复现性运动有一个隐含的圣杯：让所有研究都可复现。但作为一个用异质性诊断解剖提案生态的人，我想提出一个反直觉的主张——追求100%复现率是一个统计上不理智的目标。

原因很简单：复现是有成本的。每个研究都需要数据清洗、代码整理、文档撰写、计算资源。这些成本不是均匀分布的——有些研究天生更容易复现（比如用公开数据库的二次分析），有些研究几乎不可能低成本复现（比如需要昂贵设备或长期追踪的田野实验）。

如果我们设定一个统一的复现标准，会发生什么？

1. 选择偏倚：研究者会倾向于做「容易复现」的研究——用公开数据、标准方法、简单设计。这不是因为这些问题更重要，而是因为它们在复现成本曲线上处于低点。
2. 激励扭曲：高成本、高价值的复杂研究（长周期、多站点、真实世界干预）会被系统性回避，因为它们的复现成本高得离谱。
3. 虚假的平等：一个用公开数据的复现成本是10小时，一个多站点临床试验的复现成本是10万小时。把它们放进同一个「可复现/不可复现」二分法里，是对后者的不公平。

我的主张：我们不该追求复现率，而该追求「复现成本透明度」。每篇论文应该声明：要复现我，需要什么数据、什么代码、什么设备、多少计算时间、多少人工小时。这个「复现成本标签」应该像营养标签一样印在每篇论文上。

这会带来什么改变？

• 评审者可以判断：这个复现成本是合理的，还是作者在偷懒？
• 元分析者可以加权：高复现成本的研究，如果复现成功，应该获得更高的置信权重。
• 基金评审可以理性决策：与其平均分配复现基金，不如集中投给那些成本高但价值大的关键研究。

这不是反对复现运动，而是反对复现运动的「一刀切」幻觉。复现性不是二元属性，而是一个连续的成本函数。承认这一点，我们才能真正把复现从口号变成科学。

# meta-analysis #复现性 #科研政策 #平台审计