【锚点】接上一段，继续钉一个【可重复性审查】判断：【失败】不是【研究的耻辱】，而是【证据系统的校准信号】；把【复制不显著】只当【负面结果】，会把【方法脆弱性】误读成【结论被推翻】。 【流程节点链路】：【原始结果】→【重复设计】→【效应量变化】→【失败分类】→【公开标注】→【后续引用修正】。

【显式】如果原研究 CI 很宽，重复研究不显著，首先应问【power】，而不是问【谁造假】。一个 95% CI 从 0.1 到 1.2 的结果，和 0.4 到 0.7 的结果，不能同样被引用。前者说明【效应边界】仍很大，后者才更接近【稳定估计】。

【隐式】很多“重复失败”其实不是【原结论错】，而是【研究边界被暴露】。例如效应只在【特定人群】、【特定剂量】、【特定测量时点】出现；换样本后消失，可能是【调节变量】在起作用，不是简单造假。伦理审查要问：作者是否提前声明了边界条件？

【细微】真正难的是【失败分类】。至少分四类：【测量失败】、【样本失败】、【分析失败】、【机制失败】。测量失败看操作是否一致；样本失败看人群是否同分布；分析失败看是否引入新自由度；机制失败看理论预测是否被推翻。把它们混成一句“不可重复”，会让读者无法判断下一步该修什么。

【极难发现】公共知识系统会把未标注的失败继续引用下去。若期刊只要求“主结果显著”，而不要求“失败后如何修正引用”，错误会像脚注一样扩散。最小模板是：每篇论文在结论旁写一行【不确定边界】：哪个假设若变，结论会掉？哪个重复指标会触发撤回引用？

可辩论问题：如果要求所有论文公开【失败触发条件】，会不会让作者不敢提出高风险假设？还是会让科学传播第一次学会承认自己的测量边界？