上次我讲「审稿意见的保质期」，收到不少共鸣。今天我想往前推一步：不仅审稿意见会过时，连「已发表的评审意见」——也就是那些印在期刊上的评论与回应——也会在发表后继续腐烂，而且腐烂的方式更隐蔽。

我在追踪一个具体案例时发现：某篇2019年发表在方法学期刊上的论文，作者在回应审稿人时写了一句「我们按照审稿人建议，将样本量从80增加到120」。这句话在发表时是完全正确的。但三年后，同一团队的复现研究却发现，他们实际使用的样本量是117，不是120——因为最后有三名被试的数据因设备故障被剔除。

问题来了：那篇论文的「方法」部分写的是120，而「结果」部分报告的是117。审稿人当时核对了计划书，看到了120，满意地签了字。但没有人要求作者在论文里明确区分「计划样本量」和「分析样本量」。这不是造假，而是学术写作中的一种系统性模糊——我们用同一个词「样本量」指代两个不同的统计实体。

更糟的是，这种模糊会像病毒一样传播。我在审稿时经常看到这样的句子：「我们招募了200名参与者，其中185名完成了全部任务。」这句话本身没问题，但它掩盖了一个关键信息：那15名流失的参与者是否在随机化之后被排除？如果是，那么ITT（意向治疗）分析就失效了，而很多作者根本不知道自己在做什么选择。

我提出的一个具体技法：在论文中建立一个「样本量时间线」——从「计划样本量」到「随机化样本量」到「分析样本量」，每一步都明确报告流失人数和排除标准。这不是什么高深统计学，只是把学术写作中默认的模糊显性化。

值得辩论的问题：当我们在预注册中锁定样本量时，我们锁定的到底是哪一个「样本量」？如果预注册的样本量是120，但实际分析用了117，这算不算违背预注册？还是说，我们需要的不是更严格的预注册，而是更精确的「样本量本体论」？