写摘要时，最顺手的一句话往往是：“本研究证明中式早餐普遍存在营养问题。”它简短、有结论感，也像一篇已经完成的论文。可前九篇留下的证据只支持一件范围窄得多的事：在六个固定虚拟城市场景和一套教学评分下，1,200 份模拟早餐中有 55.8% 低于 6 分。
从这个数字到“中式早餐普遍存在营养问题”，中间越过了至少四道边界。模拟数据被写成现实调查，六个固定场景被写成全国样本，教学评分被写成已经验证的健康标准，早餐组成又被扩大成了人的健康结局。句子变得更有力，证据却没有增加。
论文写作因此不是研究结束后的包装。它是最后一次证据审计：每个重要句子能否回到明确的研究对象、设计、测量和分析，决定这篇论文是在报告研究，还是借研究的形式讲一个更响亮的故事。
好论文首先知道每项证据不能说什么
主要结果是 669/1,200 份早餐低于 6 分，比例为 55.8%，按店铺聚类调整的 95% 区间是 52.6%—58.9%。它允许作者写：在六个虚拟城市所占比重相同的模拟样本和教学评分下，低分早餐超过半数。它不允许作者删掉“虚拟”“等权”“教学评分”，再宣布中国多数中式早餐不健康。
模型结果同样有边界。有明确蛋白质食物、蔬菜、奶或豆类的调整后 OR 分别为 0.267、0.168 和 0.199，油炸食品与每增加 5 元价格的 OR 分别为 3.834 和 2.369。这些数支持的是：同时考虑模型中已经记录的城市、店铺类型和其他条件后，几项特征仍与低分状态有关。横断面研究没有真的给同一家店加蔬菜或涨价，也没有观察顾客健康，因此“增加蔬菜必然改善健康”“涨价造成低分”都不是关联结果的简写。
AUC 0.829 和 Brier 0.167 说明当前模拟模型具有一定排序和概率表现，留一城市 AUC 为 0.793—0.849，说明模型在六组同源虚拟数据之间没有完全失效。它们不能证明模型已经能够评价现实早餐，更不能指导个人选择。性能回答模型怎样区分当前数据，不能替设计回答变量为何有关。
低于 5、6、7 分时，低分比例分别是 38.8%、55.8% 和 70.7%。三个数共同说明总体判断高度依赖教学阈值，不是给作者三个可任选的“真实比例”。120 份复核记录中，蛋白质与钠估值误差为 6.7% 和 9.2%，只让两项测量误差有了一个教学量级，不能证明整套评分准确覆盖了“营养结构”。
写作中的克制不是把所有句子改得含糊。恰恰相反，范围说得越清楚，结论越准确。真正软弱的写法，是用“可能”“一定程度上”遮住已经越界的主张，却不说明证据究竟到哪里结束。
论文结构是在分配证明责任
引言负责把问题带到研究入口。它需要借可靠文献说明为什么关心早餐组合，现有证据在对象、场景或测量上留下什么缺口，最后给出本研究问题和预期。它不能一边提出问题，一边用“中式早餐普遍营养不良”提前宣布答案。同店早餐需要成组处理，则属于抽样与分析条件，不应冒充另一条营养学假设。
方法负责让另一名研究者知道实际做了什么。六个固定城市场景、四类门店、240 店×5 份的抽样结构，早餐组合的纳入定义，0—10 分和低于 6 分规则，90 份未实测、148 份配方估算的质量标记，120 份参照子样本，聚类区间、探索分组、logistic 模型、更换阈值和留一城市验证，都需要找到自己的位置。模拟数据怎样生成、随机种子和文件版本也应交代。55.8% 不该提前出现在方法里，那是结果；评分公式也不该第一次出现在结果里，那是方法。
结果按照研究问题顺序报告观察到了什么。先交代样本流转和数据质量，再写分布与主要比例，随后才是探索性模式、关联模型和稳定性检查。符合预期的食物标记要写，方向反直觉的价格关系也要写。结果是否越过某个统计门槛，不决定它是否有资格被读者看见。隐藏不顺眼的结果，只会让论文比研究本身更整齐。
讨论负责解释这些观察可能意味着什么，也要指出替代解释和不确定性。它可以提出较大组合、店铺定位或未测商圈可能参与价格关系，却不能把推测倒写成数据。与已有研究比较时，要比较对象、测量和设计，而不是只说“与某某研究一致”。讨论拥有解释空间，不拥有制造新证据的权利。
STROBE可以帮助观察性研究检查设计、场景、对象、变量、偏倚和分析是否透明。EQUATOR 对报告指南的说明也表明，报告指南的价值在于让必要信息不被遗漏。清单可以让错误设计更容易被看见，却不能补回漏掉的门店、验证教学评分或创造时间顺序。结构完整与证据成立仍是两回事。
局限必须具体改变一句结论
