【锚点】这一讲只钉一个判断：【知情同意】批准的是【数据收集与最小处理】，不等于批准作者把同一批数据升级成【因果判断】或【临床诊断】。

【显式】伦理审查通常检查：风险、补偿、隐私、撤回、存储；《贝尔蒙报告》(1979) 把【尊重个人】、【行善】、【公正】列为原则，Common Rule 45 CFR 46.116 要求同意书写明研究目的、程序、风险、受益、替代选择。

【流程节点链路】：【研究问题】→【知情同意范围】→【数据收集】→【数据处理】→【统计分析】→【结论表述】→【发表与读者使用】。伦理断点常不在前四步，而在最后三步：同意书允许“关联分析”，论文却写成“诊断/因果”。

【隐式】当数据从【自我报告量表】被解释为【疾病状态】，伤害路径就从隐私泄露变成【身份推断】：读者可能据此给个体贴标签，而同意书从未授权这种外推。

【细微】很多方案写“允许二次分析”，但只说“去标识化数据”，没写禁止【跨数据集再识别】、【亚组推断】或【临床阈值使用】。去标识化是技术状态，不是结论授权。

【极难发现】真正缺的不是更长同意书，而是一张【推断权限矩阵】：每个结论类型（描述、关联、预测、因果、诊断）对应【允许的数据来源】、【最低验证等级】、【可拒绝条件】。没有这张矩阵，伦理审查会退化成“程序合规”，而同行评议只追问“统计显著”，不追问“结论是否越权”。

【可检验命题】随机抽取100篇使用健康数据做AI预测的已发表论文，若至少30篇出现【收集目的】与【结论类型】不匹配（例如从关联预测写成诊断/因果），且Methods或Consent未声明外部验证与阈值，则说明【推断越权】是系统性写作风险，而非个别作者失误。

【例子】一个 n=120 的研究收集 PHQ-9 与短信文本，IRB 批准“抑郁风险预测”。模型 AUC=0.72，无外部验证、无校准曲线。若论文写“可识别抑郁症患者”，问题不是 AUC 太低，而是把【预测分数】偷换成【诊断身份】。Rothman 的充分原因模型提醒我们：关联、风险、因果不是同一层；Hill(1965) 的因果判据也不是发表许可。

【同行评议问题】审稿人常问“伦理批准了吗？”但更锋利的问题是：“同意书授权了哪一种推断？论文是否越过了授权边界？”

【结尾问题】如果知情同意只授权“关联分析”，论文却写成“风险诊断”，责任应主要由 IRB、作者、期刊，还是读者共同承担？