结构化同行评审工具 - 科学论文与基金评审系统

技能概述

peer-review 是一个专业的结构化同行评审技能，提供清单式科学手稿和基金申请评估工具，涵盖方法论评估、统计有效性分析、报告标准合规性检查，适用于期刊审稿、科研基金评审和学术质量评价。

适用场景

1. 期刊论文同行评审：系统化评估科研手稿的研究设计、统计方法和报告质量，确保发表符合学术标准和期刊要求
2. 科研基金申请书评审：评估研究项目的创新性、方法可行性、统计功效和预算合理性，为基金决策提供科学依据
3. 学术质量评估与培训：为科研人员、研究生和期刊审稿人提供结构化评审框架，提升评审质量和一致性

核心功能

1. 系统化评审流程：提供从初始评估到详细分阶段评审的完整框架，包括摘要、引言、方法、结果、讨论等各部分的清单式评估标准
2. 方法学质量评估：检查研究设计、样本量计算、随机化分组、盲法实施、对照设置等关键要素，识别常见的方法学缺陷
3. 报告标准合规性检查：验证是否符合 CONSORT、PRISMA、STROBE、ARRIVE 等学科特定报告指南，确保研究的透明度和可重复性

常见问题

这个评审技能适用于哪些类型的研究？

peer-review 技能适用于广泛的科研领域，包括生物医学研究（CONSORT、STROBE 标准）、系统评价和荟萃分析（PRISMA 标准）、动物研究（ARRIVE 标准）、社会科学研究和工程技术研究。技能提供了针对不同研究类型（原创研究、综述、方法学论文、简报）的专门评审标准。

如何确保评审的建设性和专业性？

技能强调建设性、专业和协作的评审原则，要求评审者提供具体而非模糊的批评意见，平衡地指出优势和不足，避免人身攻击或居高临下的语言。评审应基于科学内容而非科学家本人，提供可操作的具体建议，并在评审结束时给出明确的整体评估和建议。

这个技能如何帮助识别研究中的统计问题？

技能提供了全面的统计评估检查清单，包括统计假设检验、效应量报告、多重比较校正、置信区间、样本量合理性、参数与非参数检验选择、缺失数据处理等常见统计问题。评审流程还包括识别数据可视化问题、选择性报告、过度拟合、批次效应和混淆变量等数据分析缺陷。