如何调和研究论文中相互矛盾的发现

两篇可信的论文得出了相反的结论。在你写下“证据混杂”之前，请将分歧视为一个诊断性问题：这些研究是否真的以相同的方式、在相同的人群中、探究了相同的问题？一旦你并排比较人群、干预措施、结局、时间、设计、统计功效和分析选择，大多数表面上的冲突就会消解。比较之后仍然存在的冲突，才是值得报告的冲突。

本指南为时间敏感型决策备忘录、尽职调查审查或客户简报提供了一套可重复的流程。它包括诊断检查点、一个工作示例、一份可复用的检查清单，以及停止或升级规则，以便你知道何时得出结论、何时继续挖掘。

先写决策，再写主张。决策备忘录需要一个具体的问题，而不是一个主题。“干预措施X是否在时间范围T内改善人群Z的结局Y？”是可检验的；“文献对X是怎么说的？”则不是。

在此阶段，记录三件事：

• 决策：备忘录将支持的决策以及限制搜索的截止日期。
• 主张：用一句话表述，明确列出人群、干预措施、结局和时间。
• 置信水平：你稍后将分配的置信水平，现在定义好，以免事后为了偏好的答案而调整。

一个简单的三级量表就够用：高（多项一致的研究，定义一致）、中（方向一致但有显著空白或有一项强研究）、低（研究很少、定义冲突或设计差异未解决）。在阅读之前定义这些水平，可以保护备忘录免受动机性推理的影响。

Cochrane关于搜索和选择研究的指南即使在系统综述之外也是一种有用的纪律：根据你的纳入标准规划搜索，使用多个来源，将自由文本词与主题词结合，记录过程，去重记录，分阶段筛选，并将同一研究的多份报告关联起来。最后一点对冲突分析很重要——两篇“论文”可能是一项研究的两份报告，这是伪装成重复的一致性。

数据库帮助页面描述了你会依赖的机制。PubMed支持字段标签、短语搜索、过滤器、高级搜索、保存的搜索、相似文章、引文查找和全文链接，其搜索详情显示术语是如何被翻译和组合的。Google Scholar记录了作者和标题搜索、日期排序和限制、被引用和相关文章、引文导出以及定位作品的替代版本。使用这些来扩大覆盖范围并追踪一个主张是如何传播的，而不是替代有记录的策略。

对于初步扫描，通过WisPaper的学术搜索界面查找学术论文，并在筛选时保持你的纳入标准可见。如果你需要一个公共入口向利益相关者解释搜索步骤，用于查找学术论文的Scholar Search页面描述了那个起点。

检查点1： 你能陈述你的纳入标准，列出搜索的来源，并展示重复报告是如何关联到单一研究的。如果不能，停下来，在解释任何冲突之前修复搜索。

不要先读结论。阅读决定两项发现是否可比的七个维度：

1. 人群 — 研究了谁，如何选择，以及亚组是否不同。
2. 干预措施 — 剂量、强度、实施方式和对照。
3. 结局 — 确切的定义、测量工具，以及是否是同一构念。
4. 时间 — 随访长度和结局测量的时间。
5. 设计 — 研究结构及其能隔离和不能隔离的内容。
6. 统计功效 — 相对于所检测效应的样本量。
7. 分析选择 — 数据如何处理、调整或分组。

为每项研究建一行，每个维度建一列。任何一列的分歧都是冲突的候选解释；所有七列都趋同则更可能是真正的分歧。

这就是工作库发挥作用的地方。保存或上传论文并在WisPaper库中组织它们，以便每项研究的提取行与其来源保持关联。来源是备忘录的支柱：每个主张都应追溯到特定的论文和特定的提取值。

检查点2： 比较中的每项研究都填满了所有七个维度，或明确标记为“未报告”。缺失数据是一个发现，而不是空白。

按照以最少努力解决最多冲突的顺序处理各个维度。

询问研究是否在可比条件下招募了可比的人群。研究对象的差异可能产生相反的结果，而两项研究都没有错。如果人群不同，冲突可能是边界条件而非矛盾——将其报告为范围，而非分歧。

