基于检查表的结构化手稿与基金评审：按方法论、统计有效性与报告规范（CONSORT/STROBE）评估并撰写正式同行评审意见，适合实际评审写作与手稿修改。

科学批判性评估与同行评审

概述

同行评审是评估科学手稿的系统过程。评估方法、统计、设计、可重复性、伦理和报告标准。将此技能应用于跨学科的手稿和基金评审，提供建设性、严格的评估。

何时使用此技能

当以下情况时应使用此技能：

为期刊进行科学手稿的同行评审
评估基金提案和研究申请
评估方法和实验设计的严谨性
审查统计分析和报告标准
评估可重复性和数据可用性
检查是否符合报告指南（CONSORT、STROBE、PRISMA）
为科学写作提供建设性反馈

相关资源： venue-templates 技能提供 reviewer_expectations.md，其中详细介绍了不同发表场合（Nature/Science、Cell Press、医学期刊、机器学习会议）的评审人关注点。可用它来校准你的评审标准以匹配目标发表场合。

使用科学示意图增强视觉效果

使用此技能创建文档时，始终考虑添加科学图表和示意图以增强视觉沟通。

如果您的文档尚未包含示意图或图表：

使用scientific-schematics技能生成AI驱动的出版质量图表
只需用自然语言描述您所需的图表
Nano Banana Pro将自动生成、审查和完善示意图

对于新文档： 应默认生成科学示意图，以直观表示文本中描述的关键概念、工作流程、架构或关系。

如何生成示意图：

python scripts/generate_schematic.py "您的图表描述" -o figures/output.png

AI将自动：

创建具有适当格式的出版质量图像
通过多次迭代进行审查和完善
确保可访问性（对色盲友好，高对比度）
将输出保存在figures/目录中

何时添加示意图：

同行评审工作流程图
评估标准决策树
审查过程流程图
方法评估框架
质量评估可视化
报告指南合规性图表
任何受益于可视化的复杂概念

有关创建示意图的详细指导，请参考scientific-schematics技能文档。

同行评审工作流程

通过以下阶段系统地进行同行评审，根据手稿类型和学科调整深度和重点。

阶段1：初步评估

从高级评估开始，确定手稿的范围、新颖性和整体质量。

关键问题：

中心研究问题或假设是什么？
主要发现和结论是什么？
工作是否科学合理且具有重要意义？
工作是否适合预期的发表场所？
是否存在任何会阻碍发表的重大缺陷？

输出： 简短摘要（2-3句话），捕捉手稿的本质和初步印象。

阶段2：详细的逐节审查

对每个手稿部分进行全面评估，记录具体问题和优势。

摘要和标题

准确性： 摘要是否准确反映研究内容和结论？
清晰度： 标题是否具体、准确且信息丰富？
完整性： 关键发现和方法是否得到适当总结？
可访问性： 摘要是否对广泛的科学受众可理解？

引言

背景： 背景信息是否充分且最新？
合理性： 研究问题是否明确动机和正当理由？
新颖性： 工作的原创性和重要性是否清晰阐述？
文献： 相关先前研究是否被适当引用？
目标： 研究目标/假设是否明确陈述？

方法

可重复性： 另一位研究人员能否根据提供的描述复制研究？
严谨性： 方法是否适合解决研究问题？
细节： 协议、试剂、设备和参数是否充分描述？
伦理： 伦理批准、同意和数据处理是否正确记录？
统计： 统计方法是否适当、清晰描述并合理？
验证： 对照、重复和验证方法是否充分？

需要验证的关键要素：

样本量和功效计算
随机化和盲法程序
纳入/排除标准
数据收集协议
计算方法和软件版本
统计测试和多重比较校正

结果

呈现： 结果是否逻辑清晰地呈现？
图表： 可视化是否适当、清晰且正确标记？
统计： 统计结果是否正确报告（效应大小、置信区间、p值）？
客观性： 结果是否无过度解释地呈现？
完整性： 是否包含所有相关结果，包括阴性结果？
可重复性： 是否提供原始数据或汇总统计？

需要识别的常见问题：

选择性报告结果
不适当的统计测试
缺少误差条或变异性度量
过度拟合或循环分析
批次效应或混杂变量
缺少对照或验证实验

讨论

解释： 结论是否得到数据支持？
局限性： 研究局限性是否得到承认和讨论？
背景： 发现是否适当地置于现有文献中？
推测： 推测是否与数据支持的结论明确区分？
重要性： 含义和重要性是否清晰阐述？
未来方向： 是否讨论了下一步或未回答的问题？

