKILL_DIR}/references/phases/phase2_6_panel.md——其中包含审阅者集合表、名单清单、编辑综合意见和视角多样性门槛。

阶段 3：报告

撰写评论前，先浏览 references/exemplar_findings/ 中与当前发现相关的示例（队列算术不匹配、未调整的混杂因素、横断面研究范围夸大、事后主要结局／估计目标偏移）。每个示例都展示了完整结构——门槛触发、以审阅者口吻撰写的评论、致命／可修复、类别字母、修复建议、fixable_by_ai、可用于 R0 的表述。遵循其结构，而非措辞；这些示例是合成的。

按以下结构将报告写入 qc/self_review.md：

# Self-Review Report: {manuscript title}

**Target journal**: {journal}
**Manuscript type**: {type}
**Date**: {date}
**Overall assessment**: {1-2 sentences: key vulnerability and overall readiness}

## Anticipated Major Comments (fix before submission)

M1. **{Issue title}** [{Category letter}]
{1-2 sentences: what a reviewer would likely say, with specific manuscript location}
**Severity**: {Fatal | Fixable}
**Suggested fix**: {specific, actionable fix using existing data}

M2. ...

## Anticipated Minor Comments (address proactively)

m1. **{Issue}** [{Category}]: {1 sentence with location + fix}
m2. ...

## Editorial-Impression Risks (REMOVE / MOVE / TIGHTEN)

*The subtraction axis — what to take out, move, or tighten so the accurate manuscript reads
confidently. Advisory and non-blocking; from Phase 2.5g / category L. Omit this block only if the
scan returned nothing.*

L1. **{Issue}** [{REMOVE | MOVE | TIGHTEN}]: {1 sentence — what reads as over-defensive and where, with the subtraction to make}
L2. ...

## Strengths (emphasize in cover letter)

- {Specific strength 1}
- {Specific strength 2}
- ...

将 ADD / FIX 轴（主要／次要评论）与 SUBTRACTION 轴（编辑印象风险）在视觉上分开；绝不要把 L 项归入次要评论。

在建议的修复方案和阶段 4 起草的任何文本中：

• 参考文献仅可来自 /search-lit，且必须有已确认的 DOI 或 PMID；其他参考文献均标记为 [UNVERIFIED - NEEDS MANUAL CHECK]（阶段 2.5c 会拦截标记为 FABRICATED 的参考文献）。
• 对于无法核实的临床定义、诊断标准和指南建议：标记 [VERIFY] 并询问用户；绝不要编造。

简洁性：每条评论都要说明审阅者会提出什么、问题在哪里以及如何修复：主要评论用几行，次要评论用一两句话，编辑印象风险用一句话。列出门槛检查和审阅中产生的所有主要评论（每条 P0 门槛记录各自构成一条主要评论）；绝不要为满足数量要求而合并或删除。优点：仅列出值得在投稿附信中重申的少数优点——绝不要写任何抢先回应异议的句子（预期异议应放入回复信条目；参见 §L）。

阶段 3b：R0 编号（可选）

如果用户计划在收到真实审阅意见后使用 /revise，请提出追加带 R0 编号的输出，以便之后区分预期评论（R0）和新出现的评论（仅 R1）：

## R0 Pre-Submission Findings (for /revise cross-reference)

R0-1 [MAJ] {mapped from M1}: {issue title}
R0-2 [MAJ] {mapped from M2}: {issue title}
R0-3 [MIN] {mapped from m1}: {issue title}
...

阶段 3c：结构化 JSON 输出（--json）

仅当传入 --json 时（或其他技能会使用本次运行结果时）才输出机器可读的 JSON：将该代码块追加到报告中，并写入 qc/self_review.json。传入 --json 或下游技能会使用本次运行结果时，请阅读 ${CLAUDE_SKILL_DIR}/references/phases/phase3c_json_output.md，了解架构、字段含义和完整示例。 JSON 包含一个 coverage 台账（记录 A–L 各类别及每个已加载探测模块的状态），并且只要任何适用条目的状态为 not_assessed，就不得标记为 PASS。使用 scripts/check_review_coverage.py --review qc/self_review.json --out qc/review_coverage.json --strict 完成检查（退出代码 1 = 有尚未处理的类别却标记为 PASS；任何使用方读取前都必须先修正 JSON）。

阶段 4：修复支持（按需）

审阅在阶段 3 结束。当传入 --fix 或用户要求你应用或起草针对这些发现的修复时，请阅读 ${CLAUDE_SKILL_DIR}/references/phases/phase4_fix_support.md。