比较剂量、强度以及干预措施是相对于什么来衡量的。两项关于“相同”干预措施的研究可能测试的是实质上不同的版本。

检查两项研究是否在相同的随访时间用相同的工具测量了相同的构念。短期和长期结果可以合理地指向不同方向。时间差异是表面冲突最常见的来源之一。

询问每种设计能隔离什么，以及每项研究是否有能力检测所讨论的效应。小型研究和大中型研究可能因精确度而非效应真实差异而产生分歧。

比较每个团队如何处理亚组、调整和数据分组。分析决策可以将结果移动跨越阈值。

检查点3： 对于每个冲突，你已指出最可能负责的维度，并能指出支持该诊断的提取值。如果两个或更多维度同时分歧，升级为完整的比较表，而非叙述性总结。

假设一个尽职调查团队必须就“干预措施X改善结局Y”这一主张提供建议。桌上有两篇论文：一篇报告正面效应，另一篇报告无效应。截止日期是48小时。

第1步 — 框定。 主张写为“X在12个月内在人群Z中改善Y”。置信水平预先定义。

第2步 — 搜索和关联。 团队搜索多个来源，记录策略，并发现“正面”论文和一份后续报告是一项研究的两份报告。它们被关联为单一研究，降低了正面一方的表面权重。

第3步 — 提取。 比较表显示，正面研究在较窄人群中于3个月时测量Y，而无效研究在更广泛人群中于12个月时测量Y，样本量更大。

第4步 — 诊断。 时间和人群分歧；结局定义相同。冲突最好解释为边界条件：较窄群体中的短期效应，而非矛盾。

第5步 — 分配置信度和来源。 备忘录以中等置信水平陈述主张，将每个陈述附在其来源论文和提取值上，并将未解决的问题——短期效应是否持续——记录为明确的开放项。

第6步 — 升级。 由于决策取决于12个月的时间范围，而只有一项研究覆盖了它，团队向决策者标记这一空白，而不是平均两项结果。

对于运行此类多论文审查的团队，WisPaper的Scholar Agent区域用于文献综述和相关研究任务可以承载更长的审查工作，而提取表仍然是记录来源。

将此检查清单附在备忘录上，以便审查者可以审计推理过程。

检查点4： 未参与分析的审查者仅使用此表就能将备忘录中的任何主张追溯回论文和提取值。

在截止日期的压力到来之前决定规则。

停止并得出结论当所有七个维度都已提取，主要分歧来源已确定，并且可以以陈述的理由分配置信度时。将冲突报告为已解决、作为边界条件或真正未解决——每种都是合法输出。

升级当两个或更多维度同时分歧，当决策取决于仅有一项研究覆盖的维度，或当多份报告无法自信地关联到单一研究时。升级意味着更全面的比较或第二审查者，而不是更软弱的结论。

不要平均当研究在人群、时间或结局定义上不同时，将冲突结果平均为单一数字。平均掩盖了备忘录旨在揭示的差异。

决策备忘录的强度取决于其参考文献。在传阅之前，检查草稿中的每个引文是否对应真实、正确归属的来源。TrueCite对照真实学术数据库检查BibTeX以标记幻觉参考文献——这是客户简报或尽职调查包发出前的具体最终关口。

与此配合进行来源检查：确认备忘录中的每个主张都映射到表中记录的论文和提取值，并且置信水平与你开始时写的理由一致。

检查点5： 引文检查完成，来源追溯完成，置信水平与记录的证据一致。

备忘录发出后，利益相关者会问后续问题：“无效研究实际测量了什么？”“哪篇论文覆盖了12个月的时间范围？”从有组织的来源集回答可以保持回应与备忘录一致。基于上传到My Library或从搜索结果添加的论文提问，以查询备忘录所基于的同一证据基础，而不是在时间压力下从头重新搜索。