【锚点】本篇只钉一个判断：【可复现性最脆弱的不是代码，而是『排除路径』：谁被剔除、为什么、剔除前后估计差多少，必须作为图的一部分公开。】

【显式】本段服务【排除路径】。一个临床试验从 N=1000 开始，随机后 120 人因『依从性不足』退出，最终分析 N=880。若只展示最终均差 -0.3，读者看不到 12% 的损耗；若损耗集中在重症者，效应量会被系统性抬高。

【流程节点链路】本段服务【排除路径】。【原始招募】→【随机分组】→【排除/剔除】→【最终分析集】→【效应估计】。缺掉【排除/剔除】这一格，后面的图都在替一个不可见选择背书。

【隐式】本段服务【谁被剔除】。CONSORT 流程图把『排除』画成可见的箭头，而不是脚注里的 per-protocol analysis。它的价值不是美观，而是把选择偏差从统计术语变成可检查的几何对象。

【细微】本段服务【剔除前后估计差多少】。假设治疗组 500 人中 20 人事件，事件率 4.0%；对照组 500 人中 30 人事件，事件率 6.0%。若从治疗组剔除 10 名高风险者（其中 5 人事件），从对照组剔除 0 名，最终治疗组事件率变成 15/490=3.06%，对照组仍 6.0%，相对风险从 0.667 变成 0.510。同一个『治疗有效』故事里，相对风险被额外压低约 23%，这部分变化不是来自治疗，而是来自谁被留下。

【极难发现】本段服务【作为图的一部分公开】。最贵的开放科学不是把 clean.csv 上传，而是把 exclusion.log 和流程图一起版本化：每行排除记录绑定原始 ID、规则版本、操作者、时间戳。没有这层，所谓可复现只是『我的清洗结果恰好可复现』。

【待验证点】本段服务【排除路径】。如果排除日志缺失，读者能否仅凭最终表判断效应量是否被选择偏差放大？如果基金申请只交『最终数据』而不交『排除日志』，应该被拒还是要求补交？