为了在基金申请书 (grant proposal) 中交叉验证数据完整性 (data integrity)，您必须系统地将您的基础论点与一手文献 (primary sources) 进行核对，确认方法学的一致性，并确保所有引用的文献准确且最新。
基金评审专家会严格审查您用于论证研究资助合理性的初步数据 (preliminary data) 和文献。如果您的申请书建立在被曲解的统计数据、被撤稿的论文 (retracted papers) 或薄弱的方法学之上，您的学术信誉将立即受损。交叉验证能确保您的申请书建立在无懈可击的基础之上。
以下是在提交前交叉验证数据的实用方法：
1. 将所有论点追溯至一手文献
绝不要依赖二手文献或综述文章来验证特定的数据点。作者在总结他人工作时，有时会误解或夸大研究结果。始终追踪原始的同行评审 (peer-reviewed) 论文，以确认原始数据和统计结果确实支持您在申请书中提出的论点。
2. 验证引用的准确性与状态
基金写作中的一个常见陷阱是引用了后来被更正、存在争议或被撤稿的文献。您必须审查您的参考文献目录，以确保来源的持续有效性。由于手动检查每个来源非常繁琐，使用像 WisPaper 的 TrueCite 这样的工具可以自动查找并验证您的引用，从而消除虚构参考文献 (hallucinated references) 或不准确的来源数据混入申请书的风险。
3. 评估方法学的一致性
当交叉验证先前研究的数据以支持您拟议的实验时，请比较方法学。确保基础论文中使用的样本量、对照组和统计模型符合基金评审专家所期望的标准。如果原始数据的收集方式与您计划收集数据的方式存在差异，您必须在申请书中说明这一差距。
4. 寻找多项研究中的共识
当有独立验证支持时，数据完整性是最强的。不要依赖单一论文来证明您研究计划中关键步骤的合理性，而应在多项独立研究中交叉验证数据。强调文献中的共识向评审专家表明，您拟议的研究建立在可重复、被广泛接受的科学基础之上。
5. 标准化您的内部数据
如果您包含了您自己的初步数据，请交叉验证您的图表、表格和正文中的数字，以确保完全一致。如果评审专家发现图表坐标轴标签与文本描述之间存在差异，很容易会认为您粗心大意从而否定整个申请书。在最终提交之前，请仔细检查所有计算、P值 (P-values) 和误差线 (error bars)。