红旗信号：

过度陈述的结论
忽略矛盾证据
从相关数据得出因果声明
对局限性的讨论不足
没有机制证据的机制声明

参考文献

完整性： 关键相关论文是否被引用？
时效性： 是否包含最近的重要研究？
平衡性： 相反观点是否被适当引用？
准确性： 引用是否准确和适当？
自引： 是否存在过度或不适当的自引？

阶段3：方法和统计严谨性

评估研究的技术质量和严谨性，特别关注常见陷阱。

统计评估：

统计假设是否满足（正态性、独立性、 homoscedasticity）？
效应大小是否与p值一起报告？
多重测试校正是否适当应用？
是否提供置信区间？
样本量是否通过功效分析合理？
参数 vs. 非参数测试是否适当选择？
缺失数据是否正确处理？
探索性 vs. 确认性分析是否区分？

实验设计：

对照是否适当且充分？
复制是否充分（生物学和技术）？
潜在混杂因素是否被识别和控制？
随机化是否正确实施？
盲法程序是否充分？
实验设计是否最适合研究问题？

计算/生物信息学：

计算方法是否清晰描述和合理？
软件版本和参数是否记录？
代码是否为可重复性而提供？
算法和模型是否适当验证？
计算方法的假设是否满足？
批次校正是否适当应用？

阶段4：可重复性和透明度

评估研究是否符合现代可重复性和开放科学标准。

数据可用性：

原始数据是否存放在适当的存储库中？
公共数据库的登录号是否提供？
数据共享限制是否合理（例如，患者隐私）？
数据格式是否标准且可访问？

代码和材料：

分析代码是否可用（GitHub、Zenodo等）？
独特材料是否可用或描述充分以便重现？
协议是否详细到足够深度？

报告标准：

手稿是否遵循学科特定的报告指南（CONSORT、PRISMA、ARRIVE、MIAME、MINSEQE等）？
请参阅references/reporting_standards.md获取常见指南
适当检查表的所有元素是否都已解决？

阶段5：图表和数据呈现

评估数据可视化的质量、清晰度和完整性。

质量检查：

图表是否高分辨率且清晰标记？
轴是否正确标记单位？
误差条是否定义（SD、SEM、CI）？
统计显著性指标是否解释？
配色方案是否适当且可访问（对色盲友好）？
图像是否包含比例尺？
数据可视化是否适合数据类型？

