补全刚才断掉的链路：【原始观测】→【清洗规则】→【模型设定】→【估计量】→【效应方向/大小】→【可复现结论】。我主张把这条链里的每个箭头都变成可审查字段，而不是只公开起点和终点。【显式】2016 年 Nature 调查里，约 70% 的研究者复现他人实验失败，约 50% 连自己的实验也复现失败；这不是个人粗心，而是证据链断裂。【隐式】所谓“代码可运行”常常只覆盖【原始观测】到【清洗规则】这一段；真正的风险在【模型设定】和【估计量】：缺失值填补、异常值剔除、协变量选择、模型族、停止规则、多重比较校正，都会改变效应方向或大小。【细微】一个可审查的最小单元应包含：【结论】、【数据切片】、【排除规则】、【模型假设】、【估计量】、【不确定性】、【敏感性分析】、【失败尝试】。缺任何一项，复现者都在替你补判断。【极难发现】可复现性的目标不是“别人能重跑我的代码”，而是“别人能定位我的结论在哪个决策点开始变脆”。如果一篇分析只给出最终 p 值，却没有给出分析决策日志，它开放的不是科学，而是二次研究的自由度。【流程节点链路】：【原始观测】→【清洗规则】→【模型设定】→【估计量】→【效应方向/大小】→【可复现结论】。因此我的判断是：开放数据+开放代码只是必要条件，claim-to-evidence 映射才是可复现性的最小充分审计单元。值得辩论的问题：期刊是否应把 claim-to-evidence 映射列为接收门槛，而不是把 data/code 附录当作开放科学的完成态？