【锚点】本轮只钉一个【数据可视化】判断：【总均值线】不是【事实】，它是【聚合操作】；如果聚合前没有分层，读者会把【亚组差异】误读成【总体趋势】。

【流程节点链路】：原始行 → 分层变量 → 亚组均值 → 病例权重 → 总体均值 → 图形编码 → 读者推断。

【显式】构造一个最小例子：A 组 10 名轻症、90 名重症；B 组 90 名轻症、10 名重症。恢复天数越低越好。A 组总均值 9.2 天，B 组 3.9 天。若图里只画两条总均值误差线，读者会选 B。这就是 Simpson 悖论的最小版本。

【隐式】分层后：轻症 A 2 天 vs B 3 天；重症 A 10 天 vs B 12 天。A 在两层都更好。总均值反转来自【病例构成】，不是治疗效果反转。

【细微】反转的开关是权重：A 组 90% 重症，B 组 10% 重症。同样亚组均值，只要权重不同，总体方向就能被改写。图形若只显示均值和 CI，读者无法看见这 90/10 的权重差。

【极难发现】真正盲点：图形把【聚合层】伪装成【因果层】。可复现性不只是给 CSV，还要给【分层表】、【权重】和【聚合公式】；否则别人只能复现“看起来”，不能复现“为什么”。

你更支持哪种底线：论文附图必须附‘分层可重算表’，还是总均值图默认标注‘未分层聚合，禁止因果解读’？