完整性检查：

是否有图像操纵的迹象（重复、拼接）？
Western blot和凝胶是否适当呈现？
代表性图像是否真正具有代表性？
是否显示所有条件（无选择性呈现）？

清晰度：

图表是否能独立于其图例存在？
每个图表的信息是否立即清晰？
是否有冗余图表或面板？
数据是否更好地以表格或图表形式呈现？

阶段6：伦理考虑

验证研究是否符合伦理标准和指南。

人类受试者：

IRB/伦理批准是否记录？
知情同意是否描述？
弱势群体是否得到适当保护？
患者隐私是否充分保护？
潜在利益冲突是否披露？

动物研究：

IACUC或同等批准是否记录？
程序是否人道且合理？
是否考虑了3Rs（替代、减少、优化）？
安乐死方法是否适当？

研究完整性：

是否存在数据捏造或伪造的担忧？
作者身份是否适当且合理？
竞争利益是否披露？
资金来源是否披露？
是否存在剽窃或重复发表的担忧？

阶段7：写作质量和清晰度

评估手稿的清晰度、组织和可访问性。

结构和组织：

手稿是否逻辑组织？
各部分是否连贯流动？
思想之间的过渡是否清晰？
叙述是否引人注目且清晰？

写作质量：

语言是否清晰、精确且简洁？
行话和首字母缩略词是否最小化并定义？
语法和拼写是否正确？
句子是否不必要地复杂？
被动语态是否过度使用？

可访问性：

非专家是否能理解主要发现？
技术术语是否解释？
重要性是否对广泛受众清晰？

结构化同行评审报告

以分层结构组织反馈，优先考虑问题并提供可行的指导。

摘要声明

提供简洁的整体评估（1-2段）：

研究的简要概述
总体建议（接受、小修、大修、拒绝）
关键优势（2-3个要点）
关键弱点（2-3个要点）
对重要性和合理性的底线评估

主要评论

列出严重影响手稿有效性、可解释性或重要性的关键问题。按顺序编号以便于参考。

主要评论通常包括：

基本方法缺陷
不适当的统计分析
无支持或过度陈述的结论
缺少关键对照或实验
严重的可重复性问题
文献覆盖的重大差距
伦理问题

对于每个主要评论：

明确陈述问题
解释为什么它有问题
建议具体解决方案或额外实验
指出解决它是否对发表至关重要

次要评论

列出不太关键但会提高清晰度、完整性或呈现的问题。按顺序编号。

次要评论通常包括：

不清楚的图表标签或图例
缺少方法细节
排版或语法错误
改进数据呈现的建议
次要统计报告问题
会加强结论的补充分析
澄清请求

对于每个次要评论：

确定具体位置（部分、段落、图表）
明确陈述问题
建议如何解决它

特定的逐行评论（可选）

对于需要详细反馈的手稿，提供特定部分或逐行评论：

参考特定页码/行号或部分
注意事实错误、不清楚的陈述或缺少的引用
建议具体编辑以提高清晰度

给作者的问题

列出需要澄清的具体问题：

不清楚的方法细节
看似矛盾的结果
评估工作所需的缺失信息
对额外数据或分析的请求

语气和方法

在整个审查过程中保持建设性、专业和 collegial的语气。

最佳实践：

建设性： 将批评框定为改进机会
具体： 提供具体示例和可行建议
平衡： 承认优势和劣势
尊重： 记住作者投入了大量努力
客观： 关注科学，而不是科学家
彻底： 不要忽视问题，但适当优先排序
清晰： 避免模糊或含糊的批评

避免：

人身攻击或不屑的语言
讽刺或居高临下的态度
没有具体例子的模糊批评
要求超出范围的不必要实验
要求遵循个人偏好而非最佳实践
如果审查是双盲的，泄露您的身份

按手稿类型的特殊考虑

原始研究文章

强调严谨性、可重复性和新颖性
评估重要性和影响
验证结论是否以数据为驱动
检查方法和适当对照的完整性

综述和元分析

评估文献覆盖的全面性
评估搜索策略和纳入/排除标准
验证系统方法和无偏性
检查批判性分析与 mere 总结
对于元分析，评估统计方法和异质性

方法论文

强调验证和与现有方法的比较
评估可重复性和协议/代码的可用性
评估对现有方法的改进
检查实施的足够细节

短篇报告/信件

适应简洁性的期望
确保核心发现仍然严谨且重要
验证格式是否适合发现

预印本

认识到这些尚未经过正式同行评审
可能不如期刊提交的稿件抛光
仍然对科学有效性应用严格标准
考虑提供建设性反馈，帮助作者在期刊提交前改进

演示文稿和幻灯片

⚠️ 关键：对于演示文稿，永远不要直接阅读PDF。始终先转换为图像。

审查科学演示文稿（PowerPoint、Beamer、幻灯片）时：

强制基于图像的审查工作流程

永远不要尝试直接阅读演示文稿PDF - 这会导致缓冲区溢出错误，并且不会显示视觉格式问题。

必要流程：

使用Python将PDF转换为图像：

   python skills/scientific-slides/scripts/pdf_to_images.py presentation.pdf review/slide --dpi 150
   # 创建：review/slide-001.jpg, review/slide-002.jpg 等

顺序读取和检查每个幻灯片图像文件
记录特定幻灯片编号的问题
提供有关视觉格式和内容的反馈

开始审查时打印：

[HH:MM:SS] PEER REVIEW: Presentation detected - converting to images for review
[HH:MM:SS] PDF REVIEW: NEVER reading PDF directly - using image-based inspection

演示文稿特定评估标准

视觉设计和可读性：

[ ] 文本足够大（正文文本最小18pt，理想24pt+）
[ ] 文本和背景之间的高对比度（最小4.5:1，首选7:1）
[ ] 配色方案专业且对色盲友好
[ ] 所有幻灯片一致的视觉设计
[ ] 适当的空白（不拥挤）
[ ] 字体清晰专业

布局和格式（检查每张幻灯片图像）：

[ ] 无文本溢出或在幻灯片边缘截断
[ ] 无元素重叠（文本覆盖图像，重叠形状）
[ ] 标题位置一致
[ ] 内容正确对齐
[ ] 项目符号和文本未被切断
[ ] 图表适合幻灯片边界
[ ] 标题和标签可见且可读

内容质量：

[ ] 每张幻灯片一个主要思想（不过载）
[ ] 最小文本（每张幻灯片最多3-6个项目符号）
[ ] 项目符号简洁（每个5-7字）
[ ] 图表简化且清晰（不是从论文复制粘贴）
[ ] 数据可视化有大而可读的标签
[ ] 引用存在且格式正确
[ ] 结果/数据幻灯片占主导（内容的40-50%）