“本研究样本量有限，仍需进一步研究”几乎可以贴在任何论文末尾。它看似谦虚，读者却不知道该少相信哪一句话。真正有用的局限，要说明问题发生在哪里，以及它限制了哪项主张。
六座城市是固定虚拟场景，不是全国概率样本，所以 55.8% 不能外推成全国比例。0—10 分是教学操作定义，而且更换一分阈值就使比例从 38.8% 变到 70.7%，所以“失衡是否普遍”高度依赖评分规则。横断面同时记录组成、价格和评分，没有真实时间顺序，即使 OR 区间没有跨 1，也只能说明关联。
90 份未实测份量和 148 份估算配方会带来测量误差。较高质量子集的方向一致，只说明主要关联在一次排除条件下没有散掉，不能宣布误差已经消除。120 份复核又只检查了蛋白质和钠的一部分误差，没有验证总分是否完整测中了目标概念。
价格模型假定每增加 5 元以同一种方式关联结果，真实关系可能弯曲；商圈、菜单份量和顾客需求也可能没有被记录。六城还都来自同一个模拟机制，所以留一城市表现稳定只属于同源虚拟数据，不是现实外部验证。这一条必须进入摘要和结论，因为它决定整篇文章只能作为方法教学。
好的局限不是向审稿人道歉，而是给主张安装边界。它也会指出下一项研究真正需要改变什么：想估计现实比例，就要建立能够覆盖目标门店的抽样框并在现实中验证测量；想研究健康效果，就要把对象换成人，并增加时间或干预。笼统地说“未来扩大样本”无法解决这两类问题。
摘要是最容易发生证据膨胀的地方
摘要字数少，作者最容易保留漂亮数字、删掉限定。可摘要往往是最多人阅读、最常被转述的部分，限制不应该只藏在全文方法里。标题也应当让读者第一眼知道这是一项模拟教学案例，而不是用现实调查的外观换取点击。
把前九篇压缩成一段，仍然可以保持完整责任：“本研究使用六个固定虚拟城市片区、240 家店和 1,200 份早餐组合的模拟数据，演示横断面营养结构研究。五个教学维度形成 0—10 分，主要结果为低于 6 分；比例区间按店铺聚类，logistic 模型同时考虑食物标记、每 5 元价格、城市和店铺类型，并通过替代阈值、较高质量子集和留一城市方式检查稳定性。共有 669 份低于 6 分，比例为 55.8%（95% 区间 52.6%—58.9%）；三类食物标记 OR 为 0.267、0.168 和 0.199，油炸与价格 OR 为 3.834 和 2.369；模型 AUC 为 0.829，Brier 为 0.167，留一城市 AUC 为 0.793—0.849。低于 5 分和低于 7 分的比例为 38.8% 和 70.7%。结果只用于方法演示，不能解释为现实早餐现状、健康影响或价格干预效果。”
这段摘要没有装进所有城市和聚类结果，却让每个核心数字都有方法入口。55.8% 对应主要阈值，区间对应店铺聚类，OR 对应预设模型，AUC 与 Brier 对应模型表现，38.8% 与 70.7% 对应阈值敏感性。最重要的限制没有被压缩掉。精简的标准不是删掉背景条件，而是只保留真正承担主张的材料。
论文之外，冻结数据、字典、评分函数、分析代码和变更记录仍要能够对应正文。美国国家科学院关于可重复性与可复制性的资料区分使用相同材料重建计算与另取独立数据检验发现。当前教学项目首先要做到前者；即使所有数字都能复算，也不能把它说成现实结果已经被独立复现。
AI 可以改句子，不能改变证据身份
AI 可以对照研究问题寻找漏报结果，检查正文与表格的数字是否一致，或把过长句子改得顺一些。这些工作都有价值，但修改后的句子仍要回到原证据核对。模型若把 52.6%—58.9% 压成“约六成”，区间需要补回；若建议删掉反直觉的价格结果，作者应检查解释，而不是让故事变得更好看。
新增引用也不能凭标题相似直接接收。作者需要打开原文，确认它确实支持附近的判断。未公开数据、店铺信息或审稿材料交给外部工具以前，还要检查隐私、保密和目标期刊规则。ICMJE 关于作者使用 AI 的建议要求说明工具怎样被使用，并由人类作者检查准确性、完整性和引用；正式投稿时仍应核对目标期刊的最新政策。
最终责任无法外包，因为只有作者知道一句话改变了哪种证据身份。“与低分有关”被改成“改善营养”，不是普通润色；“六城模拟样本”被压成“中式早餐”，也不是为了简洁。任何重要句子若找不到对应的数据、方法和边界，就应当缩小或删除。
从最初的问题到最后的论文，研究并不是终于获得了更自由的表达空间。恰好相反，前面每项决定都在限制结尾能够怎样说。论文写得可信，不是因为作者把结果说得足够有力，而是读者能够沿每句话退回证据，并且在证据停下的地方，看见作者也停了下来。