结构和流程：

[ ] 清晰的叙述弧（介绍 → 方法 → 结果 → 讨论）
[ ] 幻灯片之间的逻辑进展
[ ] 幻灯片数量适合演讲持续时间（约每分钟1张幻灯片）
[ ] 标题幻灯片包括作者、 affiliation、日期
[ ] 介绍引用相关背景文献（3-5篇论文）
[ ] 讨论引用比较论文（3-5篇论文）
[ ] 结论幻灯片总结关键发现
[ ] 最后有致谢/资金幻灯片

科学内容：

[ ] 研究问题明确陈述
[ ] 方法充分总结（不过度详细）
[ ] 结果以清晰的可视化逻辑呈现
[ ] 统计显著性适当指示
[ ] 结论得到所示数据的支持
[ ] 局限性在适当情况下得到承认
[ ] 讨论未来方向或更广泛的影响

需要标记的常见演示文稿问题：

关键问题（必须修复）：

文本溢出使内容不可读
字体大小太小（<18pt）
元素重叠遮挡数据
对比度不足（文本难以阅读）
图表太复杂或难以辨认
无引用（完全无支持的声明）
幻灯片数量与持续时间严重不匹配

主要问题（应该修复）：

幻灯片设计不一致
文本过多（文本墙，非项目符号）
图表简化不良（轴标签太小）
布局拥挤，空白不足
缺少关键结构元素（无结论幻灯片）
颜色选择不当（不对色盲友好）
结果内容最少（<30%的幻灯片）

次要问题（改进建议）：

可以使用更多视觉/图表
某些幻灯片略显文本密集
轻微对齐不一致
可以从更多空白中受益
额外引用会加强声明
配色方案可以更现代

演示文稿的审查报告格式

摘要声明：

演示文稿质量的整体印象
对目标受众和持续时间的适当性
关键优势（视觉设计、内容、清晰度）
关键弱点（格式问题、内容差距）
建议（准备好展示、小修、大修）

布局和格式问题（按幻灯片编号）：

幻灯片3：文本溢出 - 项目符号4延伸超出右边缘
幻灯片7：元素重叠 - 图表与标题文本重叠
幻灯片12：字体大小 - 轴标签太小，距离远无法阅读
幻灯片18：对齐 - 标题未居中

内容和结构反馈：

背景上下文和引用的充分性
研究问题和目标的清晰度
方法总结的质量
结果呈现的有效性
结论和含义的强度

设计和可访问性：

整体视觉吸引力和专业性
颜色对比度和可读性
色盲可访问性
幻灯片之间的一致性

时间和范围：

幻灯片数量是否与预期持续时间匹配
适合演讲类型的详细程度
各部分之间的平衡

基于图像的审查过程示例

[14:30:00] PEER REVIEW: 开始审查演示文稿
[14:30:05] PEER REVIEW: 检测到演示文稿 - 转换为图像
[14:30:10] PDF REVIEW: 对presentation.pdf运行pdf_to_images.py
[14:30:15] PDF REVIEW: 将25张幻灯片转换为review/目录中的图像
[14:30:20] PDF REVIEW: 检查幻灯片1/25 - 标题幻灯片
[14:30:25] PDF REVIEW: 检查幻灯片2/25 - 介绍
...
[14:35:40] PDF REVIEW: 检查幻灯片25/25 - 致谢
[14:35:45] PDF REVIEW: 完成基于图像的审查
[14:35:50] PEER REVIEW: 发现8个布局问题，3个内容问题
[14:35:55] PEER REVIEW: 按幻灯片编号生成结构化反馈

记住： 对于演示文稿，通过图像进行视觉检查是强制性的。永远不要尝试将演示文稿PDF作为文本阅读 - 这会失败并错过所有视觉格式问题。

资源

此技能包括支持全面同行评审的参考材料：

references/reporting_standards.md

跨学科主要报告标准（CONSORT、PRISMA、ARRIVE、MIAME、STROBE等）的指南，用于评估方法和结果报告的完整性。

references/common_issues.md

同行评审中遇到的常见方法和统计问题目录，以及识别和解决这些问题的指导。

最终检查表

在完成审查之前，验证：

[ ] 摘要声明清楚传达整体评估
[ ] 主要问题已明确识别和证明
[ ] 建议的修订具体且可行
[ ] 次要问题已注意但正确分类
[ ] 统计方法已评估
[ ] 可重复性和数据可用性已评估
[ ] 伦理考虑已验证
[ ] 图表和表格已评估质量和完整性
[ ] 写作质量已评估
[ ] 语气在整个过程中建设性和专业
[ ] 审查彻底但与手稿范围相称
[ ] 建议与已识别的问题一致

科学批判性评估与同行评审